+ Tags
IDstory /ArXiv/

AI-fällan när förändringshastigheten drabbar nästan alla

(2026.06.03) The AI Layoff Trap

Referenser | Skribent | Kommentarer (0)

Introduktion

Två professorer inom IT och AI har undersökt vad som händer i samhället när enskilda företag optimerar sin användning av AI. Forskarnas artikel, på drygt 60 sidor, har en för en bredare publik någorlunda begriplig inledning och den publiceras här på svenska. För de med specialintresse och för den matematiska delen och modellen hänvisas till originaltextenꜜ.

Sammanfattning

Om AI ersätter mänskliga arbetstagare snabbare än ekonomin kan återabsorbera dem riskerar den att urholka den efterfrågan från konsumenter som företag är beroende av. Vi visar att det inte räcker att känna till detta för att företag ska avstå. I en konkurrensutsatt, uppgiftsbaserad modell av en ekonomi i omställning tillgodogör sig varje företag hela kostnadsbesparingen från automatisering men bär endast en del av den efterfrågeminskning som uppstår på produktmarknaden; resten drabbar konkurrenterna. Denna efterfrågeexternalitet låser rationella företag i en kapprustning kring automatisering och tränger undan arbetstagare långt mer än vad som är kollektivt optimalt. Den resulterande förlusten skadar både arbetstagare och företagsägare. Ökad konkurrens och “bättre” AI förstärker överskottet; löneanpassningar och fri etablering kan inte eliminera det. Inte heller kapitalinkomstskatter, arbetstagarägande, basinkomst, kompetenshöjning eller Coase-förhandlingar räcker. En pigouviansk automatiseringsskatt kan däremot göra det. Resultaten antyder att politiken inte bara bör hantera följderna av AI-driven arbetsförskjutning utan också de konkurrensincitament som driver den.

Nyckelord: artificiell intelligens, automatisering, arbetsförskjutning, pigouviansk skatt.

1 Inledning

Rädslan för att teknik ska tränga undan arbetstagare är minst lika gammal som den industriella revolutionen (Ricardo, 1821; Keynes, 1930). Historiskt har undanträngningen till stor del varit självreglerande: automatisering av befintliga uppgifter har motverkats av skapandet av nya uppgifter och yrken. Det som Acemoglu och Restrepo (2018, 2019) kallar återanställningseffekten [the replacement effect] har tenderat att stabilisera arbetsmarknaden. Huruvida denna balans består i AI-eran är en öppen fråga: Autor m.fl. (2024) finner att undanträngningen har intensifierats under de senaste fyra decennierna samtidigt som skapandet av nya arbeten inte alltid har hållit jämna steg, och tidiga tecken tyder på att den nuvarande vågen i oproportionerlig grad påverkar arbetstagare på ingångsnivå (Brynjolfsson m.fl., 2025a).

Även om återanställningar så småningom sker uppstår ett problem längs vägen: undanträngda arbetstagare är också konsumenter, och när deras förlorade inkomster inte ersätts urholkar varje omgång av uppsägningar den köpkraft som alla företag är beroende av. I gränsfallet blir detta självdestruktivt: företag automatiserar sig fram till obegränsad produktivitet och noll efterfrågan. Den offentliga diskursen behandlar i allt högre grad denna dynamik som en oundviklig process utan naturlig broms (van Geelen och Shah, 2026). Men rationella, framåtblickande företag borde utgöra bromsen; om stupet framför är synligt för alla, varför skulle de rusa mot det?

Ändå tyder evidensen på att företag rör sig i just den riktningen. I februari 2026 minskade Block nästan hälften av sin arbetsstyrka på 10 000 personer, där vd Jack Dorsey uppgav att AI gjort många av rollerna överflödiga och att “inom det närmaste året kommer majoriteten av företagen att nå samma slutsats” (Palmer, 2026). Under 2025 tillkännagav amerikanska arbetsgivare över en miljon uppsägningar, och AI angavs uttryckligen i omkring 55 000 av dessa, ledda av teknikföretag och koncentrerade till kundsupport, innehållsmoderering och mellanchefsnivåer (Bhaimiya, 2025). Exponeringen sträcker sig bortom tekniksektorn: Eloundou m.fl. (2024) uppskattar att cirka 80 % av amerikanska arbetstagare har jobb med uppgifter som exponeras för stora språkmodeller. Tidiga indikatorer på efterfrågesidan är förenliga med den förutsagda pressen: under första kvartalet 2026 överträffade företagsinvesteringar konsumtionen som den främsta drivkraften bakom BNP-tillväxten i USA (Bureau of Economic Analysis, 2026a), och den personliga sparkvoten föll till 3,6 % i mars, den lägsta nivån sedan slutet av 2022 (Bureau of Economic Analysis, 2026b). Inget av detta är dolt. Mot denna bakgrund frågar vi under vilka villkor rationalitet och perfekt framförhållning räcker för att förhindra konkurrensdriven överautomatisering, vad som avgör storleken på snedvridningen när de inte räcker, och vilka föreslagna policyåtgärder som kan korrigera den.

För att besvara dessa frågor utvecklar vi en uppgiftsbaserad modell för automatisering inspirerad av Acemoglu och Restrepo (2018), men med fokus förskjutet från arbetsmarknaden till produktmarknaden: när automatisering tränger undan arbetstagare minskar deras uteblivna konsumtion varje företags intäkter. Varje företag i en grupp symmetriska företag väljer hur stor andel av arbetsstyrkan som ska ersättas med AI. Automatiserade uppgifter utförs till lägre kostnad, men integrationsfriktioner gör varje ytterligare uppgift svårare att automatisera. På efterfrågesidan spenderar arbetstagare en andel av sin inkomst på sektorns produktion; företagsägare spenderar mindre, normaliserat till noll i basfallet. En del av den förlorade löneinkomsten återvinns genom återanställning eller transfereringar, men resten går förlorad för sektorn. Modellen är avsiktligt förenklad för att tydliggöra denna kanal och göra det efterfrågestup som väntar synligt för alla företag. Basfallet håller lönerna fasta (justeras i avsnitt 5.3) och stänger av återcirkulation av kapitalinkomster (justeras i avsnitt 5.4); andra antaganden i basfallet lättas också i avsnitt 5. Trots sin enkelhet rymmer ramverket en rad policyinstrument (avsnitt 4) och robusthetskontroller.

Vi visar att konkurrens skapar en efterfrågeexternalitet som fångar [traps] företagen. Ett företag som automatiserar tillgodogör sig hela kostnadsbesparingen men bär, under konkurrensprissättning, endast en del av den resulterande minskningen i total efterfrågan; resten drabbar konkurrenterna. Varje företags vinstmaximerande automatiseringsgrad är en strikt dominant strategi som överstiger den kooperativt effektiva nivån, vilket innebär att framförhållning i sig inte kan förhindra kapplöpningen mot stupet. Snedvridningen fördjupas med ökad konkurrens: ett monopol internaliserar externaliteten fullt ut, medan fragmenterade marknader uppvisar det största gapet. I det friktionsfria gränsfallet, där varje uppgift är lika lätt att automatisera, skärps spelet till ett fångarnas dilemma där varje företag ersätter hela sin mänskliga arbetsstyrka med AI, trots att kollektiv återhållsamhet skulle öka allas vinster. Den resulterande välfärdsförlusten är inte en överföring från arbetstagare till företagsägare; det är en ren dödviktsförlust som skadar båda.

Eftersom förlusten drabbar båda sidor uppstår frågan om policy kan korrigera den. Vi utvärderar sex instrument mot externalitetens marginal. Kompetenshöjning och arbetstagarägande minskar klyftan men kan inte eliminera den. Inte heller Coase-förhandlingar hjälper: eftersom automatisering är en dominant strategi är inget frivilligt avtal mellan företag självupprätthållande. Kapitalinkomstskatter förändrar inte den jämviktsmässiga automatiseringsgraden, eftersom de verkar på vinstnivåer snarare än på marginalen per uppgift där externaliteten uppstår. Detsamma gäller basinkomst: den höjer levnadsstandarden men lämnar automatiseringsincitamentet oförändrat. Endast en pigouviansk automatiseringsskatt, satt lika med den icke-internaliserade efterfrågeförlusten per uppgift, implementerar det kooperativa optimumet; dess intäkter kan finansiera omskolning som ökar inkomstersättningen, vilket minskar externaliteten över tid och kan göra skatten självbegränsande.

Kärnresultatet är robust mot flera generaliseringar. Högre AI-produktivitet ökar klyftan i stället för att lösa den: varje företag uppfattar en marknadsandelsvinst av att automatisera mer än konkurrenterna, men i den symmetriska jämvikten tar dessa vinster ut varandra och lämnar endast den extra snedvridningen. Denna “Röda drottningen”-effekt innebär att “bättre” AI inte mildrar externaliteten utan förstärker den. Endogen löneanpassning, en central självreglerande kanal i Acemoglu och Restrepo (2018), höjer tröskeln där externaliteten aktiveras men kan, såvida inte lönerna faller till AI:s kostnadsnivå, inte eliminera klyftan när den väl uppstår. Fri etablering, återcirkulation av kapitalinkomster och rikare produktmarknadsstrukturer misslyckas också med att eliminera snedvridningen.

Dessa generaliseringar ligger inom partiell jämvikt. Detta väcker frågan om kanalen för efterfrågeförstörelse i sig är en artefakt av partiell jämvikt: i en friktionsfri allmän jämvikt med flera sektorer skulle inkomsten som förloras genom undanträngning kunna absorberas någon annanstans, och mekanismen kan försvinna. Vi hävdar att båda vägarna för sådan återabsorption är blockerade för massmarknadsföretag som är mest exponerade för AI. På produktmarknaden kan undanträngd konsumtion skifta till andra varor, men mättnad i höginkomstkonsumtion (Matsuyama, 2002; Comin m.fl., 2021) och oförmågan att snabbt ställa om produktionen (Ramey och Shapiro, 2001) hindrar den från att återvända till massmarknadsproducenter. En annan väg går via räntan. Den inkomst som undanträngda arbetstagare förlorar lämnar inte ekonomin: automatisering omfördelar den till företagsägare, som spenderar en mindre andel av sin inkomst än arbetstagare, vilket ökar det totala sparandet. I en friktionsfri ekonomi skulle en fallande ränta omvandla detta sparande till investeringar och lån, och hålla den totala efterfrågan stabil. Denna anpassning stannar dock av när räntorna redan är nära noll och inte kan sjunka ytterligare, eller när inkomstförlusten är varaktig snarare än tillfällig, så att undanträngda arbetstagare inte kan låna för att jämna ut den. Appendix A diskuterar dessa kanaler i detalj.

Vårt arbete bidrar till flera forskningsfält. Vi bygger vidare på den uppgiftsbaserade ansatsen till automatisering (Zeira, 1998; Autor m.fl., 2003; Acemoglu och Restrepo, 2018, 2019), som betonar motverkande krafter som återställer efterfrågan på arbete efter undanträngning, särskilt skapandet av nya uppgifter och en självreglerande lönekanal. Acemoglu (2025) utvärderar AI:s effekter på den samlade produktiviteten inom detta ramverk. Dessa bidrag fokuserar på om och hur arbetsmarknaden återbalanseras; vi frågar vad som händer på produktmarknadssidan när återbalanseringen är långsam eller ofullständig.

En växande litteratur hävdar att automatisering kan vara överdriven. Närmast vår ansats är Beraja och Zorzi (2025), som visar att automatisering är ineffektiv när undanträngda arbetstagare möter kreditbegränsningar under omallokering. Deras mekanism verkar via arbetsmarknaden: företag bortser från välfärdskostnaden för kreditbegränsade arbetstagare. Vår verkar i stället via produktmarknaden, där företag bortser från den efterfrågan de förstör för konkurrenter. Två ytterligare skillnader följer. Deras ineffektivitet uppstår även för ett enskilt företag isolerat, medan vår kräver konkurrens och försvinner under monopol. Och medan deras planerare korrigerar automatisering för att skydda arbetstagarnas välfärd, skulle vår minska automatiseringen även om arbetstagare ges noll vikt, eftersom överautomatisering skadar företagens vinster. Andra kanaler för överdriven automatisering delar egenskapen att de snedvrider ett enskilt företags beslut även isolerat: teknikekosystemet kan vara snedvridet mot “halvdana” automatiseringar som tränger undan arbetstagare utan stora produktivitetsvinster (Acemoglu och Restrepo, 2020), automatisering kan rikta sig oproportionerligt mot uppgifter med höga hyror och därmed minska arbetstagares överskott snarare än öka produktionen (Acemoglu och Restrepo, 2026), och korrigerande beskattning har motiverats av övergångsfriktioner (Guerreiro m.fl., 2022) och fördelningsskäl (Costinot och Werning, 2023). På senare tid har AI-specifika kanaler av samma isolerade typ identifierats genom kompetenserosion, felmätning av produktivitet och upphovsrättsdynamik som kan försämra långsiktig välfärd utan reglering (Caosun och Aral, 2026; Bondi och Johnson, 2026; Yang och Zhang, 2024). Vår externalitet uppstår däremot endast under konkurrens och kvarstår även när automatiseringen är mycket produktiv, kreditmarknaderna är fullständiga och planeraren inte lägger någon vikt vid fördelning.

Den efterfrågeexternalitet vi studerar tillhör familjen av aggregerade efterfrågespillover-effekter som introducerades av Rosenstein-Rodan (1943) och formaliserades av Murphy m.fl. (1989). I deras “big push”-modeller kan efterfrågekomplementariteter mellan sektorer hindra individuellt olönsamma investeringar från att genomföras trots att samtidiga investeringar vore kollektivt lönsamma. Vår mekanism är spegelbilden: individuellt lönsam automatisering är kollektivt destruktiv eftersom varje företags kostnadsbesparing urholkar den intäktsbas som alla företag delar. Cooper och John (1988) ger det klassiska ramverket för koordinationsmisslyckanden drivna av aggregerade efterfrågeexternaliteter; vårt spel delar denna miljö men inte dess struktur av strategisk komplementaritet: automatisering är här en strikt dominant strategi, vilket gör problemet till en verklig externalitet snarare än ett koordinationsproblem som kan lösas genom kommunikation. Benzell m.fl. (2015) visar i en dynamisk ekonomi med överlappande generationer att automatisering kan urholka arbetstagares köpkraft och skapa tillväxt som försämrar välfärden via kapitalackumulation. Vårt bidrag är distinkt: även utan dessa dynamiska kanaler, och även när företag fullt ut förutser efterfrågeförlusten, leder decentraliserad konkurrens i sig till överdriven automatisering, eftersom varje företag tillgodogör sig hela besparingen i arbetskostnader men endast bär en del av den resulterande minskningen i total efterfrågan. Korinek och Stiglitz (2019) analyserar på liknande sätt AI-driven omfördelning av inkomster på aggregerad nivå, och Caballero (2026) modellerar hur AI-driven arbetsförskjutning och kapitalkoncentration genererar spekulativa tillväxtjämvikter genom makrofinansiell återkoppling. Ingen av dessa innehåller den företagsnivåbaserade strategiska konkurrens där ett företags automatiseringsbeslut skapar en efterfrågeexternalitet för konkurrenter.

Forskningen inom informationssystem har visat att AI-system ger betydande produktivitetsvinster (Brynjolfsson m.fl., 2025b) och i ökande grad används i strategiska roller såsom prissättning, där algoritmer spontant kan lära sig att samarbeta (Banchio och Mantegazza, 2022; Keppo m.fl., 2026). När det gäller införande visar Li m.fl. (2025) att företag under granskning av arbetsrelaterade problem specifikt investerar i AI-automatisering snarare än andra former av IT, och Bastani och Cachon (2025) visar att när AI:s tillförlitlighet ökar blir det orimligt kostsamt att upprätthålla effektiv mänsklig tillsyn, vilket försvagar en viktig kontrollmekanism. Vad denna litteratur inte har modellerat är hur dessa individuellt dokumenterade fenomen samverkar mellan företag: varje införandebeslut är rationellt isolerat, men sammantaget urholkar de den konsumentefterfrågan som alla företag är beroende av. Vi tillhandahåller den modellen och kopplar mikronivåns evidens till ett makroekonomiskt marknadsmisslyckande som inget enskilt företag kan förhindra.

Referenser

Skribenter

Brett Hemenway Falk, professor in the department computer and information sciences at the University of Pennsylvania.

Gerry Tsoukalas, professor of AI, Boston university

Kommentarer

  1. Din kommentar // Namn, titel (2026....)

Källa: 2026.06.03 Publicerades på BiBB: 2026.07.21



SMS:a en kommentar
genom att klicka här [ öppnar din app ] SMS:a en kommentar till 076 034 32 20 eller mejla.

Kategorier 25 Internationella media 242 2 flags

QR-code


Vad skulle du vilja läsa om på BiBB? Hör av dig.



You know a lot, we may add a little®