ChatGPT-bruk i norske yrker
OpenAI publiserte 26. oktober 2026 hva folk bruker ChatGPT til på jobb, land for land. Tallene for Norge er fordelt på 164 arbeidsaktiviteter. Vi har koblet dem til norske yrker og sammenlignet med hvem som gjør aktivitetene. Dette er første versjon, publisert 28. oktober 2026.
Kort om dataene. OpenAI tar et utvalg på en million meldinger i måneden fra individuelle ChatGPT-abonnement. Bedriftskontoer og Codex er ikke med. En språkmodell avgjør om meldingen gjelder jobb, og hvilken av 332 arbeidsaktiviteter fra O*NET den hører til. OpenAI rapporterer de 164 vanligste. Norge har tall for sju kvartaler, fra første kvartal 2025 til tredje kvartal 2026. Vi bruker snittet.
Hva ChatGPT brukes til, mot hva folk gjør på jobb
Hver O*NET-oppgave hører til en aktivitet. Vi teller hvor mange norske sysselsatte som har hver aktivitet i jobben, og hvor mye av arbeidstiden den utgjør, med sysselsetting fra A-ordningen og tidsandeler fra O*NET. Så sammenligner vi arbeidets fordeling med meldingenes fordeling.

De to fordelingene har nesten ingenting med hverandre å gjøre. Rangkorrelasjonen er 0,07. Aktivitetene under brukes langt mer enn vekten i arbeidet tilsier. Forholdstallet er ChatGPT-andel delt på arbeidsandel.
| Aktivitet | Sysselsatte med aktiviteten | Andel av arbeidet | Andel av ChatGPT | Forhold |
|---|---|---|---|---|
| Vurdere faglige eller vitenskapelige arbeider | 8 481 | 0,0 % | 1,0 % | 245 |
| Redigere tekster og dokumenter | 40 566 | 0,2 % | 19,4 % | 105 |
| Tolke språk, kultur eller religion for andre | 11 297 | 0,1 % | 5,2 % | 52 |
| Forske på historiske eller samfunnsmessige spørsmål | 23 824 | 0,0 % | 1,1 % | 35 |
| Forske på helsespørsmål | 82 400 | 0,0 % | 0,9 % | 20 |
| Løse dataproblemer | 55 880 | 0,2 % | 3,5 % | 19 |
| Studere detaljer i kunstneriske produksjoner | 10 997 | 0,0 % | 0,7 % | 18 |
| Skaffe informasjon om varer eller tjenester | 78 263 | 0,1 % | 2,2 % | 17 |
Mye arbeid, lite ChatGPT. Dette er de seks aktivitetene med lavest forholdstall blant de tjue største i arbeidet.
| Aktivitet | Sysselsatte med aktiviteten | Andel av arbeidet | Andel av ChatGPT | Forhold |
|---|---|---|---|---|
| Rengjøre verktøy, utstyr, lokaler eller arbeidsområder | 1 018 461 | 6,1 % | 0,02 % | 0,003 |
| Gi informasjon til gjester, klienter eller kunder | 495 726 | 2,6 % | 0,03 % | 0,012 |
| Gjennomføre finansielle transaksjoner | 533 092 | 3,0 % | 0,05 % | 0,018 |
| Føre driftsregistre | 1 252 201 | 4,2 % | 0,10 % | 0,023 |
| Kjøpe inn varer eller tjenester | 1 139 815 | 1,9 % | 0,08 % | 0,045 |
| Samle data om forbrukeres behov eller meninger | 320 424 | 1,5 % | 0,07 % | 0,048 |
Forholdstallet sier like mye om O*NETs oppgavelister som om ChatGPT. Å redigere tekst står i oppgavelista til 40 566 norske sysselsatte, men nesten alle redigerer tekst av og til. Derfor står antall sysselsatte med aktiviteten ved siden av i tabellene.
Yrkene
Et yrkes tall er det tidsvektede snittet av forholdstallene til aktivitetene i yrket. 1 er den gjennomsnittlige sysselsatte. Antakelsen er at meldinger om en aktivitet kommer fra dem som gjør den, i forhold til hvor mye de gjør den. Innenfor en aktivitet kan ikke bruken variere mellom yrker, for OpenAI vet ikke yrket til brukeren.

Eksponeringsmålene treffer rangeringen godt, Spearman 0,76 for begge, men med stor spredning. Journalister ligger 41 ganger over gjennomsnittet. Lønningsmedarbeidere har høy eksponering og bruk som gjennomsnittet. Programvareutviklere ligger under linja, dels fordi Codex ikke er med, dels fordi O*NET fører «skrive kode» på andre yrker enn utviklerne.
Mest bruk per sysselsatt, yrker med minst 1 000 sysselsatte
| Yrke | Sysselsatte | Bruk per sysselsatt | Andel av meldingene |
|---|---|---|---|
| Forfattere mv. | 1 272 | 44,5 | 1,8 % |
| Journalister | 8 223 | 41,4 | 11,0 % |
| Oversettere, tolker mv. | 6 036 | 24,6 | 4,8 % |
| Reklame- og markedsføringsrådgivere | 10 068 | 16,1 | 5,3 % |
| Rådgivere/forskere, samfunnsvitenskap | 1 328 | 12,3 | 0,5 % |
| Spesialister i pedagogikk | 2 304 | 8,9 | 0,7 % |
| Informasjonsrådgivere | 4 721 | 8,2 | 1,3 % |
| Geistlige yrker | 2 490 | 6,0 | 0,5 % |
| Jurister og advokater | 11 749 | 5,6 | 2,1 % |
| Ernæringsfysiologer | 1 109 | 5,5 | 0,2 % |
Flest meldinger, sysselsetting ganger bruk
| Yrke | Sysselsatte | Andel av meldingene | Bruk per sysselsatt |
|---|---|---|---|
| Journalister | 8 223 | 11,0 % | 41,4 |
| Reklame- og markedsføringsrådgivere | 10 068 | 5,3 % | 16,1 |
| Systemanalytikere/-arkitekter | 34 330 | 4,9 % | 4,4 |
| Oversettere, tolker mv. | 6 036 | 4,8 % | 24,6 |
| Høyere saksbehandlere i offentlig og privat virksomhet | 93 119 | 3,9 % | 1,3 |
| Universitets- og høyskolelektorer/-lærere | 37 904 | 3,4 % | 2,8 |
| Grunnskolelærere | 88 219 | 3,0 % | 1,0 |
| Kontormedarbeidere | 60 051 | 2,2 % | 1,1 |
| Jurister og advokater | 11 749 | 2,1 % | 5,6 |
| Butikkmedarbeidere | 190 600 | 2,0 % | 0,3 |
Kvinner og menn, første runde
OpenAI deler meldingene på typisk kjønn på fornavnet, per land og måned, i alt og per emne. Ikke per aktivitet og ikke per yrke. Kjønnsdelingen per aktivitet og yrke kommer derfor fra arbeidsstyrken: hvem som gjør aktivitetene i Norge, etter SSBs tall for fjerde kvartal 2025.

Kvinneandelen av alle meldinger gikk fra 35 prosent i juli 2024 til 49 i september 2026. Kvinner er i flertall på skriving, selvuttrykk og praktisk veiledning, og i klart mindretall på teknisk hjelp og multimedia. Spørsmålet er om det skyldes jobbene eller bruken. Vi regner ut hva kvinneandelen per emne ville vært om meldingene fulgte yrkene kvinner har og oppgavene i dem, og sammenligner med det OpenAI observerer.

Jobbene forklarer det meste. Kvinner har 33 prosent av det tekniske arbeidet og sender 34 prosent av meldingene om teknisk hjelp. På skriving er tallene 55 og 57. Det ene unntaket er multimedia: kvinner har 32 prosent av arbeidet med design og bilder, men sender 46 prosent av meldingene. Betinget på arbeidsbruk, altså vektet med OpenAIs emnefordeling for Norges arbeidsmeldinger, tilsier jobbene 50 prosent kvinner blant arbeidsmeldingene. OpenAI observerer 50. Innenfor hvert emne bruker kvinner ChatGPT innenfor åtte prosent av det jobbene tilsier, bortsett fra multimedia. Tallene teller personer. Telles arbeidsforhold, tilsier jobbene 51, telles årsverk 49. Antakelsen er at kvinneandelen i et emne er den samme for jobb og fritid, for OpenAI deler ikke kjønn på arbeidsstatus.

Den fulle lista, aktivitet for aktivitet og yrke for yrke, ligger i Studio-saken Menn, kvinner og ChatGPT. Harvard-paperet til Cranney, Delecourt og Koning (2026) finner at kvinner bruker generativ KI mindre enn menn i 56 av 58 kilder, også innenfor samme yrke. OpenAIs tall for Norge viser likevekt blant individuelle brukere. Bedriftskontoer er ikke med. Neste runde kobler sysselsetting og lønn per yrke og kjønn, måned for måned, fra A-ordningen.
Lønn siste år, kvinner mot menn
SSB publiserer gjennomsnittlig månedslønn i september per kjønn og tosifret yrkesgruppe. Vi ser på veksten fra 2024 til 2025, kvinner minus menn, mot ChatGPT-bruken i gruppen.

Det er ingen sammenheng. Rangkorrelasjonen er minus 0,15. De største forskjellene ligger i grupper med lav bruk: kvinner i kultur og idrett fikk 2,9 prosentpoeng lavere vekst enn menn, kvinner i bygg 2,4 høyere. I gruppene med mest bruk er forskjellene under ett prosentpoeng.
| Yrkesgruppe | Bruk per sysselsatt | Kvinneandel | Lønnsvekst kvinner | Lønnsvekst menn | Forskjell |
|---|---|---|---|---|---|
| Juridiske, samfunnsvitenskapelige og humanistiske yrker | 10,1 | 65 % | 4,8 % | 4,4 % | 0,3 pp |
| IKT-teknikere | 3,5 | 23 % | 5,7 % | 5,0 % | 0,8 pp |
| IKT-rådgivere | 3,5 | 24 % | 4,2 % | 4,5 % | -0,3 pp |
| Rådgivere innen økonomi, administrasjon og salg | 2,5 | 60 % | 5,2 % | 5,9 % | -0,7 pp |
| Realister, sivilingeniører mv. | 1,8 | 32 % | 3,3 % | 3,6 % | -0,4 pp |
| Presisjonsarbeidere, kunsthåndverkere, grafiske arbeidere mv. | 1,6 | 41 % | 4,5 % | 5,1 % | -0,6 pp |
| Undervisningsyrker | 1,4 | 69 % | 3,8 % | 3,9 % | -0,1 pp |
| Kontormedarbeidere | 1,2 | 75 % | 4,5 % | 4,7 % | -0,2 pp |
Metode og forbehold
Kjeden fra OpenAIs aktiviteter til norske yrker
Hver aktivitet samler detaljerte aktiviteter (DWA), og hver O*NET-oppgave hører til én eller flere av dem (O*NET 30.2, «Tasks to DWAs»). Oppgavene hører til amerikanske yrker i O*NET-SOC 2018. Derfra går kjeden via SOC 2010 og ISCO-08 til STYRK-08, med samme trinn og manuelle kart som Eloundou- og Mouchel-målene på kiindeksen.no. Oppgavenes tidsandel i yrket kommer fra O*NET Task Ratings, som forventet antall ganger per år. En oppgave med flere aktiviteter deler tiden likt. Sysselsettingen per STYRK-08 er fra A-ordningen via microdata.no, februar 2026, og fordeles likt på O*NET-yrkene bak hver kode.
Forholdstall og bruk per sysselsatt
Forholdstallet for en aktivitet er dens andel av ChatGPT-meldingene delt på dens andel av arbeidstiden, begge normalisert til de 164 rapporterte aktivitetene. Et yrkes bruk per sysselsatt er det tidsvektede snittet av forholdstallene til yrkets aktiviteter, delt på de 164 aktivitetenes andel av alt arbeid, så gjennomsnittet over alle sysselsatte er 1. Andelen av meldingene er sysselsettingsandel ganger bruk per sysselsatt.
Hva tallene ikke sier
De sier ikke hvor mange i et yrke som bruker ChatGPT. OpenAI vet ikke yrket til brukeren. Tallene er hva ChatGPT brukes til, lagt på oppgavelistene. Aktiviteter alle gjør litt av, som å skrive og oversette, står på få yrker i O*NET. De yrkene får store tall. Kvartalstallene fra OpenAI er støyete, derfor snittet over sju kvartaler. Codex og bedriftskontoer er ikke med, så programmering er trolig undervurdert.
Kilder og nedlasting
OpenAI Economic Research, «OpenAI Signals v3.0», 26. oktober 2026, CC BY 4.0, openai.com/signals. O*NET 30.2, CC BY 4.0. SSB tabell 12542 (sysselsatte etter yrke og kjønn) og 13311 (månedslønn etter yrke og kjønn). A-ordningen via microdata.no. Eloundou mfl. (2024), Mouchel, Bouquet og Sheffi (2026), Cranney, Delecourt og Koning (2026). CSV-ene bak figurene: aktiviteter, aktiviteter etter kjønn, yrker, yrker etter kjønn, lønnsvekst etter kjønn, kvinneandel per emne. Koden ligger i github.com/andreaskostol/AI-Norway.
