Elon Musk uttalar sig efter att Andrej Karpathys karta över AI-jobb blivit viral

Nästan 60 miljoner jobb i USA flaggas som mycket utsatta i Karpathys AI-automatiseringskarta

Andrej Karpathy, medgrundare av OpenAI och tidigare chef för artificiell intelligens (AI) hos Tesla, publicerade den 15 mars en interaktiv ”AI Job Exposure Map” där han analyserade 342 yrken hämtade från U.S. Bureau of Labor Statistics (BLS) Occupational Outlook Handbook.

Projektet utvärderade ungefär 143 miljoner jobb i USA genom att mata in arbetsbeskrivningar i en stor språkmodell och tilldela varje roll en exponeringspoäng från noll till 10, vilket mäter hur mycket AI teoretiskt sett skulle kunna omforma det arbetet.

Resultaten visades i en färgglad treemap-visualisering på karpathy.ai/jobs, där rektanglarnas storlek speglade sysselsättningssiffrorna och färgen representerade exponeringsnivåerna, från grönt för minimal påverkan till djupt rött för roller som kan komma att automatiseras i stor utsträckning. Kort sagt: ju större och rödare rutan, desto mer uppmärksamhet krävde den.

För hela den amerikanska arbetskraften hamnade den vägda genomsnittliga exponeringen på cirka 4,9 av 10, vilket tyder på en måttlig potential för AI-påverkan totalt sett. Men genomsnitt döljer mycket dramatik. Cirka 42 % av de amerikanska jobben – ungefär 59,9 miljoner arbetstagare som tjänar uppskattningsvis 3,7 biljoner dollar i årslön – fick sju eller högre på exponeringsskalan.

Om man bryter ner siffrorna ytterligare hamnade cirka 6,2 miljoner jobb i kategorin minimal exponering, medan 47,2 miljoner klassificerades som låg. Ytterligare 29,7 miljoner hamnade i det måttliga intervallet. De mer slående siffrorna dök upp högst upp på skalan: ungefär 34,7 miljoner jobb rankades högt, och 25,2 miljoner hamnade i kategorin mycket hög exponering.

Karpathys analys visade också en oväntad vändning när det gäller lön. Jobb med lägre inkomster, i genomsnitt under 35 000 dollar per år, fick ett exponeringsbetyg på cirka 3,4, medan yrken som betalar mer än 100 000 dollar i genomsnitt fick 6,7. Med andra ord: ju högre lön, desto större är sannolikheten att jobbet innefattar uppgifter som system för artificiell intelligens kan utföra eller assistera med idag.

Utbildningsnivåerna visade ett liknande mönster. Arbetstagare utan högskoleexamen hade i genomsnitt en exponeringspoäng på ungefär 4,1, medan de med kandidatexamen toppade listan med cirka 6,7. De med avancerade examina hamnade någonstans i mitten, runt 5,7.

Om man tittar på enskilda yrken blir bilden ännu tydligare. Medicinska transkriberare fick full poäng, 10, vilket speglar hur taligenkänning och automatiserade dokumentationssystem redan utför många av dessa uppgifter. Advokater, revisorer, finansanalytiker och managementkonsulter fick ofta omkring nio poäng, främst eftersom deras arbete kretsar kring strukturerad information, dokument och forskning.

Mjukvaruutvecklare – ironiskt nog de som bygger många AI-verktyg – rankades också högt, ofta med poäng mellan åtta och nio. Samtidigt visade roller som administrativa assistenter, bokföringsassistenter och kundtjänstmedarbetare liknande höga risknivåer på grund av deras beroende av digitala arbetsflöden.
I den motsatta änden av spektrumet klarade sig yrken som utförs i den fysiska världen snarare än på en datorskärm betydligt bättre. Rörmokare, elektriker och byggarbetare fick vanligtvis mellan noll och två poäng, vilket belyser den ihållande svårigheten att automatisera oförutsägbara, praktiska uppgifter.

Kartans snabba spridning online utlöste kommentarer i hela teknikvärlden, inklusive ett kort svar från Tesla- och SpaceX-vd:n Elon Musk. I ett svar på en tråd om visualiseringen skrev Musk: ”Alla jobb kommer att vara valfria. Det kommer att råda allmänt hög inkomst.”

Kommentaren återspeglade Musks långvariga argument att avancerad artificiell intelligens och robotik så småningom skulle kunna skapa tillräckligt med ekonomiskt överflöd för att minska beroendet av traditionell sysselsättning.

Trots uppmärksamheten tog Karpathy snabbt bort den ursprungliga webbplatsen och dess Github-arkiv, och förklarade i ett uppföljande inlägg att projektet var ett snabbt experiment – något han beskrev som en två timmar lång ”vibe-kodad” utforskning inspirerad av en bok han läste. Enligt Karpathy missförstods projektets utforskande karaktär i stor utsträckning trots tydliga ansvarsfriskrivningar.

Att ta ner webbplatsen gjorde föga för att bromsa dess spridning. Arkiverade kopior dök upp nästan omedelbart på Wayback Machine, och kodarkivet förgrenades flera gånger av utvecklare som replikerade datasetet, bedömningskriterierna och visualiseringsverktygen.

Händelsen illustrerar två realiteter i det moderna internet: AI-forskning kan väcka globala debatter över en natt, och när data väl läckt ut på det öppna webben försvinner den sällan. För närvarande är Karpathys experiment mindre en profetia om förlorade arbetstillfällen än en ögonblicksbild av hur dagens AI-system överlappar mänskligt arbete.

Slutsatsen, om det finns någon, är uppfriskande enkel. Om hela ditt arbete utförs på en skärm kan artificiell intelligens snart bli din kollega – eller din hårdaste konkurrent.

FAQ 🔎

• Vad är Andrej Karpathys AI Job Exposure Map?
  Det är en visualisering som analyserar 342 yrken i USA och ger en poäng på hur utsatt varje jobb kan vara för AI-automatisering.
• Hur många amerikanska jobb kan påverkas av AI-exponering?
  Analysen tyder på att cirka 42 % av de amerikanska jobben – ungefär 59,9 miljoner arbetstagare – har höga exponeringspoäng.
• Vilka yrken har högst AI-exponering?
  Yrken som advokater, revisorer, mjukvaruutvecklare och medicinska transkriberare fick bland de högsta poängen.
• Vilka yrken verkar vara minst utsatta för AI-automatisering?
  Praktiska yrken som rörmokare, elektriker och byggarbetare rankades bland de kategorier som har lägst exponering.