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 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. 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.
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. KI-eksponering er en skår fra 0 til 1 per oppgave, snittet av Eloundou m.fl. sine tre vurderinger av om en språkmodell kan halvere tiden oppgaven tar, og gruppen 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. 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.
Metode
Siden setter sammen fire kilder i én kjede: fra utdanning til yrke, fra yrke til oppgaver, og for hver oppgave eksponering og Claude-bruk. 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.
Forbehold
- Oppgavetekstene er 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.
- 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.