KI-indeksen

Månedlige indikatorer for kunstig intelligens og det norske arbeidsmarkedet

KI endrer seg, og derfor må vi følge arbeidsmarkedet over tid

Det er vanskelig å måle effekten av kunstig intelligens med ett enkelt tall. KI-verktøyene blir raskt bedre, men det tar tid før virksomheter tar dem i bruk og organiserer arbeidet annerledes. Derfor kan virkningen komme gradvis: først i hvilke jobber som lyses ut, hvem som ansettes, eller hvilke aldersgrupper som vokser saktere. KI-indeksen er laget for å følge slike endringer løpende, måned for måned.

Indeksen følger sysselsettingen i norsk privat sektor, gruppert etter hvor eksponert hvert yrke er for store språkmodeller (Eloundou m.fl. 2024) og etter arbeidstakernes alder — en norsk parallell til Stanford Digital Economy Lab sitt Canaries Dashboard, bygget på registerdata for hele populasjonen av private lønnstakere.

KI-indeksen
–
Samlet sysselsetting i de 397 yrkene med en KI-eksponeringsskår, vektet med yrkesgruppenes sysselsettingsandel. November 2022 = 100.

Indeks = 100 i november 2022 (lansering av ChatGPT)

1 · Sysselsetting etter KI-eksponering

De 397 yrkene (STYRK-08) med en eksponeringsskår fra Eloundou m.fl. (2024) er delt i fem like store grupper, fra kvintil 1 (minst eksponert for språkmodeller) til kvintil 5 (mest eksponert). Linjene viser samlet sysselsetting i hver gruppe, indeksert til 100 i november 2022.

2 · Aldersgrupper og KI-eksponering

Kombinasjonen av de to dimensjonene: velg en aldersgruppe og se sysselsettingsutviklingen per eksponeringskvintil.

3 · Sysselsetting etter aldersgruppe

Samme utvalg av yrker, gruppert etter arbeidstakernes alder. Hvis KI først fortrenger dem med minst erfaring, er det de yngste gruppene som er «kanarifuglene i kullgruven».

4 · Sammensetning ved normaliseringstidspunktet

Hver gruppes andel av samlet sysselsetting i utvalget i november 2022. I motsetning til det amerikanske ADP-panelet, der to tredjedeler av sysselsettingen ligger i de to mest eksponerte kvintilene, er norsk privat sysselsetting nokså jevnt fordelt.

Yrkescase

Fire yrker som ofte trekkes fram i diskusjonen om KI og arbeid: programvareutviklere og kundebehandlere (høy eksponering), lagermedarbeidere og hjemmehjelpere (lav eksponering). Indeks per aldersgruppe innenfor yrket.

5 · Programvareutviklere

STYRK-08 2512–2514 og 2519. Om lag 26 000 ansatte i privat sektor (21–60 år) i november 2022. Høy KI-eksponering.

6 · Kundebehandlere

STYRK-08 4222 (kundesentermedarbeidere). Om lag 4 000 ansatte i basismåneden; seriene for de eldste gruppene bygger på få personer og er volatile. Høy KI-eksponering.

7 · Lagermedarbeidere

STYRK-08 4321. Om lag 30 000 ansatte i basismåneden. Lav KI-eksponering.

8 · Hjemmehjelpere

STYRK-08 5322. Om lag 9 000 ansatte i privat sektor i basismåneden; den store kommunale delen av yrket inngår ikke. Lav KI-eksponering.

9 · Yrker gruppert etter faktisk KI-bruk

Eksponeringsmålene er anslag på hva språkmodeller kan gjøre. Her grupperes yrkene i stedet etter observert bruk av Claude (Anthropic Economic Index, Handa m.fl. 2025): andelen av yrkets forespørsler som er automatiserende (modellen utfører oppgaven) eller augmenterende (modellen hjelper til). «Ingen bruk» er yrker under spørringsterskelen.

10–11 · Sammensetning etter bruksgruppe

Hver gruppes andel av samlet sysselsetting ved normaliseringstidspunktet, for bruksmønsteret valgt ovenfor.

Oppsummering: vekst per gruppe

De to oppsummeringsfigurene fra Stanford-dashboardet: vekst siste tolv måneder og annualisert vekst siden ChatGPT-lanseringen (november 2022), per eksponeringskvintil og aldersgruppe. Justeringsvalget øverst gjelder også her.

Tolvmånedersvekst

Annualisert vekst siden ChatGPT-lanseringen

Metode

Datagrunnlaget er A-ordningen via microdata.no: hele populasjonen av lønnstakere i privat sektor, månedlig fra januar 2021, i aldersgruppene 21–30, 31–40, 41–50 og 51–60 år. Referanseperioden for hver måned er uken som inneholder den 16.

KI-eksponering. Hvert yrke (firesifret STYRK-08) er koblet til eksponeringsmålet «beta» fra Eloundou m.fl. (2024, Science) via yrkeskodeverkene ISCO-08 og SOC. Kvintilene er likevektet per yrke, samme konstruksjon som i Stanford-dashboardet. Bruksgruppene bygger på Anthropic Economic Index (Handa m.fl. 2025) og følger grupperingen i Brynjolfsson, Chandar og Chen (2025).

Justeringer. Norske sysselsettingsserier har sterk sesongvariasjon og ulik befolkningsvekst på tvers av aldersgrupper. Hver serie publiseres derfor i fire varianter: rå («raw», samme metode som Stanford), sesongjustert («sa», X-11-kjerne med faktorer estimert 2021–2024 og deretter frosset), per innbygger («percap», delt på befolkningen i aldersgruppen, SSB tabell 07459) og kombinasjonen («percap_sa», standardvisningen her). I tillegg kan seriene glattes med et sentrert glidende snitt over 3 eller 6 måneder. Tolvmånedersveksten i oppsummeringskortene er sesongrobust i seg selv.

Forskjeller fra Stanford-dashboardet. Stanford bruker et balansert panel på ~25 000 amerikanske firmaer med ADP-lønnsdata; vi bruker hele den norske populasjonen av private lønnstakere uten utvalgsseleksjon. Aldersgruppene er tiårsgrupper (deres er finere). Sammensetningen er svært ulik: i ADP-panelet ligger 66 prosent av sysselsettingen i de to mest eksponerte kvintilene, i Norge omtrent 40 prosent. Aggregerte sammenligninger på tvers av landene må ta hensyn til dette.

Reviderbarhet. A-ordningen kan revidere ferske måneder. Hver månedlige datarelease arkiveres derfor som en egen årgang («vintage») og endres ikke i ettertid.

KI-indeksen utarbeides av Øystein Hernæs (Frischsenteret) og Andreas R. Kostøl (Handelshøyskolen BI). En forskningsartikkel med fullstendig metodebeskrivelse og analyse er under arbeid. Kontakt: andreas.r.kostol@bi.no.

Last ned data

Alle seriene kan lastes ned som CSV, i samme format som Stanford-dashboardets datapakker (pluss en adjustment-kolonne). Gjeldende release: . Hver pakke inneholder tidsserien, tolvmånedersendring, annualisert vekst og en data dictionary.

Dataene kan fritt brukes med kildehenvisning til KI-indeksen (kiindeksen.no). Underliggende kilder: A-ordningen via microdata.no, Eloundou m.fl. (2024), Anthropic Economic Index, SSB.