IMF advarer om AI’s dobbelte regning – jobtab eller finansielt tilbageslag

Ifølge Reuters’ reportage fra Bangkok advarede IMF-direktør Kristalina Georgieva ved årsmødet 16. oktober 2026 om, at AI’s risici kan overstige mulighederne uden værn og etisk grundlag; reportagen gengav også Harvardøkonomen Dani Rodriks udtalelser til Reuters efter en konference i Berlin ugen før: Store produktivitetsgevinster kan koste job, mens udeblevne gevinster efter tunge investeringer kan føre til en finansiel korrektion. Georgievas advarsel handlede om styring af teknologien, mens de to økonomiske forløb var Rodriks scenarier.

På IMF’s officielle seminarside står Georgieva og Anthropics medstifter Jack Clark blandt deltagerne, og produktivitet, arbejdsmarked og finansiel stabilitet er blandt emnerne. Diskussionen samlede sig dermed om et konkret dilemma: Den samme teknologi kan give vækst og samtidig flytte omkostninger over på ansatte eller investorer. For dansk økonomi er det endnu mulige forløb, ikke konstaterede udfald.

Når produktiviteten stiger, kan bestemte job forsvinde

Den første kæde begynder med en reel forbedring: En virksomhed kan levere samme ydelse med færre arbejdstimer, fordi AI overtager eller forkorter bestemte opgaver. Så bliver den sparede tid en gevinst for virksomheden, men de ansatte får ikke nødvendigvis del i den som flere opgaver eller højere løn. Nogle stillinger kan blive nedlagt, mens andre gradvis tømmes for de opgaver, de hidtil byggede på.

I AP’s reportage fra panelet skelnede Georgieva mellem arbejde, der ændres eller skabes, rutineopgaver, der forsvinder, og servicejob omkring et investeringsboom; hun nævnte unge, der serverer kaffe hos Starbucks frem for at begynde i et rutinepræget fagligt job, og sagde om servicejobbene: “services don’t pay a lot”. Eksemplet handler også om kvaliteten af de job, der opstår, ikke kun antallet.

For en dansk virksomhed afhænger forbindelsen mellem øget produktivitet og færre ansatte af efterspørgslen. Hvis lavere omkostninger gør det muligt at sælge mere, kan nye opgaver opsuge noget af den frigjorte tid. Hvis produktionen ikke vokser tilsvarende, kan gevinsten i stedet vise sig som færre nyansættelser eller en mindre medarbejderstab. Begge muligheder kan eksistere side om side i forskellige dele af samme økonomi.

For lønmodtagere ligger omkostningen især i overgangen. Erfaring fra en rutinepræget stilling giver ikke automatisk adgang til det arbejde, der vokser frem, og en ny stilling kan have andre krav eller lavere løn. Nyuddannede kan blive ramt, hvis opgaver, som tidligere gav adgang til et fag, bliver automatiseret. Det er en mulig mekanisme i Rodriks første scenarie, ikke en måling af danske jobtab.

Hvis afkastet skuffer, kan markedet korrigere

Den anden kæde starter, før produktiviteten kan aflæses: Virksomheder bygger datacentre og køber teknologi i forventning om fremtidig efterspørgsel og indtjening. Investorer priser en del af den forventede vækst ind i aktierne allerede nu. Hvis AI senere sparer mindre tid eller skaber færre indtægter end ventet, bliver både investeringernes afkast og selskabernes værdi vurderet på ny.

En korrektion er i den sammenhæng en nedjustering af priser, ikke et bevis for, at teknologien er værdiløs. Selv nyttige systemer kan vise sig at give mindre gevinst end den, som blev lagt til grund for store anlæg og høje aktiekurser. Hvis flere selskaber samtidig reducerer deres udgifter, kan leverandører miste ordrer, og dyrere finansiering kan udsætte andre investeringer. Sådan kan et skuffende AI-afkast række ud over teknologiselskaberne.

For en dansk pensionsopsparer går forbindelsen gennem pensionsordningens beholdning af globale aktier og andre investeringer. Hvis porteføljen ejer selskaber, hvis værdi hviler på høje forventninger til AI, kan et kursfald trække afkastet ned. Virkningen afhænger af, hvor stor eksponeringen er, og om faldet forbliver koncentreret eller breder sig til resten af markedet. Der findes ikke et fælles tabstal, som kan lægges på alle danske opsparere.

De økonomiske konsekvenser kommer på forskellige tidspunkter. Investeringen betales på forhånd, mens indtjeningen først kan vise sig over tid; aktieprisen kan derfor falde, længe før man endeligt kender teknologiens nytte. For ansatte i en virksomhed, der skærer i planlagte projekter efter en korrektion, kan følgerne komme som færre ansættelser, selv uden den store produktivitetsstigning fra det første scenarie.

Georgievas værn og de økonomiske risici

Regulering, etisk grundlag og adgang til elektricitet og digitale net er forskellige forudsætninger for at udbrede AI’s gevinster. De kan begrænse skade ved anvendelsen og give flere mulighed for at bruge teknologien. Ingen af dem afgør i sig selv, hvordan værdien fordeles mellem virksomheder og ansatte, eller om de store investeringer bliver rentable.

Arbejdsmarkedets problem kræver derudover, at overgangen mellem gamle og nye opgaver fungerer. En virksomhed kan uddanne ansatte til nye opgaver eller lade væksten skabe flere stillinger, men begge muligheder afhænger af, hvilke kompetencer og hvilken efterspørgsel der faktisk opstår. For dem, der mister arbejde, før nye stillinger åbner, er timingen en reel økonomisk omkostning, også hvis den samlede produktion senere stiger.

Finansmarkedets problem er knyttet til forventningerne, der ligger i investeringer og priser. Etiske standarder kan gøre anvendelsen mere forsvarlig, men kan ikke garantere, at et datacenter eller et AI-selskab tjener de penge, investorerne regner med. Omvendt fortæller et kursfald ikke alene, hvor mange arbejdsopgaver teknologien har ændret. De to risikoveje kræver derfor forskellige svar.

For danske virksomheder, lønmodtagere og pensionsopsparere bliver det afgørende, hvad investeringerne faktisk fører til: højere produktivitet, ændringer i ansættelser og indtjening, der kan bære udgifterne. En virksomhed kan få nytte af AI, samtidig med at dens ansatte må skifte opgaver; en pensionsordning kan mærke et kursfald, selv om teknologien fortsat bliver brugt.

Læs også:

• vLLM eller TGI? Ved høj belastning kan forskellen blive 24-dobbelt
• GitHub Actions eller GitLab CI? Samme pipeline kan tage dobbelt så lang tid
• Finanstilsynet åbner for AI og tokenisering – men styringen skal følge med