Hvilke jobber gir utdanningen, og hvor utsatt er de for KI?
Velg fag og nivå. Du får de ti vanligste oppgavene i jobbene utdanningen fører til, hvor utsatt hver oppgave er for språkmodeller, hvordan Claude eller ChatGPT brukes på den, og til slutt de vanligste jobbene.
Om tallene
Jobbene kommer fra SSBs register via utdanning.no: alle bosatte 20–70 år med utdanningen som sin høyeste, koblet til yrke. Oppgavene kommer fra O*NET, den amerikanske yrkesdatabasen, via samme kryssgang som KI-indeksen. Eksponeringen per oppgave er Eloundou m.fl. (2024). Claude-bruken er Anthropic Economic Index, siste utvalg. ChatGPT-bruken er OpenAI Signals v3.0 for Norge, per O*NET-aktivitet. Velg kilde med «Kilde for bruk». Bachelor er standardvalget; bytt nivå for master, ph.d., fagskole eller videregående.
Skriv det du kaller graden din. Søket treffer både faggruppene og navnene på over 2 400 enkeltutdanninger i registeret.
De ti vanligste oppgavene for valgt utdanning
Oppgavene i jobbene utdanningen fører til, med KI-eksponering og hvor stor del av Claude-bruken på oppgaven som er automatisering. En oppgave hører ofte til flere av yrkene; kolonnen viser de viktigste. Klikk på en oppgave.
Oppgavene i jobbene utdanningen fører til, med KI-eksponering og hvor stor del av Norges arbeidsrelaterte ChatGPT-meldinger som faller på aktivitetene oppgaven hører til. En oppgave hører ofte til flere av yrkene; kolonnen viser de viktigste. Klikk på en oppgave.
Slik er lista laget
Hvert yrke har en oppgaveliste i O*NET, med hvor viktig hver oppgave er og hvor mange i yrket som gjør den. Oppgavens vekt for en utdanning er viktighet × andel som gjør den, vektet med hvor mange med utdanningen som har yrket. De ti med størst vekt vises, høyst tre fra samme yrke. KI-eksponering er Eloundou m.fl. sin GPT-4-vurdering av oppgaven: 1 når en språkmodell alene kan halvere tiden oppgaven tar, 0,5 når den trenger ekstra programvare, 0 ellers. Det er samme skår som bak yrkenes eksponering. Gruppen er den skåren gir i den samme femdelingen som yrkene: minst utsatt, lite utsatt, middels, mye utsatt, mest utsatt. Automatisering er Anthropics inndeling: direkte delegering og tilbakemeldingssløyfe, som andel av samtalene om oppgaven i Claude.ai. Oppgaver Anthropic ikke har data for, står uten tall. Med ChatGPT som kilde viser siste kolonne i stedet snittet av andelen av Norges arbeidsrelaterte ChatGPT-meldinger over O*NET-aktivitetene oppgaven hører til (OpenAI Signals v3.0). Oppgavetekstene er oversatt fra O*NET.
Slik brukes Claude på oppgaven
De vanligste jobbene for valgt utdanning
De ti yrkene flest med utdanningen jobber i, med eksponering og automatisering.
De ti yrkene flest med utdanningen jobber i, med eksponering og yrkets andel av Norges arbeidsrelaterte ChatGPT-meldinger.
Metode
Siden setter sammen fem kilder i én kjede: fra utdanning til yrke, fra yrke til oppgaver, og for hver oppgave eksponering og KI-bruk fra Claude eller ChatGPT. Lærestedene er tatt ut av siden og kommer som en egen analyse.
Fra utdanning til yrke
Utgangspunktet er utdanning.no sin registerstatistikk, bygget på SSBs registre: for hver utdanningskode i NUS2000, antall bosatte 20–70 år som har koden som sin høyeste fullførte utdanning, fordelt på yrke (STYRK-08) for de som er ansatt. Kodene er summert til faggruppe, det tresifrede nivået i NUS2000: første siffer er nivå, de to neste er fag. Grupper med under 100 sysselsatte med eksponeringsskår er utelatt. Koblingen er fra november 2024. Nyutdannede er de som fullførte for ett til tre år siden, en kolonne utdanning.no ikke dokumenterer.
Fra yrke til oppgaver
O*NET er det amerikanske arbeidsdepartementets database over yrker. Hvert yrke har en liste med oppgaver, og for hver oppgave har et utvalg ansatte svart på hvor viktig den er (1–5) og om de gjør den. Norske STYRK-08-koder går til amerikanske SOC-koder gjennom samme kryssgang som eksponeringsmålene (ISCO-08, BLS). Der O*NET har spesialiseringer under en SOC-kode, brukes hovedkoden. En oppgaves vekt for en utdanning er viktighet × andel som gjør den, delt likt mellom SOC-kodene et STYRK-yrke er koblet til, og vektet med andelen av de sysselsatte som har yrket. O*NET versjon 30.1.
Eksponering per oppgave
Eloundou m.fl. (2024) lot GPT-4 og mennesker vurdere hver O*NET-oppgave: E1 når en språkmodell alene kan halvere tiden oppgaven tar med samme kvalitet, E2 når det krever programvare bygget på modellen, E0 ellers. Skåren i tabellen er E1 = 1, E2 = 0,5, E0 = 0, samme «beta»-vekting som yrkesmålet på forsiden. Utdanningens oppgaveskår er det vektede snittet over alle oppgavene i yrkene, ikke bare de ti som vises.
Claude-bruk per oppgave
Anthropic Economic Index klassifiserer et utvalg samtaler etter O*NET-oppgave og etter fem samhandlingstyper. To er automatisering: personen ber om et ferdig resultat (direkte delegering), eller modellen gjør jobben og personen melder tilbake (tilbakemeldingssløyfe). Tre er augmentering: oppgaveiterasjon, validering og læring. Tallene her er siste utvalg fra Claude.ai (chat). Oppgavene kobles på tekst. Anthropic publiserer bare oppgaver med bruk, så om lag en tredel av oppgavene i tabellene har tall. Utdanningens automatiseringsandel er vektet med hver oppgaves andel av all Claude.ai-bruk.
ChatGPT-bruk per aktivitet
OpenAI Signals v3.0 (26. oktober 2026) gir andelen arbeidsrelaterte ChatGPT-meldinger i hver av 164 O*NET-arbeidsaktiviteter per land og kvartal. Tallene her er for Norge og er snittet over sju kvartaler fra første kvartal 2025. De gjelder individuelle abonnement. Hver O*NET-oppgave hører til én eller flere aktiviteter (O*NET 30.2). Oppgavens tall i tabellen er snittet av aktivitetenes andeler. Klikk på en oppgave for å se aktivitetene. To begrensninger: alle oppgaver i samme aktivitet får samme tall. Oppgaver utenfor de 164 aktivitetene får ingen verdi. Yrkenes ChatGPT-andel i jobbtabellen er bygget med samme kjede som på Yrker. Sitering: Chatterji m.fl. (2026). OpenAI Signals v3.0. OpenAI. openai.com/signals/data-download. Lisens CC BY 4.0.
Forbehold
- Oppgavetekstene er oversatt fra O*NETs engelske formuleringer og beskriver amerikanske yrker.
- Registeret er nasjonalt per utdanningskode. Det skiller ikke mellom læresteder.
- Claude-samtalene er globale og gjelder samtaler, ikke arbeidstid.
- ChatGPT-tallene gjelder aktiviteter, ikke oppgaver, og meldinger, ikke arbeidstid.
- Eloundous etiketter er vurderinger av hva som er mulig, ikke observert bruk.
- Små faggrupper får tynne tall. Grupper med under 100 sysselsatte er utelatt.
Kilder: utdanning.no · O*NET · Eloundou m.fl. (2024) · Anthropic Economic Index · OpenAI Signals v3.0.
