De udelukkede

Hvad er den vigtigste pointe?

Problemet er ikke kun ledighed. Problemet er døren ind i arbejdslivet.

Siden er en del af Viden-universet til bogen Hvad skal vi lave nu?. Den bruger AI som anledning til at tale om arbejde, ansvar, adgang, faglighed og menneskers plads i danske organisationer.

Hvad ændrer AI her?

• Begyndelsesopgaver er læringsinfrastruktur, ikke bare lavstatusarbejde.
• AI kan automatisere første udkast, enkel research, sortering, opsummering og dokumentation — netop de opgaver, hvor mange lærer et fag.
• Udelukkelse rammer før CV’et får tyngde: man kan være motiveret og kvalificeret, men mangle en reel første plads.
• Netværk og social kapital bliver vigtigere, hvis formelle indgange og junioropgaver bliver smallere.
• Organisationer skal designe nye øvebaner, praktikformer og supervision, hvis de automatiserer de gamle.

Hvad kan arbejdspladser gøre?

• Kortlæg hvilke begyndelsesopgaver AI allerede overtager i organisationen.
• Lav bevidste øvebaner, hvor nye medarbejdere bruger AI med supervision og gradvist får ansvar.
• Vurder effektivisering på adgang: hvem får sværere ved at komme ind, hvis opgaven fjernes?
• Kobl entry-level, praktik, onboarding og kompetenceudvikling tættere sammen.

Det vigtigste er ikke at finde den perfekte AI-politik fra første dag. Det vigtigste er at gøre forandringen talbar, så medarbejdere, ledere og tillidsvalgte kan se, hvad der faktisk ændrer sig i arbejdet. Når opgaver flyttes, skal rammerne flytte med: tid, ansvar, læring, kvalitet og ret til at sige fra.

En god start er at vælge få konkrete arbejdssituationer og undersøge dem sammen. Hvad gør mennesker i dag? Hvor opstår der friktion? Hvad kan AI hjælpe med? Hvad må den ikke overtage? Og hvordan opdager man, hvis gevinsten ét sted skaber pres et andet sted?

Det kræver også et langsommere rum end den almindelige projektplan. Mange af de vigtige spørgsmål viser sig først, når mennesker prøver teknologien i deres eget arbejde og kan fortælle, hvad der blev lettere, sværere, mere usikkert eller mere meningsfuldt.

Døren ind kan forsvinde før jobbet

De udelukkede er måske den sværeste position at få øje på, fordi den ofte handler om mennesker, der aldrig når at blive kolleger. De står uden for opgaven, før organisationen opdager, at der mangler en læringsvej.

Når AI overtager første research, første udkast, første sortering eller de simple analyser, kan organisationen opleve en gevinst. Men det kan samtidig fjerne den trappe, hvor nye mennesker tidligere lærte fagets rytme, standarder og ansvar.

Begyndelsesopgaver er ikke spild

I en effektiviseringslogik ligner begyndelsesopgaver ofte det første, der bør automatiseres. De er gentagende, langsomme og kræver rettelser. Men netop derfor er de gode læringsopgaver. Man lærer ikke kun ved at se et færdigt svar. Man lærer ved selv at prøve, fejle, rette og forstå, hvorfor noget er godt nok.

Hvis arbejdspladsen fjerner de opgaver uden at erstatte dem med nye øvebaner, bliver adgang til faget mere afhængig af netværk, uformelle chancer og allerede stærk social kapital.

Udelukkelse er også et HR- og ledelsesspørgsmål

AI i rekruttering, onboarding og oplæring kan både åbne og lukke døre. Et system kan hjælpe med mere retfærdige processer, men det kan også gøre kravene mere standardiserede og mindre gennemsigtige.

HR og ledelse bør derfor spørge til adgang, ikke kun effektivitet: Hvem får lov at øve sig? Hvem får feedback? Hvem får den første opgave, hvis AI kan lave den hurtigere?

En adgangstest før opgaver automatiseres

• Hvilke begyndelsesopgaver findes i dag i teamet eller faget?
• Hvilke af dem er ved at blive overtaget af AI eller skubbet opad til mere erfarne medarbejdere?
• Hvilke færdigheder lærte mennesker tidligere gennem disse opgaver?
• Hvordan kan nye medarbejdere øve de færdigheder med AI uden at springe dømmekraften over?
• Hvem har ansvar for at sikre, at døren ind stadig findes?

Spørgsmål der bør stilles lokalt

• Hvilke opgaver bliver lettere, og hvilke opgaver bliver mere uklare?
• Hvem får mere handlekraft af AI, og hvem risikerer at miste adgang, status eller læringsmuligheder?
• Hvordan sikrer vi menneskelig vurdering, når AI bruges til tekst, beslutningsstøtte, screening eller dokumentation?
• Hvilke fejl vil vi acceptere i en prøvefase, og hvilke fejl er for alvorlige til at eksperimentere med?
• Hvordan taler vi om produktivitet uden at gøre alle gevinster til højere tempo?

Hvordan hænger det sammen med bogen?

Bogen arbejder med fire positioner i AI-forandringen: de fortrængte, de transformerede, de udelukkede og de empowered. De er ikke faste typer, men steder mennesker kan befinde sig, når arbejdet flytter sig.

Derfor handler denne side også om AI-uro, kontroltab, orienteringstid og begyndelsesopgaver — de begreber, der gør samtalen mere konkret end enten begejstring eller panik.

FAQ