Elon Musk udtaler sig, efter at Andrej Karpathys kort over AI-jobmuligheder er gået viralt

Næsten 60 millioner amerikanske job er markeret som stærkt udsatte på Karpathys AI-automatiseringskort

Andrej Karpathy, medstifter af OpenAI og tidligere direktør for kunstig intelligens (AI) hos Tesla, udgav den 15. marts et interaktivt "AI Job Exposure Map", der analyserer 342 erhverv hentet fra U.S. Bureau of Labor Statistics (BLS) Occupational Outlook Handbook.

Projektet evaluerede omkring 143 millioner amerikanske job ved at indtaste jobbeskrivelser i et stort sprogmodel og tildele hver rolle en eksponeringsscore fra nul til 10, der måler, hvor meget AI teoretisk set kunne omforme det pågældende arbejde.

Resultaterne blev vist i en farverig treemap-visualisering på karpathy.ai/jobs, hvor rektanglernes størrelse afspejlede beskæftigelsestal, og farven repræsenterede eksponeringsniveauer, der varierede fra grøn for minimal forstyrrelse til dyb rød for roller, der kunne blive udsat for omfattende automatisering. Kort sagt: jo større og rødere kassen var, jo mere opmærksomhed krævede den.

På tværs af hele den amerikanske arbejdsstyrke landede den vægtede gennemsnitlige eksponering på omkring 4,9 ud af 10, hvilket tyder på et moderat potentiale for AI-indflydelse samlet set. Men gennemsnit skjuler en masse drama. Omkring 42 % af de amerikanske job – ca. 59,9 millioner arbejdstagere, der tjener anslået 3,7 billioner dollar i årsløn – scorede syv eller højere på eksponeringsskalaen.

Når man bryder tallene yderligere ned, faldt omkring 6,2 millioner job i kategorien minimal eksponering, mens 47,2 millioner blev klassificeret som lav. Yderligere 29,7 millioner landede i det moderate interval. De mere slående tal dukkede op i toppen af skalaen: cirka 34,7 millioner job rangerede højt, og 25,2 millioner faldt i kategorien meget høj eksponering.

Karpathys analyse frembragte også en kontraintuitiv vending vedrørende løn. Job med lavere indkomst på gennemsnitligt under 35.000 dollar om året scorede omkring 3,4 på eksponeringsskalaen, mens erhverv, der betaler mere end 100.000 dollar, i gennemsnit scorede 6,7. Med andre ord: jo højere løn, jo større sandsynlighed for, at jobbet indeholdt opgaver, som kunstig intelligens i dag kan udføre eller assistere med.

Uddannelsesniveauerne viste et lignende mønster. Arbejdstagere uden en universitetsuddannelse havde en gennemsnitlig eksponeringsscore på ca. 4,1, mens de med en bachelorgrad toppede listen med ca. 6,7. Indehavere af en kandidatgrad landede et sted midt imellem, omkring 5,7.

Ser man på de enkelte erhverv, tegner der sig et endnu skarpere billede. Medicinske transkriberere scorede en perfekt 10, hvilket afspejler, hvordan talegenkendelse og automatiserede dokumentationssystemer allerede udfører mange af disse opgaver. Advokater, revisorer, finansanalytikere og ledelseskonsulenter scorede ofte omkring ni, hovedsageligt fordi deres arbejde drejer sig om struktureret information, dokumenter og research.
Softwareudviklere – ironisk nok netop de mennesker, der bygger mange AI-værktøjer – lå også højt på listen og scorede ofte mellem otte og ni. Samtidig viste roller som administrative assistenter, bogholderassistenter og kundeservicemedarbejdere tilsvarende høje eksponeringsniveauer på grund af deres afhængighed af digitale arbejdsgange.
I den modsatte ende af spektret klarede job, der udføres i den fysiske verden frem for på en computerskærm, sig langt bedre. Blikkenslagere, elektrikere og bygningsarbejdere scorede typisk mellem nul og to, hvilket understreger den vedvarende vanskelighed ved at automatisere uforudsigelige, praktiske opgaver.

Kortets hurtige spredning online udløste kommentarer i hele teknologiverdenen, herunder en kort reaktion fra Tesla- og SpaceX-CEO Elon Musk. I et svar på en tråd om visualiseringen skrev Musk: “Alle job vil være valgfri. Der vil være universel høj indkomst.”

Kommentaren gentog Musks mangeårige argument om, at avanceret kunstig intelligens og robotik i sidste ende kunne skabe tilstrækkelig økonomisk overflod til at mindske afhængigheden af traditionel beskæftigelse.

På trods af opmærksomheden fjernede Karpathy hurtigt den oprindelige hjemmeside og dens Github-repository og forklarede i et opfølgende indlæg, at projektet var et hurtigt eksperiment – hvad han beskrev som en to-timers "vibe-kodet" udforskning inspireret af en bog, han var i gang med at læse. Ifølge Karpathy blev projektets udforskende karakter bredt misforstået på trods af klare ansvarsfraskrivelser.

At fjerne hjemmesiden gjorde ikke meget for at bremse dens spredning. Arkiverede kopier dukkede næsten øjeblikkeligt op på Wayback Machine, og koderepositoriet blev forked adskillige gange af udviklere, der replikerede datasættet, bedømmelseskriterierne og visualiseringsværktøjerne.

Episoden illustrerer to realiteter ved det moderne internet: AI-forskning kan udløse globale debatter fra den ene dag til den anden, og når data først er sluppet ud på det åbne web, forsvinder de sjældent. Foreløbig er Karpathys eksperiment mindre en profeti om tab af arbejdspladser end et øjebliksbillede af, hvordan de nuværende AI-systemer overlapper med menneskeligt arbejde.

Konklusionen, hvis der er en, er forfriskende ligetil. Hvis hele dit arbejde foregår på en skærm, kan kunstig intelligens snart blive din kollega – eller din hårdeste konkurrent.

FAQ 🔎

• Hvad er Andrej Karpathys AI Job Exposure Map?
  Det er en visualisering, der analyserer 342 erhverv i USA og vurderer, hvor sårbare de enkelte job er over for AI-automatisering.
• Hvor mange amerikanske job kan blive påvirket af AI-eksponering?
  Analysen tyder på, at ca. 42 % af de amerikanske job – svarende til ca. 59,9 millioner arbejdstagere – har høje eksponeringsscorer.
• Hvilke job har den højeste AI-eksponering?
  Roller som advokater, revisorer, softwareudviklere og medicinske transkriberere scorede blandt de højeste.
• Hvilke erhverv synes mindst udsat for AI-automatisering?
  Håndværksfag som blikkenslagere, elektrikere og bygningsarbejdere rangerede blandt de laveste eksponeringskategorier.