Stanford: AI treffer entry-level-jobbene hardest

Stanford Digital Economy Lab publiserte i august 2026 en oppdatering på studien «Canaries in the Coal Mine?», og konklusjonen er ubehagelig for alle som ansetter unge medarbeidere. Arbeidere mellom 22 og 25 år i de mest AI-eksponerte yrkene har opplevd en sysselsettingsnedgang på 11 prosent siden 2022. I samme periode vokste mindre AI-eksponerte jobber med 10 prosent. Gapet er ikke stort nok til å synes i de samlede sysselsettingstallene, men det er stort nok til å påvirke hvordan norske SMB bør tenke om lærlinger og entry-level-ansatte.

Hva studien faktisk viser

Datagrunnlaget er anonymiserte payroll-data fra den amerikanske leverandøren ADP, som dekker titalls millioner arbeidsforhold. Forskerne har rangert yrker etter AI-eksponering ved hjelp av to målemetoder: potensiell arbeidsmarkeds-påvirkning fra tidligere forskning, og den faktiske bruken av AI i yrket, målt gjennom Anthropic Economic Index (reell Claude-bruk per yrke).

Tre funn skiller seg ut i Ars Technicas dekning av studien:

For det første er det de yngste som taper. Gapet mellom mest og minst AI-eksponerte 22-25-åringer vokste fra 13 prosent i forrige rapport til 19 prosent i årets oppdatering. Eldre arbeidere i samme yrker er nesten uberørt.

For det andre er det lavere ansettelsesrater som driver nedgangen. Folk i disse stillingene blir ikke sagt opp, men de blir heller ikke ansatt. På arbeidsmarkedet betyr det at inngangsporten til karrieren lukker seg.

For det tredje er det forskjell på hva slags AI som brukes. Studie bruker Anthropic Economic Index for å skille substitusjon (AI erstatter menneskelig arbeid) fra augmentering (AI hjelper mennesker). Substitusjon er forbundet med synkende sysselsetting. Augmentering er forbundet med stabil eller stigende sysselsetting. Det er her norske SMB-ledere bør begynne å lytte.

Hvorfor akkurat lærling-rollen er utsatt

Forskerne peker på en viktig distinksjon mellom kodifisert og taus kunnskap. Kodifisert kunnskap er formalisert, standardisert og dokumentert. Den læres gjennom kurs, manualer og opplæringsplaner. Taust kunnskap tilegnes gjennom praksis, mentorskap og ekte kundekontakt.

Yrker dominert av kodifisert kunnskap er de som nå rammes. I Anthropics målinger er regnskapsførere og revisorer på topp, etterfulgt av resepsjonister og informasjonskontorister. Felles for dem er at de samme oppgavene gjentas dag etter dag etter en gitt prosedyre.

Yrker dominert av taus kunnskap er tryggere. Sykepleiere, håndverkere og daglige ledere bruker AI som supplement heller enn erstatning. De har gått gjennom de kodifiserte stegene tidlig og bruker nå tiden på det som krever menneskelig vurdering.

For norske SMB som ansetter lærlinger, handelinger og trainee-stillinger er mønsteret konkret. En lærling på et regnskapskontor bruker det første halvåret på å lære seg fakturaflyt, mva-registrering og avstemming. Det er kodifisert arbeid. Det er også nøyaktig det AI-agenter i dag kan gjøre på sekunder.

Hva betyr dette for norske SMB

Tre konkrete grep for ledere som ansetter entry-level:

Kartlegg hva lærlingen faktisk gjør. Ikke stillingsbeskrivelsen, men en uke med faktisk tidsbruk. Hvor mye tid går til dataregistrering, ordrehåndtering og manuelle oppslag versus kundekontakt, unntakshåndtering og relasjonsbygging? Hvis 70 prosent er kodifisert arbeid, har AI-substitusjon overtatt. Da er spørsmålet hva lærlingen skal gjøre i stedet, ikke om lærlingen skal ansettes.

Behold rollen, endre innholdet. En AIKI-kunde i logistikk erstattet manuelle prislister-oppslag med en AI-agent. Før brukte en lærling fire til seks måneder på å lære prislister. Nå bruker AI-agenten sekunder, og lærlingen kan bruke den tiden på unntak, transportskader og kundeoppfølging. Lærlingen lærer det som ikke står i manualen, og blir mer verdifull for hver måned.

Vær eksplisitt på hva du erstatter. Det er forskjell på å si «vi erstatter lærlingen med AI» og «vi frigjør lærlingen til unntakshåndtering og relasjonsbygging». Den første formuleringen trigger politiske diskusjoner om arbeidsplasser. Den andre er et verktøyvalg som flytter oppmerksomhet fra prosess til resultat.

For norske SMB i tradisjonelle bransjer er det viktig å forstå at dette ikke er en trussel mot lærling-modellen. Det er en trussel mot lærling-modellen slik den har vært. Den nye modellen kan faktisk bli bedre: kortere tid på rutinearbeid, mer tid på det som krever mennesker.

Veien videre

Studien fra Stanford er et målbilde for trenden i USA, men de samme mekanismene gjelder i Norge. AIKI ser dette i kundeprosjektene våre. AI-Revisjon starter alltid med å skille substitusjon fra augmentering i arbeidsflytene. Først da vet du hva som bør erstattes av en agent og hva som bør styrkes med en agent som supplement.

For bedrifter som ansetter lærlinger og entry-level-kandidater er spørsmålet ikke om AI påvirker disse rollene. Det gjør det allerede. Spørsmålet er om du vil at lærlingen skal bli god på det AI gjør bedre, eller på det AI ikke kan gjøre i det hele tatt.

Ofte stilte spørsmål

Hva sier Stanford-studien konkret om AI og jobber?

Studien målte sysselsetting for arbeidere 22-25 år i de mest AI-eksponerte yrkene. Siden 2022 har den gruppen opplevd 11 prosent nedgang, mens mindre eksponerte grupper vokste 10 prosent. Gapet har økt fra 13 prosent til 19 prosent det siste året. Eldre arbeidere er lite påvirket.

Hvilke yrker er mest utsatt for AI-substitusjon?

Ifølge Anthropic Economic Index er regnskapsførere og revisorer på topp, etterfulgt av resepsjonister og informasjonskontorister. Yrkene kjennetegnes av kodifisert kunnskap: standardiserte prosesser som er dokumenterte og lærbare.

Hva betyr dette for norske SMB som ansetter lærlinger?

Lærlinger i kodifiserte fag (regnskap, dataregistrering, ordre-håndtering) er mest utsatt. Lærlinger i tause fag (montasje, reparasjon, kundeopplevelse) er tryggere. Løsningen er å flytte lærlingen fra substitusjon til augmentering: fra dataregistrering til unntakshåndtering og relasjonsbygging. Les om hvordan AI-Agenter endrer hvilke oppgaver som er laget for mennesker.

Er dette et problem for AIKI-kunder spesifikt?

Flere AIKI-kunder har erstattet manuelle arbeidsflyter med AI-agenter. Poenget er å flytte lærlingen fra kodifisert arbeid til arbeid som krever menneskelig vurdering. En lærling som tidligere brukte fire måneder på å lære prislister, bruker nå tiden på unntak og kundekommunikasjon. Se TopLogic-caset for et konkret eksempel fra en AIKI-kunde i logistikk.

Hva er forskjellen på substitusjon og augmentering?

Substitusjon betyr at AI erstatter menneskelig arbeid (knyttet til synkende sysselsetting). Augmentering betyr at AI hjelper mennesker å gjøre jobben bedre (knyttet til stabil eller stigende sysselsetting). Studie-funnene viser at augmentering er tryggere for arbeidsplassene. For norske SMB handler det om å automatisere det som kan automatiseres, og la mennesker ta over der AI gir mening som supplement.

Vil du kartlegge hvilke arbeidsflyter i din bedrift som kan automatiseres og hvilke som bør styrkes med AI som supplement? Les mer om AI-Revisjon eller ta kontakt for en samtale.