AI ændrer lønnen, ikke kun jobbene

Lønpres: En undersøgelse fra Apollo Global Management anslår omkostningen ved langsommere lønvækst for arbejdstagere, der er eksponeret for AI, til 28 milliarder dollars om året fordelt på 5,8 millioner mennesker.

Hvor den betryggende version stammer fra

Påstanden spredte sig hurtigt: Der er færre jobnedskæringer, rekrutteringen stiger, og der er ingen tegn på, at AI erstatter arbejdstagere. Apollos cheføkonom Torsten Sløk har fremført en version af dette argument i flere uger og peget på Challenger-data, der viser, at jobnedskæringerne er faldet 41 % år til år frem til august, det laveste samlede antal fra januar til august siden 2022, samtidig med at rekrutteringsplanerne er steget 37 % i samme periode, det højeste niveau siden 2023.

Den del holder stik. Det er heller ikke hele rapporten.

It starts with one signal.

Each week, AI Signal takes one meaningful shift in AI and helps people leaders understand what changed, why it matters, and what to consider next.

Get Free Access

Have an account? Log In

Hvad årsagskoderne faktisk viser

Før vi igen satser fuldt ud på flere fortællinger om, at AI gøres til syndebuk, er det værd at se grundigt på de data, der bruges til at understøtte denne seneste version af argumentet. 

Challengers månedlige rapport indeholder to separate tabeller: Den ene følger det samlede antal jobnedskæringer, mens den anden opdeler dem efter arbejdsgivernes angivne årsager til afskedigelserne.

I den anden tabel er AI den hyppigst angivne årsag til jobnedskæringer indtil videre i 2026 og nævnes i 116.175 meddelelser, svarende til 22 % af alle nedskæringer i år. Det samlede fald i antallet af nedskæringer skyldes hovedsageligt et fald i offentlige afskedigelser fra sidste års usædvanligt høje niveauer, ikke at AI er blevet en mindre faktor i de nedskæringer, der faktisk finder sted.

To ting kan være sande på samme tid: Det samlede antal afskedigelser kan falde, og AI kan stadig være den hyppigste årsag til de afskedigelser, der er tilbage.

Resultatet om begrænset rekruttering ovenfor stammer fra en undersøgelse fra New York Fed af servicevirksomheder, der anvender AI, opdelt nedenfor. 

Det er ikke første gang, vi gør dette

At lønninger absorberer et automatiseringsstød i stedet for medarbejderantal har et fortilfælde. Industrirobotter skabte næsten det samme mønster, flere år før generativ AI eksisterede som et værktøj på arbejdspladsen.

I en undersøgelse offentliggjort i Journal of Political Economy fulgte MIT's Daron Acemoglu og Boston Universitys Pascual Restrepo udbredelsen af robotter på tværs af 19 brancher og 722 amerikanske pendlingszoner mellem 1990 og 2007.

Deres centrale resultat var, at hver ekstra robot pr. 1.000 arbejdstagere reducerede forholdet mellem beskæftigelse og befolkning med cirka 0,2 procentpoint og lønningerne med cirka 0,42 %. Effekten opbyggedes gradvist på de lokale arbejdsmarkeder over flere år i stedet for gennem en bølge af opsigtsvækkende afskedigelser.

Påvirkningen var heller ikke jævnt fordelt. Forskerne fandt, at den især var koncentreret blandt arbejdstagere med kortere uddannelse, særligt inden for produktion, mens arbejdstagere højere oppe på lønskalaen i vid udstrækning var beskyttet. Det stemmer tæt overens med det mønster, Apollo fandt i årets AI-data, hvor servicearbejdere og den nederste indkomstkvartil absorberer størstedelen af løneffekten, mens de højest lønnede ikke mærker nogen effekt.

Sammenligningen har dog begrænsninger. Industrirobotter er fysiske og dyre kapitalinvesteringer. AI-værktøjer er billige og kan spredes gennem en organisation på få uger, hvilket kan betyde, at dette udvikler sig hurtigere, langsommere eller anderledes på måder, som robotternes data ikke kan forudsige.

Det, denne forskning fastslår, er, at netop dette mønster – hvor forstyrrelsen rammer løn og deltagelse snarere end antallet af beskæftigede – allerede én gang har udspillet sig i målbare, offentliggjorte data, længe før AI igen gjorde det til et aktuelt spørgsmål. 

De manglende $4,800 

Apollos tal på $28 milliarder, den samlede lønvækst, der gik tabt blandt AI-eksponerede arbejdstagere i undersøgelsen, rapporteres som ét samlet gennemsnit:  $4,800 om året fordelt på 5,8 millioner arbejdstagere. 

Gennemsnit skjuler, hvor ujævnt tallet er fordelt, og det er værd at bemærke den matematik, som hovedtallet springer over. 

Inden for denne gruppe oplevede servicearbejdere et relativt fald i lønvæksten på 24,3 %, mens den laveste indtjeningskvartil oplevede et fald på 10,7 %, mens de højest lønnede slet ikke oplevede nogen målbar effekt. 

Det er en større spredning, end gennemsnittet på $4,800 giver indtryk af, og det rammer hårdest dem, der allerede tjener mindst. En callcenter-medarbejder eller butiksassistent, der oplever næsten en fjerdedel mindre lønvækst, mister langt mere end gennemsnittet oven i en i forvejen mindre løncheck. En person, der allerede tjener godt i et erhverv med høj eksponering, mærker måske næsten intet til det. 

Det har betydning for, hvordan dette kommer til udtryk – eller ikke gør det – i de fleste kompensationsrapporter. En virksomhed, der gennemgår sin samlede gennemsnitlige lønvækst i år, kan se et tal, der ser normalt ud, fordi arbejdstagere, der tjener nok til ikke at blive påvirket, trækker gennemsnittet op igen.

Komprimeringen er reel for de arbejdstagere, der oplever den, men den forbliver usynlig i det sammenblandede tal, som ledelsen højst sandsynligt ser først.

Hvad du bør tjekke i dine egne data

Ingen af de tre rapporter, der ligger til grund for dette, krævede proprietære data, og det gør en intern kontrol heller ikke. 

Challengers tal stammer fra offentlige meddelelser om jobnedskæringer. New York Fed undersøger virksomheder direkte og offentliggør resultaterne. Apollo udarbejdede sit estimat på baggrund af data fra Bureau of Labor Statistics. 

For at få en grov fornemmelse af omfanget i de enkelte delstater omregner Center for AI Safetys dashboard wageloss.ai Challengers AI-tilskrevne afskedigelser til et dollar-estimat, selv om det kun registrerer afskedigelseskanalen og ikke den lønkomprimering eller begrænsning af ansættelser, der kræver større fokus. Mønstret under det hele kan ses i data, som de fleste organisationer allerede har. 

Her er nogle udgangspunkter for et kompensations- eller HR-team, der vil undersøge det:

• Opdel lønvæksten efter AI-eksponering, ikke kun efter afdeling. Hent lønvæksten for de seneste 24 måneder for roller, hvor AI-værktøjer bruges regelmæssigt, og sammenlign den med ellers tilsvarende roller på samme niveau og med samme anciennitet, hvor de ikke bruges. Et samlet gennemsnit for en hel afdeling kan skjule den samme komprimering som et nationalt gennemsnit.
• Se efter rekvisitioner, der blev lukket i stedet for besat. Hverken Challenger eller NY Fed-undersøgelsen kan se en rekvisition, der bliver godkendt og derefter lukket uden en ansættelse. Det kan de fleste ansøgersporingssystemer. Dette tal – specifikt for AI-eksponerede roller – ligger tættere på det, NY Feds tal på 15 % for virksomheder, der "ansatte færre", måler, end noget, der fremgår af en rapport om antal ansatte.
• Hold øje med tiden til genbesættelse, ikke kun genbesættelsesprocenten. En voksende afstand mellem det tidspunkt, hvor nogen forlader en AI-eksponeret rolle, og det tidspunkt, hvor den igen bliver besat – også selv om den til sidst bliver besat – er ofte den tidligste synlige version af dette mønster, længe før det dukker op i en trivselsundersøgelse eller en fratrædelsessamtale.
• Sæt kompensation og planlægning af AI-implementering i samme rum. L&D eller den, der står for AI-implementeringen, har typisk ansvaret for budgettet til omskoling. Kompensationsafdelingen har ansvaret for lønbudgettet. Hvis en rolle får investeringer i omskoling i år, samtidig med at lønvæksten sakker bagud, sammenligner de to teams, der følger disse separate tal, måske aldrig deres observationer, så forbindelsen bliver kun skabt, hvis nogen over dem stiller dem begge det samme spørgsmål. 

Intet af dette kræver, at man venter på den næste Challenger-rapport eller den næste Fed-undersøgelse. De data, der skal tjekkes, ligger i vid udstrækning allerede i et HRIS og et ATS.