Kunstig intelligens og arbejds­markedet: Omstillingen er begyndt

Kunstig intelligens, AI, er på få år gået fra at være en specialiseret teknologi til et bredt anvendt værktøj i danske virksomheder. Udviklingen af især generativ AI, der kan generere originalt indhold, har gjort det muligt at automatisere eller understøtte en række kognitive arbejdsopgaver, som tidligere i mindre grad var påvirket af teknologiske fremskridt. Det kan bidrage til at styrke produktiviteten i dansk økonomi, se Abildgren og Jensen (2026). Teknologien har i den forbindelse potentiale til at påvirke en betydelig del af arbejdsstyrken og ændre virksomhedernes efterspørgsel efter arbejdskraft, hvilket er temaet for denne analyse. I dette kapitel beskrives udviklingen af AI i danske virksomheder de seneste år, og hvordan det potentielt kan begynde at påvirke det danske arbejdsmarked.

Danske virksomheder har i høj grad taget imod kunstig intelligens

Historisk har teknologiske fremskridt både skabt og nedlagt job og bidraget til ændringer i efterspørgslen efter kvalifikationer. Erfaringerne peger på, at tilpasningen ofte sker gradvist og med betydelig variation på tværs af virksomheder og brancher. Nyere forskning fremhæver, at generativ AI i høj grad påvirker opgaver inden for videns‑ og informationsarbejde og dermed potentielt en stor del af arbejdsmarkedet. Samtidig peger studier på, at teknologien indtil videre i højere grad ændrer sammensætningen af arbejdsopgaver end erstatter hele jobfunktioner (fx Brynjolfsson mfl. (2025); Gmyrek mfl. (2023); Acemoglu (mfl. 2022)).

I Danmark bruger en stor andel af virksomhederne allerede AI, omend med klare forskelle på tværs af brancher og virksomhedstyper. For eksempel er anvendelsen af AI mest udbredt i de største virksomheder, se figur 1. Danske virksomheder anvender desuden AI i højere grad end virksomheder i andre europæiske lande, se figur 2. Denne forskel skal ses i lyset af, at det danske arbejdsmarked er kendetegnet ved høj mobilitet, fleksible ansættelsesforhold og en relativt høj andel af ansatte med videregående uddannelse. Sådanne forhold kan have betydning for, hvordan effekterne af AI slår igennem, og med hvilken hastighed arbejdsmarkedet tilpasser sig ændringer i virksomhedernes behov for arbejdskraft.

Det danske arbejdsmarked har et godt udgangspunkt i forhold til potentielle påvirkninger fra AI

Effekterne af AI kan tænkes i høj grad at afhænge af den aktuelle situation på arbejdsmarkedet. I den aktuelle situation sker udbredelsen af AI i en økonomi, hvor det danske arbejdsmarked fortsat er præget af høj beskæftigelse og lav ledighed, hvor beskæftigelsen siden lanceringen af ChatGPT i 2022 er steget knap 90.000 personer, se figur 3. Samtidig er jobomsætningen høj sammenlignet med resten af Europa, se figur 4. Disse tal peger på, at arbejdsmarkedet i udgangspunktet har en vis robusthed over for ændringer i virksomhedernes efterspørgsel efter arbejdskraft.

Erfaringer fra tidligere teknologiske fremskridt viser, at tilpasningen ofte sker gradvist og med betydelig variation på tværs af virksomheder og brancher (se fx Comin og Hobijn (2010)). Ændringer i arbejdsmarkedet afspejler sig derfor ikke nødvendigvis med det samme i de aggregerede nøgletal, men kan i første omgang komme til udtryk gennem ændringer i virksomhedernes ansættelsesadfærd, herunder fx lavere eller højere tilgang af nye medarbejdere eller ændret sammensætning af arbejdsstyrken. På den baggrund er det relevant at analysere udviklingen på arbejdsmarkedet både på virksomhedsniveau og på aggregeret niveau. Det giver mulighed for at belyse, om udbredelsen af AI allerede hænger sammen med ændringer i beskæftigelse og lønninger, og i hvilket omfang sådanne ændringer kan spores i de samlede arbejdsmarkedstal.

Udbredelsen af generativ AI er øget markant over en kort periode. Teknologien anvendes i stigende omfang i virksomhederne, herunder blandt de enkelte ansatte som et generelt værktøj i det daglige arbejde. Dette kapitel belyser, hvilke personer og virksomheder der især har taget teknologien til sig.

Brugen af AI er størst blandt yngre og personer med videregående uddannelse

For at belyse udbredelsen på individniveau kan der tages udgangspunkt i ny information om anvendelsen af AI fra Nationalbankens forventningsundersøgelse¹. Undersøgelsen viser, at en betydelig del af de beskæftigede allerede anvender AI‑baserede værktøjer på deres arbejde. Der er dog betydelige forskelle i anvendelsen på tværs af grupper. Især yngre og personer med længere uddannelse anvender i højere grad AI i arbejdssammenhæng, se figur 5.

Samtidig viser figur 6, at AI i vid udstrækning også anvendes uden for arbejdsmarkedet. Den udbredte brug i fritiden peger på, at teknologien er relativt let tilgængelig og hurtigt kan integreres i daglige opgaver, hvilket kan understøtte en fortsat udbredelse i arbejdssammenhæng.

Stor udbredelse af AI-værktøjer – især blandt store og produktive virksomheder

Mens AI i stigende omfang anvendes blandt danske virksomheder, er der betydelige forskelle på tværs af brancher og virksomheder. Det afspejler både teknologiens anvendelighed og virksomhedernes ressourcer og kompetencer. Figur 7 viser, at mens 4 ud af 5 virksomheder inden for information og kommunikation anvender AI, er det blot tilfældet for lidt over 20 pct. af virksomhederne inden for bygge- og anlægsbranchen.² Figur 8 indikerer, at det især er store og mere produktive virksomheder, som har taget AI-værktøjer i anvendelse. Tilsvarende er virksomheder med en relativt høj andel af ansatte med videregående uddannelse mere tilbøjelige til at tage teknologien i brug.³

Mens udbredelsen af AI på tværs af virksomhedsstørrelse er blevet mere ensartet, i takt med at flere virksomheder har taget teknologien i brug, synes forskelle i produktivitet og uddannelsessammensætning at være vedvarende. Det peger på, at generativ AI i den aktuelle fase ikke bidrager til at udligne forskelle i produktivitet og kompetencer mellem virksomheder, men potentielt kan være med til at fastholde eller forstærke dem.

Stigning i antallet af nye virksomheder – især i brancher, der anvender AI

Ud over at øge produktiviteten i de eksisterende virksomheder kan øget udbredelse og lettere tilgængelighed af AI-værktøjer potentielt reducere adgangsbarrierer for opstart af ny virksomhed. Det kan ske ved en forenkling af administrative processer – fx registrering, regnskabsaflæggelse og overholdelse af myndighedskrav. Der kan desuden opstå nye forretningsmodeller, hvor AI-værktøjer anvendes – både i brancher med eksisterende høj anvendelse af digitale teknologier og i brancher, hvor sådanne værktøjer tidligere har spillet en mindre rolle.

Reduktion af barrierer kan potentielt afspejles i den seneste udvikling i antallet af nye virksomheder. I årene med høj inflation og stigende renter efter corona-pandemien blev der etableret færre nye virksomheder end i årene forinden. Denne tendens blev brudt i 2025, hvor antallet af nyoprettede virksomheder steg, omend i begrænset omfang, se figur 9.⁴ Ses der på tværs af brancher, er der indikationer på, at antallet af nye virksomheder især er steget inden for brancher, der i højere grad anvender AI-værktøjer, se figur 10. Der er således potentiale for, at en eventuel stigning i ledigheden som følge af en hurtig udbredelse af AI i mange brancher i et vist omfang kan modvirkes af øget iværksætteri. Det understreger, at AI ikke kun påvirker eksisterende virksomheder, men også kan have betydning for den samlede dynamik på arbejdsmarkedet.

Den hastige udbredelse af AI blandt danske virksomheder rejser spørgsmålet om, i hvilket omfang teknologien allerede påvirker arbejdsmarkedet. I dette kapitel belyses betydningen af AI for beskæftigelse og lønninger. På virksomhedsniveau er der tegn på, at brug af AI hænger sammen med en lavere vækst i beskæftigelsen. Disse ændringer genfindes dog ikke umiddelbart i de samlede arbejdsmarkedstal. Analysen foretages primært på virksomhedsniveau og bygger på et nyt arbejdspapir fra Danmarks Nationalbank af Bonin mfl. (2026). Analysen kombinerer data om virksomheders anvendelse af AI med registerdata om bl.a. beskæftigelse og lønniveauer for de pågældende virksomheders ansatte og kan således identificere mønstre på virksomhedsniveau, som ikke har kunnet identificeres i den eksisterende litteratur.

Beskæftigelsen vokser mindre i virksomheder, der bruger AI

Figur 11 viser beskæftigelsesudviklingen i virksomheder, der begyndte at anvende AI i 2023/24, og i virksomheder, der ikke anvendte AI i perioden. Det fremgår af figuren, at begge grupper af virksomheder øgede beskæftigelsen siden afslutningen af corona-pandemien, hvilket flugter med den generelle beskæftigelsesudvikling i perioden. Virksomheder, der begyndte at anvende AI i 2023/24, har dog efterfølgende haft en lavere beskæftigelsesvækst end virksomheder, der ikke anvendte AI.

Virksomheder, der begynder at anvende AI, adskiller sig systematisk fra de øvrige virksomheder på flere områder. De kan desuden, allerede inden de begyndte at anvende AI, have haft en anden beskæftigelsesudvikling end virksomheder, der ikke anvender AI. Forskellene i beskæftigelsesudviklingen fra 2023/24 og frem er derfor ikke nødvendigvis kun et udtryk for effekten af AI. For bedre at isolere den del af beskæftigelsesudviklingen, der kan tilskrives, at virksomhederne begynder at anvende AI, anvender Bonin mfl. (2026) derfor en metode, som tager højde for både variation på tværs af brancher og den enkelte virksomheds aktuelle udvikling. Metoden er uddybet i boks 1.

Analysen peger på, at ibrugtagning af AI i en virksomhed er forbundet med en lavere vækst i virksomhedens beskæftigelse i den efterfølgende periode. Figur 12 viser således, at en virksomhed, der primo 2024 anvendte AI, men ikke gjorde det primo 2023, efterfølgende havde en beskæftigelsesvækst, som var omkring 8 pct. lavere i gennemsnit end virksomhedens tidligere trend (stigende til 11 pct. sidst i perioden), når der tages højde for afvigelsen i trenden hos øvrige virksomheder, som ikke anvendte AI i hverken 2023 eller 2024. Resultatet skal fortolkes som en afdæmpning af beskæftigelsesvæksten i de virksomheder, der anvender AI, snarere end en direkte reduktion i antallet af ansatte.

AI har haft begrænset effekt på lønninger

I modsætning til beskæftigelsen findes der ikke klare tegn på, at lønninger påvirkes på kort sigt, se figur 13. Det kan hænge sammen med, at virksomheder inden for samme branche i høj grad beskæftiger medarbejdere med sammenlignelige kvalifikationer. Medarbejdernes mulighed for at skifte mellem virksomheder betyder, at løndannelsen i mindre grad påvirkes af forskelle i teknologi på virksomhedsniveau. Endvidere afspejler en betydelig del af lønudviklingen overenskomster, der ofte løber i flere år, hvormed der kan være en vis forsinkelse fra påvirkninger som i AI i de generelle lønændringer.

På virksomhedsniveau er beskæftigelsesvæksten faldet mest for yngre og medarbejdere med længere uddannelse

Effekten af AI er ikke ensartet på tværs af forskellige grupper af medarbejdere. Den lavere beskæftigelsesvækst i de virksomheder, der begynder at anvende AI, er især koncentreret blandt yngre og medarbejdere med længere uddannelse, se figur 14 og 15, samt i jobfunktioner, der typisk antages at have en høj eksponering mod AI.⁵ Det indikerer, at generativ AI primært påvirker arbejdsopgaver, der er kendetegnet ved kognitive og analytiske elementer snarere end rutineprægede, manuelle opgaver. Samtidig kan det fremadrettet i vurderingen af arbejdsmarkedets tilstand være vigtigt at følge beskæftigelsesudviklingen for de yngre og personer med længere uddannelse. Tilpasningen i beskæftigelsen sker primært gennem færre nyansættelser: Virksomheder reducerer tilgangen af nye medarbejdere efter ibrugtagning af AI, mens antallet af jobseparationer i vid udstrækning følger den hidtidige udvikling (for flere detaljer, se Bonin mfl. (2026)).

Resultaterne for Danmark ligger overordnet set på linje med, hvad studier har fundet for andre lande, se boks 2.

Virksomhedseffekterne er endnu ikke synlige på makroniveau

På trods af de tydelige resultater på virksomhedsniveau er der i den nuværende situation ikke tydelige indikationer på, at øget brug af AI samlet set har givet anledning til større ledighed eller ændringer i lønningerne på det danske arbejdsmarked. Udviklingen i både lønninger og beskæftigelsen afviger således ikke fra tendensen i perioden frem mod introduktionen af AI, se figur 16 og 17. Det gælder også blandt de yngre, som i særlig grad synes at være eksponeret mod AI. I stedet har de medarbejdere, som hidtil ville være blevet ansat i de virksomheder, som er begyndt at anvende AI, fundet beskæftigelse i øvrige virksomheder.⁶ Konklusionen skal dog læses med det forbehold, at det ikke er muligt at konkludere, hvordan beskæftigelsen ville have udviklet sig uden AI.⁷

Effekten fra øget brug af AI på den samlede beskæftigelse dæmpes også af, at den estimerede effekt i høj grad er drevet af mindre og mellemstore virksomheder, mens større virksomheder ikke i så høj grad har tilpasset antallet af medarbejdere, se Bonin mfl. (2026).⁸ Således viser en mekanisk beregning baseret på estimaterne i figur 12, at den samlede effekt af en reduktion i væksten i beskæftigelsen for de virksomheder, der tog AI i anvendelse i 2023, blot svarer til omkring 5.700 personer, svarende til 0,33 pct. af det samlede antal nyansættelser i hele Danmark i en 2-årig periode.⁹ Den faktiske samlede effekt af AI kan dog godt afvige væsentligt herfra. Det kan fx skyldes, at de virksomheder, der har størst udbytte af AI, kan have taget teknologien i brug, før vores data for AI-anvendelse starter, og potentielt kan have reageret anderledes end de virksomheder, som det mikrobaserede estimat er baseret på.¹⁰

Selvom den samlede beskæftigelse i en virksomhed er uændret, betyder det ikke nødvendigvis, at medarbejderne laver det samme som før. For de større virksomheder er der således tegn på en begyndende bevægelse, hvor en stigende andel af de ansatte udfører jobfunktioner, der er mindre eksponeret mod AI. Der er ikke indikationer på, at den lavere beskæftigelsesvækst i AI-anvendende virksomheder indtil videre har været forbundet med en bred bevægelse mod lavere lønnede job. Det kan til dels afspejle den gunstige konjunktursituation, og det vil være relevant løbende at overvåge de alders- og uddannelsesspecifikke beskæftigelsesfrekvenser.

Det danske arbejdsmarked har indtil videre har vist sig at være robust over for øget brug af AI. Det skal ses i sammenhæng med, at jobomsætningen er forholdsvis høj. Således havde omtrent hver femte lønmodtager i 2025 fået nyt job det seneste år (se figur 4). I det lys fylder effekten af lavere rekrutteringsomfang som følge af AI i nogle virksomheder ikke nødvendigvis så meget sammenholdt med den samlede dynamik på arbejdsmarkedet. Den gunstige udvikling på arbejdsmarkedet kan også hænge sammen med, at der som følge af AI opstår nye virksomheder og jobfunktioner, som kan absorbere arbejdskraft.

Det kan ikke udelukkes, at effekterne på makroniveau bliver mere tydelige fremover. Effekterne kan fx vise sig at blive betydeligt stærkere, hvis virksomheder i den periode gradvist eksperimenterer med teknologien, hvorefter implementeringen accelererer, når usikkerheden om teknologiens anvendelighed aftager. I takt med at stadig flere virksomheder implementerer AI, vil der selvsagt være færre ”øvrige” virksomheder til at absorbere beskæftigelsen. Effekterne kan som nævnt også afhænge af konjunktursituationen, da virksomheder i en periode med svagere efterspørgsel, end tilfældet har været i de senere år, kan være mere tilbøjelige til at omsætte effektiviseringsgevinster til lavere beskæftigelse.

AI forventes på længere sigt at løfte produktivitet og velstand i dansk økonomi. Det kan ske, ved at virksomhederne kan producere mere med de samme ressourcer, ved at eksisterende arbejdsprocesser effektiviseres, og ved at teknologien giver grundlag for nye produkter og forretningsmodeller. Abildgren og Jensen (2026) peger på, at Danmark har gode forudsætninger for at udnytte mulighederne ved AI, bl.a. som følge af en høj grad af digitalisering og et fleksibelt arbejdsmarked. Størrelsen og timingen af produktivitetseffekterne er dog forbundet med betydelig usikkerhed, idet det vurderes, at AI kan øge den årlige vækst i totalfaktorproduktiviteten med 0,1-1,0 procentpoint over en tiårig periode. Det kan ses i lyset af en samlet årlig vækst i produktiviteten pr. arbejdstime siden 2000 på 1,4 pct.

Effekterne af AI og den tilknyttede usikkerhed er relevante for Nationalbankens prognose for dansk økonomi, ikke mindst i relation til udviklingen på arbejdsmarkedet. Inden for en relativt kort horisont på 2-3 år, som er dækket af prognosen, afhænger konsekvenserne ikke kun af, hvordan teknologien udvikler sig, men også af hvor hurtigt den implementeres i virksomhederne, og hvor smidigt arbejdsmarkedet tilpasser sig ændringer i efterspørgslen efter arbejdskraft. Det er desuden afgørende, om teknologien primært bidrager ved at erstatte arbejdskraft eller ved at gøre arbejdskraften mere produktiv.

Grundscenarie og risici for Nationalbankens prognose

Grundet den store usikkerhed er det nyttigt at opstille et antal scenarier for, hvordan AI kan påvirke arbejdsmarkedet i de kommende år.¹¹ Da teknologien endnu er meget ny og under fortsat udvikling, er scenarierne forbundet med meget stor usikkerhed. De skal ses som illustrative eksempler med fokus på de økonomiske mekanismer frem for at bidrage med konkrete størrelsesordener. Helt grundlæggende antages AI at gøre arbejdskraften mere produktiv, ligesom den ventes at skabe nye jobfunktioner og potentielt gøre det lettere at starte nye virksomheder. På langt sigt antages det derfor at føre til øget velstand, mens omstillingen på kortere sigt kan indebære nogle omkostninger.

I hovedscenariet, som ligger til grund for Nationalbankens prognose for dansk økonomi, forudsættes det, at implementeringen af AI sker gradvist.¹² Teknologien anvendes i stigende omfang til at understøtte og effektivisere eksisterende opgaver, men det tager tid for virksomhederne at ændre arbejdsgange, tilpasse kompetencer og udnytte teknologien fuldt ud. Det indebærer, at efterspørgslen efter arbejdskraft kan blive lavere i nogle virksomheder og jobfunktioner, men at tilpasningen sker i et tempo, hvor de berørte medarbejdere kan finde beskæftigelse andre steder, hvor der er en underliggende vækst i beskæftigelsen. Samtidig vil teknologien også kun gradvist og i begrænset omfang føre til fremkomsten af nye jobfunktioner. I dette scenarie antages AI derfor ikke at påvirke den samlede beskæftigelse i prognoseperioden.

Der er risici omkring grundscenariet i begge retninger. Ét risikoscenarie er, at AI reducerer beskæftigelsen. Den kan ske, hvis AI primært virker ved at erstatte arbejdskraft, og efterspørgslen efter bestemte typer af kompetencer falder hurtigere, end nye muligheder opstår. I en sådan situation kan virksomhederne tænkes at tilpasse beskæftigelsen hurtigere, end den normale jobomsætning kan absorbere. Det kan, især hvis udbredelse af AI sker hurtigt, medføre højere ledighed i en periode, og visse grupper kan opleve omstillingsomkostninger. Barr (2025) fremhæver tilsvarende, at et mere transformativt AI-forløb kan indebære betydelige produktivitetsgevinster, men også større overgangsproblemer på arbejdsmarkedet.

I et andet scenarie bidrager AI i stedet til at understøtte beskæftigelsen. Det kan ske, hvis teknologien sænker adgangsbarrierer for nye virksomheder, understøtter udviklingen af nye produkter og ydelser eller øger efterspørgslen efter arbejdskraft i nye og voksende sektorer i større grad end ventet. I et sådant forløb kan nogle eksisterende opgaver blive automatiseret, samtidig med at den samlede efterspørgsel efter arbejdskraft understøttes af nye forretningsmodeller og øgede investeringer. Et studie på baggrund af 12.000 europæiske virksomheder peger også på, at ibrugtagning af AI kan være forbundet med højere produktivitet uden nødvendigvis at reducere beskæftigelsen på kort sigt, selvom de langsigtede effekter fortsat er usikre, se Aldasoro mfl. (2026).

En væsentlig kilde til usikkerhed er, at det fortsat er uklart, hvor hurtigt og på hvilken måde AI's anvendelsesmuligheder vil udvikle sig. Udgangspunktet for scenarierne er, at forbedringer i de eksisterende modeller fører til, at teknologien kan anvendes til et bredere spektrum af opgaver end i dag, men at de stadig er rettet mod specifikke opgaver. Imidlertid er det muligt, at der sker mere gennemgribende teknologiske fremskridt, herunder udviklingen af såkaldt artificial general intelligence, AGI. AGI er en teknologi, som vil modsvare eller overgå menneskers evne til at løse stort set alle kognitive opgaver. Sådanne fremskridt ville potentielt kunne få større konsekvenser for arbejdsmarkedet og den økonomiske udvikling end den udvikling, der lægges til grund i hovedscenariet.

Samlet indebærer analysen, at prognosen for dansk økonomi tager udgangspunkt i et grundscenarie med gradvis implementering og begrænsede arbejdsmarkedseffekter på kort sigt, men med et risikobillede, hvor både beskæftigelse, lønninger og produktivitet kan udvikle sig anderledes end forudsat. En hurtigere indfasning kan både løfte produktiviteten og give større midlertidige omkostninger for de grupper, der rammes. Omvendt kan en mere jobskabende anvendelse af AI understøtte beskæftigelsen og aktiviteten allerede inden for prognoseperioden.

Også effekter via efterspørgslen

I den udstrækning, AI bidrager til højere produktivitet, må det i et vist omfang forventes at blive omsat til højere indkomster. På længere sigt vil højere indkomster typisk understøtte efterspørgslen, herunder efter dansk produktion, selvom hastigheden og styrken af denne kanal afhænger af, hvordan gevinsterne fordeles mellem husholdninger og virksomheder. En sådan efterspørgselskanal kan bidrage til at understøtte beskæftigelsen og dermed modvirke de direkte beskæftigelseseffekter af automatisering. Omvendt kan AI på kort sigt påvirke efterspørgslen negativt, hvis det fx giver anledning til usikkerhed blandt husholdningerne omkring deres fremtidige jobsituation.

AI kan også understøtte efterspørgslen via højere investeringer. Det har været tilfældet i USA, hvor de førende virksomheder inden for AI har investeret betydeligt i udvikling af modeller og digital infrastruktur, herunder datacentre. Danske virksomheder er trods den udbredte anvendelse af AI kun i begrænset omfang aktive i udviklingen, hvilket gør effekten på investeringerne mere afdæmpet. Udbredelsen af AI kan dog give anledning til investeringer i software, data, organisation og kompetencer, som understøtter teknologiens anvendelse, ligesom der også etableres datacentre i Danmark. Desuden kan den hastige udvikling i AI øge efterspørgslen for danske eksportvirksomheder, som er aktive inden for energiforsyning og -optimering mv.

Arbejdsmarkedets omstillingsevne bliver central

De mulige implikationer for den økonomiske politik afhænger især af, om AI fører til en gradvis omstilling eller til mere abrupt tilpasning på arbejdsmarkedet. Hvis ændringerne sker gradvist, vil de i høj grad kunne håndteres inden for de eksisterende rammer på det danske arbejdsmarked. Den høje jobomsætning, som bl.a. afspejler den fleksible danske arbejdsmarkedsmodel, kan gøre det lettere for arbejdskraften at bevæge sig fra virksomheder og jobfunktioner med lavere efterspørgsel til virksomheder og sektorer, hvor efterspørgslen stiger.

Hvis tilpasningen derimod bliver hurtigere og mere koncentreret på bestemte grupper, kan der opstå et større behov for at understøtte overgangen til nye job. Det kan især vedrøre opkvalificering, omskoling og løbende tilpasning af kompetencer, så arbejdstagere kan flytte mod de dele af økonomien, hvor AI skaber nye muligheder. Det er ikke nødvendigvis et argument for, at den samlede økonomiske effekt af AI er negativ. Tværtimod kan et sådant scenarie være forbundet med betydelige produktivitetsgevinster. Men det kan indebære, at gevinster og omkostninger fordeles ujævnt, og at arbejdsmarkedets evne til omstilling bliver central for, hvor store de samfundsøkonomiske overgangsomkostninger bliver.

På længere sigt kan AI også få betydning for fordelingen af indkomst mellem lønmodtagere, virksomheder og forbrugere. Hvorvidt produktivitetsgevinsterne omsættes til højere lønninger, lavere priser eller højere overskud i virksomhederne afhænger af konkurrenceforhold og løndannelse og er dermed afgørende for de samlede makroøkonomiske effekter. Det understreger behovet for løbende at følge både beskæftigelse, lønninger, produktivitet og arbejdstagernes bevægelser på tværs af virksomheder og sektorer.

Abildgren, Kim og Rasmus Mose Jensen (2026), Kunstig intelligens kan løfte produktiviteten i dansk økonomi, Danmarks Nationalbank Analyse, nr. 6, april.

Acemoglu, Daron, David Autor, Jonathon Hazell og Pascual Restrepo (2022), Artificial Intelligence and Jobs: Evidence from Online Vacancies, Journal of Labor Economics, vol. 40, nr. S1, s. S293-S340.

Aldasoro, Iñaki, Leonardo Gambacorta, Rozalia Pál, Debora Revoltella, Christoph Weiss og Marcin Wolski (2026), AI adoption, productivity and employment: Evidence from European firms, BIS Working Papers, nr. 1325, Bank for International Settlements.

Babina, Tania, Anastassia Fedyk, Alex He, James Hodson (2024), Artificial intelligence, firm growth, and product innovation, Journal of Financial Economics, vol. 151.

Barr, Michael S. (2025), Artificial Intelligence and the Labor Market: A Scenario-Based Approach, tale ved Reykjavík Economic Conference 2025, Central Bank of Iceland, Reykjavík, 9. maj.

Barr, Michael S. (2026), What will artificial intelligence mean for the labour market and the economy?, tale ved New York Association for Business Economists, 17. februar.

Bonin, Simone Maria, Saman Darougheh og Andreas Kuchler (2026), AI Adoption and Firm Size: Employment Effects in Monthly Administrative Data, Danmarks Nationalbank Working Paper, nr. 223, september.

Brynjolfsson, Erik, Bharat Chandar og Ruobing Chen (2026), Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence, Stanford Digital Economy Lab, Working Paper, august.

Brynjolfsson, Erik, Danielle Li og Lindsey R. Raymond (2025), Generative AI at Work, The Quarterly Journal of Economics, vol. 140, nr. 2, maj, s. 889-942.

Brynjolfsson, Erik, Daniel Rock og Chad Syverson (2021), The Productivity J-Curve: How Intangibles Complement General Purpose Technologies, American Economic Journal: Macroeconomics, vol. 13, nr. 1, s. 333-372.

Comin, Diego, og Bart Hobijn (2010), An Exploration of Technology Diffusion, American Economic Review, vol. 100, nr. 5, s. 2031-2059.

Dell’Acqua, Fabrizio, Charles Ayoubi, Hila Lifshitz, Raffaella Sadun, Ethan Mollick, Lilach Mollick, Yi Han, Jeff Goldman, Hari Nair, Stew Taub og Karim Lakhani (2026), The Cybernetic Teammate: A Field Experiment on Generative AI and Teamwork, Organization Science, vol. 37, nr. 4, s. 1217-1242.

Ferrando, Annalisa, Sara Lamboglia, Judit Rariga og Maurice Schmidt (2026), Adoption and investment in AI across the euro area. Insights from harmonised firm-level data, ECB Occasional Paper, nr. 395.

Glavind, Kristoffer Lind, Frederik Olsen og Markus Juul Kongstad (2026), Beskæftigelsen i de mest AI-udsatte job stiger, Analyse, Arbejderbevægelsens Erhvervsråd.

Gmyrek, Paweł, Janine Berg og David Bescond (2023), Generative AI and Jobs: A global analysis of potential effects on job quantity and quality, ILO Working Paper, nr. 96, International Labour Organization.

Hampole, Marc, Dimitris Papanikolaou, Lawrence D. W. Schmidt og Bryan Seegmiller (2025), Artificial Intelligence and the Labor Market, NBER Working Paper, nr. 33509, National Bureau of Economic Research.

Humlum, Anders og Emilie Vestergaard (2025), Large Language Models, Small Labor Market Effects, NBER Working Paper, nr. 33777, National Bureau of Economic Research.

Lane, Philip R. (2026), AI and the euro area economy, tale ved ECB-SAFE-RCEA International Conference on the Climate-Macro-Finance Interface.

Pulito, Giuseppe, Mariola Pytlikova, Sarah Schroeder og Magnus Lodefalk (2026), Who Adopts AI? Evidence on Firms, Technologies and Workers, RFBerlin Discussion Paper, nr. 089/26.

Schnabel, Isabel (2026), Navigating inflation and employment in an era of supply shocks and AI, tale ved 2026 US Monetary Policy Forum, New York, 6. marts.

Tucker, Lee C. (2026), You’re (not) Hired: Artificial Intelligence and Early Career Hiring in the Quarterly Workforce Indicators, Working Paper CES-WP-26-27, U.S. Census Bureau, Center for Economic Studies.

Yotzov, Ivan, Jose Maria Barrero, Nicholas Bloom, Philip Bunn, Steven J. Davis, Kevin M. Foster, Aaron Jalca, Brent H. Meyer, Paul Mizen, Michael A. Navarrete, Pawel Smietanka, Gregory Thwaites og Ben Zhe Wang (2026), Firm data on AI, Federal Reserve Bank of Atlanta Working Paper, nr. 2026-3.