AI gør virksomheder mere produktive. Det er ubestrideligt. Men produktivitet der finansieres ved at fjerne lønsedler, skaber et problem som den klassiske økonomi ikke har et enkelt svar på: hvem køber de varer og tjenester, der produceres mere effektivt, hvis dem der skulle købe dem, ikke har en indkomst?
Spørgsmålet Keynes stillede i 1930
I 1930 skrev John Maynard Keynes et essay med titlen "Economic Possibilities for Our Grandchildren." Han forudsagde at teknologisk fremgang ville reducere den gennemsnitlige arbejdsuge til 15 timer inden 2030, fordi maskinerne ville overtage det hårde arbejde.
Han fik produktivitetsvæksten rigtigt. Han fik fordelingen forkert. Arbejdsugen er ikke 15 timer. Velstanden er ikke bredt fordelt på den måde han forestillede sig.
Keynes' essay er relevant igen i 2026, fordi AI-bølgen reaktiverer præcis det spørgsmål han stillede: hvad sker der med en økonomi bygget på forbrugerefterspørgsel, når teknologien systematisk reducerer antallet af lønsedler der driver det forbrug?
Det er ikke et teoretisk spørgsmål længere. Det er et empirisk spørgsmål med begyndende datapunkter.
Hvad forskningen faktisk viser nu
Der er i øjeblikket en markant kløft mellem det økonomer og institutioner projicerer på lang sigt, og hvad der allerede kan måles i arbejdsmarkedsdata.
Den langsigtede konsensus er relativt beroligende. Goldman Sachs estimerer at AI på sigt vil erstatte arbejde svarende til 6-7 procent af den amerikanske arbejdsstyrke, cirka 11 millioner mennesker globalt tæt på 300 millioner. World Economic Forums Future of Jobs Report 2025 forventer at 92 millioner jobs forsvinder inden 2030, men at 170 millioner nye skabes. Netto en gevinst på 78 millioner.
McKinsey vurderer at teknologier der eksisterer i dag, ikke fremtidige iterationer, i teorien kunne automatisere 57 procent af nuværende arbejdstimer i USA. Det er ikke 57 procent af jobs der forsvinder. Det er 57 procent af timer på tværs af arbejdsstyrken der involverer opgaver et AI-system principielt kunne håndtere. Deployment er den begrænsende faktor, ikke kapabiliteten.
Men de kortsigtede data fortæller en mere ubehagelig historie.
Federal Reserve Bank of St. Louis dokumenterede i august 2025 at erhverv med højere AI-eksponering har oplevet større stigninger i arbejdsløshed i perioden 2022-2025. Korrelationskoefficienten er 0,47. Det er ikke bevis for kausalitet, men det er heller ikke tilfældig støj.
Særligt unge arbejdere er hårdt ramt. Stanford-forskning viste at ansatte i alderen 22-25 i de mest AI-eksponerede erhverv har oplevet et fald i beskæftigelse på 13 procent siden 2022. Goldman Sachs dokumenterede at arbejdsløsheden blandt 20-30-årige i tech-eksponerede stillinger er steget med næsten 3 procentpoint siden starten af 2025.
Antallet af job-opslag for entry-level stillinger generelt er faldet med 35 procent siden januar 2023, ifølge arbejdsmarkedsfirmaet Revelio Labs. Det er ikke primært fordi folk fyres. Det er fordi virksomhederne simpelthen ikke ansætter til de roller AI nu kan varetage.
Supprimeret ansættelse versus direkte fyring
Her er en vigtig distinktion som de fleste analyser overser. AI fjerner ikke primært eksisterende jobs i den nuværende fase. Det fjerner de jobs der aldrig oprettes.
Goldman Sachs beskriver mønstret præcist: virksomheder integrerer AI for at undgå at tilsætte ny kapacitet frem for at afskedige eksisterende medarbejdere. Det er rationelt og umiddelbart usynligt i aggregerede arbejdsløshedstal.
Konsekvensen er en langsom erosion af indgangspositionerne til arbejdsmarkedet. Junioranalysten, entry-level kundeservicemedarbejderen, den nyuddannede softwareudvikler, den unge copywriter. Disse roller er i hastig tilbagegang.
For den nuværende generation er det potentielt lige så skadeligt som direkte afskedigelse. En generation der ikke kan komme ind på arbejdsmarkedet, kan ikke opbygge kompetencer, karrierekapital eller formue. Det er blot langsommere og sværere at måle.
Arene der ikke helbredes: hvad der sker efter jobbet er væk
Selv hvis AI-forbedret produktivitet på sigt skaber nye jobs, er der et problem der sjældent diskuteres tilstrækkeligt: hvad sker der med dem der mister jobbet undervejs?
Goldman Sachs offentliggjorde i april 2026 forskning der sporede langsigtede effekter af teknologidrevet jobfortrængning siden 1980. Konklusionerne er markante.
Ti år efter teknologidrevet jobfortrængning er reallønnen for de berørte arbejdere 10 procentpoint under niveauet for ikke-fortrængte kolleger. De har langsommere formueakkumulering, forsinket boligkøb og lavere sandsynlighed for at stifte familie. Effekterne er endnu mere udtalte hvis fortrængningen sker under en recession.
Det er ikke transitional unemployment der forsvinder inden to år, som Goldman Sachs' makromodeller historisk har vist. Det er permanent scarring. Og den forskel er afgørende for den makroøkonomiske efterspørgselsanalyse.
Købekraftparadokset: hvem fylder gapet?
Her er kernemekanismen som markedet endnu ikke har fuldt prissat ind. Produktivitetsvækst øger BNP. Men BNP-vækst der primært tilfløder virksomhedsejere og aktionærer, mens lønandelen af den samlede indkomst falder, skaber et strukturelt efterspørgselsproblem.
Lønandelen af BNP i de fleste udviklede lande har allerede været faldende i årtier, primært drevet af globalisering og automatisering. AI accelererer sandsynligvis den trend.
Det klassiske modargument er at produktivitetsvækst skaber billigere varer og tjenester, som øger realkøbekraften for alle. Det er korrekt og reelt. Men det holder kun, hvis fordelingen af produktivitetsgevinster er tilstrækkeligt bred til at erstatte den tabte lønindkomst i efterspørgslens kredsløb.
Når en virksomhed erstatter 20 medarbejdere med AI og sender besparelsen til aktionærerne, øger det aktiekursen. Det øger ikke nødvendigvis det samlede private forbrug, fordi aktionærerne sparer en større andel af marginalindkomsten end lønmodtagerne gør. Det er den klassiske keynesianske forbrugskvoteargument, og det er relevant igen.
Henry Ford forstod dette intuitivt i 1914, da han fordoble de ansattes løn til fem dollar om dagen. Hans begrundelse var eksplicit: hans egne medarbejdere skulle have råd til at købe de biler de producerede. Det er ikke velgørenhed. Det er efterspørgselslogik.
Historiens dom og dens begrænsninger
Optimisterne peger på historien, og det er et legitimt argument. Industrialiseringen, elektrificeringen, computeriseringen. Alle forudsagde massiv strukturel arbejdsløshed. Ingen leverede det på lang sigt.
McKinsey dokumenterer at 60 procent af nutidens amerikanske arbejdsstyrke er ansat i erhverv der ikke eksisterede i 1940. Markedet skaber løbende jobs der ikke kan forudses.
Men historien har to forbehold som sjældent nævnes i den optimistiske fremstilling. Det første er hastighed. Tidligere teknologiske revolutioner fandt sted over årtier. Dampkraft tog 50 år at rulle ud bredt. Computeriseringen tog 30 år. AI er ved at rulle ud på 5-10 år. Overgangsperioden, den periode hvor nye jobs skabes mens gamle forsvinder, er kortere end arbejdsstyrkens evne til at tilpasse sig.
Det andet forbehold er kognitive jobs. Tidligere automatisering ramte primært manuelle og rutinebaserede opgaver. AI rammer kognitivt arbejde, præcis den kategori der historisk har absorberet de arbejdere der mistede manuelle jobs. Når begge kategorier er under pres simultant, er den historiske absorptionsmekanisme svækket.
Hvad det betyder for investorer og markeder
For en investor er den relevante observation ikke den etiske dimension, men den makroøkonomiske transmission.
Et scenarie med faldende lønandel af BNP og øget koncentration af produktivitetsgevinster hos kapitalejere er umiddelbart positivt for virksomheders indtjening og aktiekurser. Det er den dynamik markedet har belønnet de seneste år.
Men det bærer kimen til sin egen begrænsning. Faldende forbrugerefterspørgsel rammer til sidst toplinjevæksten i de samme virksomheder der profiterede af effektiviseringen. Det er ikke en fejl i systemet. Det er systemet der virker efter hensigten på kort sigt og løber ind i sin egen begrænsning på mellemlang sigt.
Sektorer der er mest eksponerede mod et sådant efterspørgselsfald er forbrugerdiskretion, retail og lavprisservicesektoren. Sektorer der er mere robuste er dem der sælger til virksomheder frem for forbrugere, og dem der leverer de infrastrukturelle komponenter i AI-transformationen uanset fordelingsudfaldet.
Det politiske svar er den anden afgørende variabel. Øget skat på kapital og virksomheder, udvidet understøttelse og potentielt universal basic income er alle politiske reaktioner der enten delvist omfordeler produktivitetsgevinster eller erstatter tabt lønindkomst via statslig transfer. Alle har markante implikationer for statsfinanser, renter og den generelle makroøkonomiske balance.
Min holdning
Jeg tror teknologisk arbejdsløshed som følge af AI er en reel og systematisk undervurderet risiko, ikke fordi jobs nødvendigvis forsvinder i masserne på kort sigt, men fordi indgangspositionerne til arbejdsmarkedet eroderer hurtigere end nye skabes for den samme gruppe. D et er en fordelingsproblem mere end et aggregeret beskæftigelsesproblem, men fordelingsproblemet har makroøkonomiske konsekvenser der ender med at blive alles problem.
Købekraftparadokset er ikke en abstrakt bekymring. Det er en mekanisme der allerede er synlig i data, og den er langsommere og sværere at vende end en konjunkturel nedgang. Det der bekymrer mig mest er ikke den næste recession. Det er den stille, strukturelle erosion af middelklassens indkomstfundament over et årti, og at ingen af de politiske systemer vi har bygget er designet til at håndtere den transition med den hastighed AI kræver.