Rika länder börjar få brist på arbetskraft. AI kan bidra till att fylla luckan.
I ungefär två decennier har rika länder brottats med två problem på arbetsmarknaden. Produktiviteten har inte ökat särskilt mycket och antalet arbetstagare har förväntats minska. Det första problemet gav näring åt en lång debatt om så kallade zombieföretag, det vill säga företag som är för svaga för att växa men som har precis tillräckligt med tillgång till krediter för att överleva. Detta binder upp arbetskraft och kapital som skulle kunna användas mer effektivt på annat håll. Det andra problemet hade en mer drastisk lösning: människor skulle behöva arbeta längre. Den rika världen behövde få ut mer av varje arbetstagare samtidigt som arbetskraften stod inför en minskning.
Så förändrar AI produktiviteten
Sedan kom ChatGPT. De flesta människors första reaktion var att stirra på den tomma textrutan och fundera på vad de skulle skriva. Till en början var användningsområdena begränsade: att snygga till ett mejl, upptäcka ett stavfel eller komma på vad man kunde laga av det som fanns kvar i kylskåpet. Snart började människor ställa samma frågor till ChatGPT som de tidigare hade skrivit in i Google. I takt med att modellerna förbättrades blev också uppgifterna mer ambitiösa. När priset per token sjönk ökade användningen, ungefär som när effektivare ångmaskiner fick det viktorianska Storbritannien att förbruka mer kol, inte mindre. Efterfrågan på maskinell arbetskapacitet har visat sig vara enorm.
All denna kapacitet kräver hårdvara. Datacenter och de chip som finns i dem har blivit en av de mest framträdande delarna av den amerikanska investeringsboomen, samtidigt som andra länder skyndar sig att komma ikapp. Den ekonomiska avkastningen kommer dock att bero mindre på hur mycket kapacitet som byggs ut och mer på vad företagen faktiskt gör med den.
Ekonomer har sett detta förut. År 1987 konstaterade ekonomen Robert Solow skämtsamt att datoråldern syntes överallt utom i produktivitetsstatistiken. Produktivitetsvinsterna kom så småningom, men först i slutet av 1990-talet, efter att företagen under flera år hade organiserat om sina verksamheter kring den nya tekniken. Om AI visar sig få en liknande betydelse som persondatorn, eller elektriciteten dessförinnan, kommer det att krävas mer än att bara betala för en prenumeration för att dra nytta av tekniken. Företagen måste avgöra vilka uppgifter som ska överlåtas till AI, hur resultaten ska kontrolleras och vem som ska hållas ansvarig när något går fel. Ett antal mindre projekt med öppen källkod ger en fingervisning om hur detta skulle kunna se ut.
Från chattbottar till AI-agenter
Varför sker detta just nu? Till stor del beror det på modellerna. OpenAI:s GPT-6 Astra och Anthropics Claude Opus 5.5, som båda lanserades i september, är betydligt bättre än sina föregångare på att tolka kod som aldrig var avsedd att läsas av människor. Verktyg som Ghidra har länge kunnat omvandla ett kompilerat program tillbaka till pseudokod, en grov och omärkt skiss av hur programmet fungerar. Att förstå denna skiss var tidigare ett tidskrävande arbete som krävde specialistkompetens. Nu kan en AI-modell gå igenom den, förstå vad varje del har för funktion och skriva ny kod som fungerar på samma sätt. Resultatet är en rekonstruktion, inte den ursprungliga källkoden. För den som bara vill återskapa en viss funktion är det oftast tillräckligt.
Paperclip, en plattform med öppen källkod, försöker ge sina användare en virtuell arbetsstyrka. Användaren definierar ett uppdrag och kan sedan ”anställa” AI-agenter, var och en med en befattning, en chef och en månadsbudget. Agenterna aktiveras enligt ett schema, kontrollerar vilka uppgifter de har fått och sätter igång att arbeta. Projektets egen vision är det ”helt människofria företaget”. Dit är det fortfarande långt, eftersom agenterna behöver övervakas. Men tekniken förändrar vad som begränsar ett enmansföretag. Flaskhalsen blir hur mycket arbete ägaren kan delegera och samtidigt behålla kontrollen över, snarare än hur många timmar det finns på dygnet.
REA, som har utvecklats av en programmerare som går under namnet morluto, borde vara ett ännu större orosmoment för etablerade mjukvaruföretag. Projektet har fått över 280 000 stjärnmarkeringar på GitHub och gör det möjligt för AI-agenter att analysera befintlig programvara, från datorprogram till Android-appar, och förklara hur den fungerar. Tanken är att en användare ska kunna upptäcka en funktion i någon annans produkt och be en AI-agent att bygga något liknande. Det har alltid varit möjligt att kopiera programvara, men processen har varit långsam och krävt kostsamma programmeringsresurser. Om kostnaden sjunker kraftigt kan företag vars främsta konkurrensfördel har varit de många år av programmeringsarbete som ligger bakom deras produkter upptäcka att detta skydd är svagare än de trott. En konkurrensfördel som huvudsakligen bygger på många timmars kodning kan visa sig vara mindre hållbar än väntat.
Datorspel är ett annat exempel. AnyPS5, som dök upp på GitHub i augusti, försöker omvandla PlayStation 5-spel till program som kan köras direkt på Windows och Linux, utan att behöva använda en emulator. Detta är möjligt eftersom konsolen använder samma typ av x86-processor som de flesta persondatorer. Än så länge fungerar bara ett fåtal titlar. För att få fler spel att fungera krävs omfattande, repetitiv felsökning och anpassning, precis den typ av arbete som utvecklare nu börjar överlåta till AI-baserade programmeringsverktyg. Huruvida något av detta är lagligt är en separat fråga.
Kan AI minska arbetskraftsbristen?
Inget av detta innebär att autonoma företag står i begrepp att ta över. Det handlar fortfarande om tidiga och relativt outvecklade projekt. Det viktiga är vilken riktning de pekar ut. En chattbot väntar på att få en fråga. En AI-agent kan däremot få ett löpande uppdrag, en budget och en tidsfrist. Om agenterna blir tillförlitliga skulle en person som i dag utför en uppgift i taget kunna övervaka flera parallella arbetsflöden. En ensam entreprenör skulle kunna åstadkomma sådant som tidigare krävde en hel avdelning. I ekonomier med arbetskraftsbrist skulle detta i praktiken kunna öka tillgången på arbetskraft, även om programvara inte kan fylla de tomma tjänsterna på en sjukhusavdelning eller en byggarbetsplats.
Omställningen skulle inte vara smärtfri. De arbetsuppgifter som AI är bra på är inte nödvändigtvis desamma som arbetsgivare har svårt att hitta personal till. Vissa människor kommer att upptäcka att deras kompetens blir mer värdefull, medan andra kommer att se värdet på det de erbjuder sjunka kraftigt. En högre produktion skulle skapa utrymme för att kompensera dem som förlorar på utvecklingen, men det finns inga garantier för att någon faktiskt kommer att göra det. En åldrande befolkning gör det lättare att välkomna teknik som minskar behovet av arbetskraft. Men det förändrar inte vilka som blir vinnare och förlorare.
Vad AI innebär för investerare
För investerare är frågan en annan: vem tar hem vinsterna? Billigare programmering kan hjälpa ett nystartat företag att utmana en etablerad konkurrent, men gör samtidigt det nya företaget lättare att kopiera. En stor del av nyttan kan dessutom helt enkelt komma kunderna till del genom lägre priser. För en fond som Espiria Global Innovation handlar det om att skilja mellan företag som bara använder AI och företag som kan bygga en långsiktigt hållbar konkurrensfördel med hjälp av tekniken. När maskinell arbetskapacitet blir alltmer tillgänglig kan andra, fortsatt knappa resurser bli mer värdefulla, exempelvis företagsunik data, distributionskanaler och kundernas förtroende.
År 1930 förutspådde ekonomen John Maynard Keynes att hans barnbarns generation kanske bara skulle behöva arbeta 15 timmar i veckan. Så blev det inte. Rika samhällen valde att använda större delen av sitt ökade välstånd till högre konsumtion snarare än till att arbeta mindre. AI kan ge dem samma valmöjlighet igen. För länder som hade ställt in sig på ett allt längre arbetsliv skulle det vara ett framsteg bara att återigen ha den möjligheten.
