AI OCH AUTOMATISERING

”Unga AI-rebeller utan syfte”

Många elever använder AI för att få fram svar, inte för att förstå lösningar, skriver krönikören Jonas Grafström.

I Rebel Without a Cause handlar konflikten inte om brist på energi eller vilja, utan om avsaknad av riktning. Något liknande syns nu på arbetsmarknaden. Unga AI-rebeller kan generera text, kod och analyser i en takt som imponerar, men saknar ofta förmågan att avgöra när det de producerar faktiskt är fel. AI verkar dock göra det svårare för vissa unga på arbetsmarknaden.

En amerikansk studie ( Brynjolfsson med flera, 2025) visar att sysselsättningen bland unga minskar i AI-exponerade yrken, samtidigt som mer erfarna grupper är opåverkade. En svensk studie som presenterades på DN Debatt (Lodefalk, Löthman, Koch och Engberg, 2026) finner ett liknande mönster. Sysselsättningen bland unga 22–25 år minskar med upp till 5,5 procent i AI-exponerade yrken, samtidigt som den ökar i äldre åldersgrupper, särskilt bland personer över 50 år.

Ska vi verkligen var väldigt förvånade över att det är unga som drabbas? I Netflix-serien Emily in Paris kommer Emily till en mossig fransk PR-byrå med alla Frankrikes storföretag som kunder. Hon lär dem om internet, Instagram och TikTok. De äldre verkar inte kunna något om teknik. Kanske är det så att unga kan mer om ny teknologi, eller i ärlighetens namn nischer av den, men kunskap om ett nytt verktyg hjälper föga för den okunniga.

Det är skillnad på att slå in en spik med en sten och en hammare. Stenen är primitiv men får jobbet gjort. Hammaren gör vem som helst mer effektiv. Skillnaden ligger inte i verktyget utan i handen som håller det. Det kommer dock vara skillnad på den som har 20 år i hantverksyrket och den som gör sitt första trevande slag. Är det okej att spika i en jättestor kakelplatta eller bredvid ett proppskåp? De frågorna och tusentals andra vill man inte höra från badrummet hemma när hantverkarna renoverar. När det kommer till AI och arbetsmarknaden är det rätt likt skillnaden mellan stenen och hammaren.

Att kunna prompta AI effektivt kräver att man faktiskt förstår det ämne man frågar om. En juniorkodare som aldrig kodat utan AI-stöd vet inte om koden är rätt eller farligt fel. En ekonomistudent som låter AI skriva alla analyser vet inte om resonemangen håller eller är förenklat pladder. Det banala, grunda och meningslösa är något den med 20 års erfarenhet snabbt sniffar sig till. Den okunniga kan inte heller reflektera på egen hand och det märks i ett samtal med en erfaren kollega.

Det är möjligen därför arbetsgivare väljer bort juniorer till förmån för seniorer i AI-exponerade yrken – inte för att de äldre kan mer AI, utan för att de vet hur man tänker utan den. De kan bedöma när AI:n har fel. Det är en förmåga man bara bygger upp genom att ha gjort det svåra arbetet utan hjälpmedel.

Det finns redan intressanta experimentella belägg för mekanismen. I en studie publicerad i PNAS ( Bastani et al., 2025) får närmare tusen gymnasieelever använda GPT-4 i matematikundervisning. Resultaten är till en början sådant som får lärarhjärtat att dunka snabbare. Elever med fri tillgång till AI löser uppgifter snabbare och med högre träffsäkerhet. När AI:n i stället begränsas till att ge ledtrådar snarare än svar ökar resultaten ännu mer under själva övningsmomenten. Produktiviteten skjuter i höjden.

Problemet visar sig först senare. När eleverna testas utan tillgång till AI presterar de som haft fri AI-hjälp signifikant sämre än kontrollgruppen. De har alltså blivit mer effektiva i stunden men mindre kompetenta över tid. Förklaringen är inte svår att förstå. Många elever använder AI för att få fram svar, inte för att förstå lösningar. Resonemang ersätts av output och den kognitiva ansträngning som normalt bygger upp matematisk intuition uteblir.

Unga kan kanske generera mer text på en eftermiddag än en senior hann på en vecka för tio år sedan. Skillnaden är att den erfarne vet vad som är skräp. Det är kanske inte verktyget som är problemet utan den som svingar dem.