AI brukes bredt på jobb – men automatiserer overraskende lite

AI i arbeidslivet er allerede utbredt, men Googles analyse av nær 15 millioner virkelige interaksjoner viser at bruken foreløpig er langt grunnere enn automatiseringshypen antyder. I et typisk yrke der Google observerte AI-bruk, ble teknologien brukt til rundt 21 prosent av arbeidsoppgavene. For de vanligste avanserte kunnskapsoppgavene handlet under 10 prosent av samtalene om full automatisering.

Det betyr ikke at AI er uviktig. Tvert imot fant Google bruk på tvers av yrker som til sammen dekker 88,4 prosent av den amerikanske arbeidsstyrken. Men det er stor forskjell på at AI berører en jobb og at AI overtar den. Akkurat den forskjellen forsvinner ofte når en modellbenchmark blir oversatt til en overskrift om hvor mange millioner jobber som snart skal bort.

Google publiserte ATLAS v1.0 23. juli. Rapporten er interessant fordi den ikke starter med hva en modell kan gjøre i en kontrollert test. Den ser på hva mennesker faktisk ba Gemini om å gjøre. Bildet som kommer fram er mindre dramatisk, men mye mer nyttig: AI har kommet inn i arbeidsdagen, bare ikke som den selvkjørende digitale kollegaen mange presentasjoner later som.

Hva fant Google i 15 millioner AI-interaksjoner?

Google fant en bred, men grunn bruk av AI. ATLAS v1.0-rapporten bygger på 14 653 926 avidentifiserte interaksjoner fra Gemini-appen, Google AI Mode og Gemini API mellom 6. og 19. april 2026. Materialet dekker mer enn 800 yrker, 4 000 arbeidsoppgaver, 150 land og 140 språk.

Forskerne koblet interaksjonene til yrker og oppgaver i det amerikanske O*NET-systemet. De fant tilstrekkelig AI-bruk i 68 prosent av de detaljerte yrkene globalt. Disse yrkene representerer 88,4 prosent av sysselsettingen i USA, så dette er ikke lenger et fenomen som bare angår programmerere og markedsførere.

Dybden er en annen sak. I medianyrket med observert AI-bruk fant Google aktivitet i bare 21 prosent av oppgavene. For 29 prosent av yrkene nådde ikke én eneste oppgave rapportens terskel på minst 25 brukere. Bare 3 prosent av yrkene hadde AI-bruk i minst tre firedeler av oppgavene sine.

Det er den viktigste realitetssjekken i hele rapporten. En arbeidstaker kan bruke Gemini til å finne informasjon, forbedre et dokument eller løse et konkret problem uten at resten av jobben er i nærheten av å bli automatisert. Jobber er bunter av ulike oppgaver, og én smart snarvei er ikke det samme som en erstattet stilling.

Hjelper AI arbeidstakeren, eller erstatter den arbeidet?

AI fungerer først og fremst som hjelp og samarbeidspartner i Googles materiale. Forskerne delte bruken inn i full oppgaveautomatisering, delvis utkast og generering, gjennomgang og forbedring, idéarbeid og strategi, samt informasjonssøk og læring. De samarbeidende bruksmønstrene dominerte klart.

Forskjellen var tydeligst i ikke-rutinepreget kunnskapsarbeid, som kreativ utforming og hypotesetesting. Slike oppgaver utgjør omtrent 35 prosent av arbeidsoppgavene i økonomien, men sto for nesten 65 prosent av de arbeidsrelaterte AI-interaksjonene. Likevel var full automatisering hensikten i under 10 prosent av samtalene i denne gruppen.

Det høres nesten bakvendt ut. AI trekkes mot oppgaver som krever tenkning, utprøving og formulering, men mennesker bruker den i hovedsak til å komme videre i arbeidet – ikke til å sende inn en bestilling og gå hjem. Utkast må bearbeides, svar må vurderes og ideer må passe inn i en større sammenheng.

Rutinepreget kunnskapsarbeid skiller seg ut. Der handlet mer enn en firedel av AI-samtalene om å automatisere en oppgave. Det er ikke et ubetydelig tall, og det er nettopp her bedrifter bør følge ekstra godt med. Men selv full automatisering av en enkelt oppgave betyr ikke automatisk at hele jobben forsvinner. Koordinering, kontroll, ansvar og alle de andre oppgavene står fortsatt igjen.

Hvorfor er forskjellen mellom evne og faktisk bruk så stor?

En modell kan være teknisk i stand til å utføre en oppgave uten at mennesker bruker den slik i praksis. Innføring krever tilgang, tillit, gode data, opplæring og en arbeidsflyt der resultatet faktisk kan tas i bruk. En imponerende demo hopper elegant over alle fem.

Det er også derfor det blir feil å lese modelltester som ferdige prognoser for arbeidsmarkedet. Jeg har tidligere skrevet om hvordan Google har presset Gemini fram gjennom modeller, distribusjon og egen infrastruktur. ATLAS viser den andre halvdelen av bildet: Selv enorm distribusjon gjør ikke alle arbeidsprosesser autonome over natten.

Rapporten fant dessuten at bare 14 prosent av den samtalebaserte bruken, der API-trafikk ikke er medregnet, var arbeidsrelatert. Over 86 prosent skjedde utenfor arbeid. Folk brukte AI til alt fra kjøpsresearch og hjelp med apparater til skatt, lisenser og andre administrative plager. AI kan altså skape mye praktisk verdi uten at det vises som færre ansatte i et regneark.

Det er en nyttig påminnelse for bedrifter også. Hvis målet bare er å kutte stillinger, overser man de vanligste bruksområdene som dataene faktisk viser: finne kunnskap raskere, undersøke alternativer, lage et førsteutkast og kontrollere arbeid. Gevinsten kan være at folk får gjort mer eller løser oppgaver de tidligere måtte gi opp, ikke nødvendigvis at noen kan fjernes fra organisasjonskartet.

Er AI-bruk fortsatt mest for kontorjobber?

Nei, men kontor- og kunnskapsyrker er fortsatt overrepresentert. Finansanalytikere, markedsanalytikere, programvareutviklere og systemadministratorer dukket oftere opp enn andelen deres av arbeidsstyrken skulle tilsi. Helseassistenter, butikkansatte og matarbeidere var blant gruppene som var tydelig underrepresentert.

Samtidig fant Google AI-bruk hos blant annet bilteknikere og industrimekanikere. Der var ikke poenget at en chatbot skulle skru på bilen. Arbeiderne brukte AI til å tolke testresultater, feilsøke elektriske koblinger, undersøke slitasje og lære mens problemet sto foran dem. I fysiske og manuelle yrker var informasjonssøk og læring den klart vanligste typen bruk.

Multimodal AI var mer enn dobbelt så vanlig i slike arbeidssamtaler som i arbeidsmaterialet samlet. Det gir mening: Når problemet er en del, en ledning eller en maskin, er et bilde ofte mer nyttig enn en lang forklaring. AI overtar ikke håndverket, men kan gi håndverkeren et ekstra sett med øyne og raskere tilgang til relevant kunnskap.

Dette er kanskje mindre spektakulært enn roboter som tar over fabrikken. Det er også mye nærmere det folk faktisk gjør i 2026. Den umiddelbare endringen er ikke at alle yrker blir borte, men at flere yrker får en ny måte å undersøke, kontrollere og løse deler av arbeidet på.

Hva kan ATLAS-rapporten ikke fortelle oss?

Rapporten måler bruk, ikke resultat. Google kan se hva en bruker forsøker å gjøre med AI, men ikke om svaret var riktig, om det sparte tid eller om det endelige arbeidet ble bedre. Studien kan derfor ikke brukes som bevis for en bestemt produktivitetsgevinst eller som fasit på hvor mange jobber som vil finnes om fem år.

Utvalget er heller ikke hele AI-økonomien. Betalt bruk av Gemini API, inkludert bedriftsbruk gjennom Google Cloud, er ikke med i den detaljerte oppgaveanalysen. Google Workspace, AI Overviews, Google Translate og flere andre produkter er også utelatt. Profesjonell og mer automatisert bruk kan derfor være underrapportert.

Klassifiseringen er dessuten gjort maskinelt og er sannsynlighetsbasert. Gemini 3.1 Flash Lite tolket avidentifiserte sammendrag og plasserte dem i kategorier for yrke, oppgave og hensikt. Google validerte systemet, men erkjenner at svært detaljerte funn er mer usikre enn de brede mønstrene. Datavinduet var bare to uker i april, så dette er et øyeblikksbilde av en teknologi som beveger seg fort.

Og så kommer den åpenbare interessekonflikten: Google selger AI og har interesse av å framstille teknologien som både verdifull og håndterbar. Det gjør ikke 14,65 millioner observasjoner ubrukelige, men det gjør metode og begrensninger ekstra viktige. Googles egen presentasjon av ATLAS er mer optimistisk enn den tørre metodedelen i rapporten. Les begge.

Hva betyr AI i arbeidslivet for arbeidstakere og bedrifter?

For arbeidstakere er budskapet verken «alt går fint» eller «jobben din forsvinner». Det er at endringen skjer oppgave for oppgave. Rutinepreget kunnskapsarbeid ser mest utsatt ut for direkte automatisering, mens komplekst arbeid oftere får AI som støtte. Den praktiske fordelen ligger derfor i å forstå hvilke deler av egen jobb som kan delegeres, hvilke som kan forbedres, og hvilke som fortsatt krever menneskelig vurdering.

For bedrifter er det fristende å begynne med det største mulige målet: en autonom agent som håndterer en hel prosess. ATLAS-dataene peker mot en mer jordnær start. Finn oppgaver der ansatte allerede bruker mye tid på søk, førsteutkast, kontroll eller feilsøking. Bygg gode rammer rundt dem, og mål om kvaliteten og gjennomføringen faktisk blir bedre.

Det er ikke et argument mot agenter eller mer avansert automatisering. Modellene blir bedre, og rapporten viser at full automatisering allerede er merkbart vanligere i rutinepregede kognitive oppgaver. Men tempoet bestemmes ikke bare av modellens evner. Data, integrasjoner, ansvar, tillit og resten av arbeidsprosessen må følge med.

Ars Technica oppsummerte funnet som at arbeidstakere ikke automatiserer seg selv bort. Det er en god overskrift, så lenge ordet «ennå» får være med i bakhodet. Tallene avliver ikke risikoen for framtidige jobbendringer. De viser at dagens virkelighet er bred bruk, begrenset dybde og mye mer samarbeid enn full overtakelse.

Det er mindre dramatisk enn både dommedagsprofetene og de mest ivrige selgerne liker. Men stemmer virkeligheten dårlig med presentasjonen, er det presentasjonen som må justeres. Foreløpig er AI mest et verktøy inne i jobben, ikke en ferdig erstatning for mennesket som gjør den.

Ofte stilte spørsmål