AI truer den danske flexicurity-model

Den danske flexicurity-model blev skabt til et arbejdsmarked, hvor mennesker skiftede job, brancher forandrede sig gradvist, og uddannelse kunne hjælpe den enkelte videre. Men generativ AI udfordrer modellen på et grundlæggende niveau.

Problemet er ikke kun, at nogle mister deres job. Problemet er, at hele faglige funktioner kan blive automatiseret hurtigere, end vores institutioner kan nå at omskole mennesker til noget meningsfuldt. Et sådant strukturelt pres risikerer at bringe flexicurity-modellen ud af balance. Den bygger på, at nye job opstår, i takt med at gamle forsvinder. Hvis hele fagområder automatiseres på én gang, bliver den forudsætning langt mere skrøbelig.

Markedet løser det ikke selv. Virksomheder investerer for lidt i opkvalificering, fordi den nemme løsning er at afskedige medarbejderen og automatisere arbejdet.

Desuden er markederne strukturelt skæve: Automatisering giver hurtige, målbare afkast, mens menneskelig kompetenceudvikling er langsom og svær at værdisætte. Resultatet er et kapløb mod bunden, hvor menneskelig ekspertise systematisk nedprioriteres.

Styrke menneskelige kompetencer

Et bud på en vej frem er en model, som jeg sammen med en række forskere har arbejdet på. Den kalder vi Sensecurity.

Grundidéen er enkel: Jobsikkerhed skal ikke først skabes, når mennesker mister deres arbejde. Den skal skabes ved at gøre menneskers kompetencer mere værdifulde i samarbejde med AI, så de bliver sværere at erstatte.

I dag er det mere attraktivt for en virksomhed at skære i ekspertise end at investere i den. Det skal vendes om ved, at alle samfundsaktører arbejder sammen om at skabe et fremtidigt marked, hvor virksomheder belønnes for at bruge AI på måder, der styrker menneskelig dømmekraft, ansvarlighed og personlig service.

Det skal være en konkurrencefordel at kombinere AI med menneskers faglige vurderinger og ikke blot et etisk valg.

Tre nødvendige skridt

For det første bør politikere fremhæve, at menneske-AI-samarbejde allerede skaber værdi. Et eksempel er radiologer, der bruger AI til rutinescanninger, mens de koncentrerer sig om de komplekse tilfælde og opnår bedre diagnoser end ved brug af AI alene. Et andet er salgsmedarbejdere, der med intelligente dashboards kan levere personlig service til langt flere kunder end tidligere. Eller ingeniører, der co-designer med AI og producerer bedre resultater end rent automatiserede processer.

Hver dokumenteret anvendelse kan styrke tilliden til værdien af menneskelig dømmekraft i arbejdslivet.

Parallelt hermed bør der arbejdes mod en frivillig mærkning for hybrid intelligens (HI), ligesom Svanemærket, hvor virksomheder kan dokumentere, at deres produkter og processer styrker menneskelig dømmekraft frem for blot at erstatte den.

For det andet skal den førte politik skabe gunstige vilkår for HI-investeringer gennem kombineret støtte og opkvalificering af medarbejdere målrettet hybride arbejdsdesign. Offentlige udbudsstandarder skal stille krav til AI-projekter i den offentlige sektor, så staten går forrest og dokumenterer gevinster, der sikrer medarbejdernes ekspertise, så det kan skaleres til det private marked.

Endelig skal uddannelse og forskning bygge den faglige infrastruktur, som gør mennesker stærkere sammen med AI.

En af de største tekniske udfordringer er at designe HI-processer, der aktivt opbygger menneskelig ekspertise og viden frem for at nedbryde den. Uddannelsessektoren skal være det primære laboratorium for denne viden. Det handler ikke blot om at forberede studerende til et arbejdsmarked, men om aktivt at afprøve og dokumentere, hvilke AI-samarbejdsformer der styrker fremtidige kompetencer, kontekstuel vurdering og skøn under usikkerhed.

Retten til at forblive værdifuld

Denne infrastruktur vil samtidig løse flexicuritymodellens akilleshæl: En uddannelsessektor bygget til HI-omstilling kan omskole medarbejdere, der har mistet fodfæste til AI, ikke til nye jobs, der om fem år automatiseres, men til professioner, hvor menneskelig dømmekraft forbliver det afgørende konkurrenceparameter.

Flexicurity gav tryghed ved at hjælpe mennesker videre, når de blev overflødige. Sensecurity bør give tryghed ved at sikre, at mennesker ikke bliver overflødige i første omgang.

I en AI-økonomi er den vigtigste form for jobsikkerhed ikke bare retten til omstilling. Det er retten til at forblive værdifuld.

Jacob Sherson er professor i fysik og leder af Center for Hybrid Intelligens ved Aarhus Universitet.