KI sa ikke opp noen. Vi ansatte ganske enkelt ingen erstatter

For noen uker siden sluttet en av advokatene i avdelingen vår etter å ha jobbet hos oss i mer enn ti år.

At vedkommende sluttet, hadde ingenting med kunstig intelligens å gjøre. Det fantes ingen plan om nedbemanning, og vi hadde heller ikke besluttet å erstatte en advokat med en språkmodell.

Det ble ganske enkelt en ledig stilling.

Og med den kom et nokså tradisjonelt spørsmål for en virksomhet:

Hvem ansetter vi nå?

I vårt tilfelle var det dessuten en særlig utfordring. Vi trengte en person med tilstrekkelig solide kunnskaper om spansk rett, som samtidig kunne arbeide profesjonelt på norsk.

Dem er det ikke mange av.

Vi satte i gang en rekrutteringsprosess.

Vi fant ingen vi var overbevist om var den rette.

Da vurderte vi en annen mulighet. Kanskje det ikke var helt nødvendig å erstatte akkurat den kompetanseprofilen som forsvant. Vi kunne styrke avdelingen administrativt og fordele det juridiske arbeidet mellom advokatene som var igjen.

Vi intervjuet også kandidater til en slik stilling.

Heller ikke da fant vi den rette personen.

Og så skjedde det noe interessant.

Mens vi lette etter noen å ansette, måtte arbeidet fortsette.

Omorganiseringen som skulle være midlertidig

Vi kunne ikke vente på den perfekte kandidaten i det uendelige.

Vi omfordelte ansvar, gikk gjennom prosessene og begynte å bruke verktøy basert på kunstig intelligens mer systematisk for å håndtere visse typer arbeid.

Ikke for å erstatte det juridiske skjønnet.

For å redusere arbeidet rundt det.

Klargjøre dokumentasjon. Gjøre innledende gjennomganger. Sammenligne tekster. Oppsummere. Hente ut informasjon. Organisere saksmapper. Gjøre innledende søk. Lage utkast. Klassifisere. Oversette. Strukturere fakta. Gjøre uordnet informasjon om til materiale som en advokat kan kontrollere langt raskere.

Alle disse oppgavene fantes fra før.

Nå krever de mindre menneskelig tid.

I utgangspunktet så vi på denne organiseringen som en midlertidig løsning mens vi fortsatte å lete.

Det har gått omtrent to uker.

Og i alle fall foreløpig har noe skjedd som jeg ikke ventet å se så tydelig:

arbeidsbelastningen i avdelingen ser ikke ut til å ha økt, verken i timer eller i mental belastning.

Vi må være forsiktige. To uker er ikke et eksperiment. Saksmengden kan endre seg, og en særlig travel periode kan avdekke begrensninger vi ennå ikke ser.

Men observasjonen fra virksomheten fortjener oppmerksomhet.

Én person sluttet.

Vi har ikke erstattet vedkommende.

Og systemet fungerer fortsatt.

Ingen besluttet å erstatte en jobb med KI

Denne nyansen mener jeg er helt vesentlig.

Når vi snakker om hvordan kunstig intelligens påvirker sysselsettingen, ser vi gjerne for oss en uttrykkelig beslutning:

«Vi har ti ansatte. Vi innfører KI. Nå trenger vi åtte. Vi sier opp to.»

Det kommer til å skje i noen tilfeller.

Men jeg mistenker at en viktig del av endringen vil bli langt mindre spektakulær.

Én person går av med pensjon.

En annen bytter arbeidsgiver.

En avdeling som tidligere ville ha ansatt to personer til, oppdager at den trenger én.

En stilling blir ledig.

Og før stillingen lyses ut, spør noen:

Trenger vi egentlig å opprette denne stillingen på nytt, akkurat slik den var?

Det kan bli et av de viktigste spørsmålene i arbeidslivet i årene som kommer.

I vårt tilfelle fjernet ikke KI en stilling.

Stillingen var allerede ledig.

Det som endret seg, var vurderingen av om det var helt nødvendig å fylle den igjen.

Automatiseringen kan komme inn gjennom ledige stillinger

Virksomheter er ikke statiske strukturer.

Hver måned slutter noen, andre går av med pensjon eller reduserer arbeidstiden, og det skjer vekst, rolleendringer og omorganiseringer.

Derfor trenger ikke KI å utløse en synlig bølge av oppsigelser for å endre etterspørselen etter arbeidskraft grunnleggende.

Den kan påvirke strømmen av nyansettelser.

En bedrift med åtte ansatte som tidligere ville ha vokst til ti, vokser kanskje til ni.

En avdeling med fem ansatte som mister én person, kan oppdage at fire kan opprettholde produksjonen.

Et selskap kan beholde samme antall ansatte og samtidig doble kapasiteten.

Og en bedrift i vekst kan ansette personer med andre kompetanseprofiler enn dem den ville ha sett etter for tre år siden.

Det kan ta år før effekten blir tydelig i arbeidsledighetsstatistikken, selv om den allerede er i ferd med å endre strukturen i arbeidsmarkedet.

Det begynner å komme empiriske funn som er forenlige med denne mekanismen.

Et ferskt arbeidsnotat fra Stanford Digital Economy Lab analyserer 1,25 milliarder stillingsannonser og 154 millioner arbeidshistorikker i 41 land og utleder innføringen av KI fra stillingsannonser som innebærer bruk av generativ KI. Det anslår at utenlandske datterselskaper av selskaper som tar i bruk KI, reduserer den relative andelen juniorer sammenlignet med seniorer, målt mot sammenlignbare datterselskaper i kontrollgruppen. Og vesentlig nok viser fenomenet seg først og fremst gjennom sterkere vekst i seniorsysselsettingen, ikke gjennom store absolutte tap av juniorjobber. Stanford Digital Economy Lab

En annen studie, med data om ledige stillinger i Flandern (Belgia) fra 2021 til 2025, finner at større eksponering for generativ KI på tidspunktet da bruken er på sitt høyeste, er forbundet med færre utlysninger av begynnerstillinger, mens estimatet for erfarne arbeidstakere er lite og positivt. Det samlede estimatet er lavere og mindre presist. papers.ssrn.com

Ingenting av dette beviser hva som skjer i vår lille avdeling.

Men det beskriver en mekanisme som er forenlig med vår erfaring:

KI kan først endre hvem vi lar være å ansette, før den endrer hvem vi sier opp.

Små bedrifter kan merke denne effekten tidligere

Det finnes en annen grunn til at denne dynamikken kan være særlig viktig i små og mellomstore organisasjoner.

I et multinasjonalt selskap endrer det knapt strukturen om én person kommer til eller forsvinner.

I en liten bedrift kan én person utgjøre 10, 20 eller til og med 30 prosent av en avdeling.

Hver ansettelse veier mye tyngre.

Dessuten rammes små og mellomstore bedrifter særlig av mangelen på bestemte kompetanseprofiler. De kan ikke alltid konkurrere med store selskaper på lønn, og i spesialiserte bransjer kan den nøyaktige kombinasjonen av kunnskaper de trenger, rett og slett mangle i det lokale arbeidsmarkedet.

OECD har observert nettopp denne dynamikken: Noen små og mellomstore bedrifter som bruker generativ KI, oppgir muligheten til å kompensere for kompetansegap og mangel på arbeidskraft som en av fordelene, i tillegg til økt produktivitet. OECD

Det ligner veldig på det som skjedde hos oss.

Vi kom ikke frem til denne omorganiseringen fordi et konsulentselskap la frem en plan for kostnadskutt.

Vi kom frem til den fordi det var arbeid som måtte gjøres, og arbeidsmarkedet ikke umiddelbart ga oss personen vi lette etter.

Norge kan være et særlig interessant laboratorium

Denne dynamikken er spesielt interessant i Norge.

Tallene fra Statistisk sentralbyrå for 2026 viser at 48 prosent av norske foretak med minst ti sysselsatte, i næringene som omfattes av undersøkelsen, allerede bruker én eller flere KI-teknologier, mot omtrent tre av ti i 2025. Selv blant de små foretakene i undersøkelsen, med 10–19 sysselsatte, gjelder dette fire av ti; blant de store, med 100 eller flere sysselsatte, åtte av ti. SSB

Norge kombinerer denne raske innføringen med et arbeidsmarked der arbeidskraften er dyr, og som på noen fagområder er relativt lite.

Når det er vanskelig å finne den rette personen og hver fagtime har en høy kostnad, endres det økonomiske regnestykket for å automatisere forberedende arbeid raskt.

Kunstig intelligens trenger ikke å «erstatte en advokat».

Det holder at den gjør det mulig for fire advokater å håndtere på en rimelig måte arbeidet som tidligere krevde fem personer, fordelt på juridisk arbeid og støtteoppgaver.

Det er en langt lavere terskel.

Og sannsynligvis mye mer realistisk.

Oppgaver er ikke yrker

Ingenting av dette betyr at en modell kan erstatte en advokat.

En viktig del av det juridiske arbeidet avhenger av ferdigheter som modellene fortsatt behersker ufullkomment, eller som de rett og slett ikke bør utøve selvstendig.

Forstå hva klienten egentlig vil.

Oppdage at et tilsynelatende underordnet faktum er juridisk avgjørende.

Velge strategi når flere løsninger lar seg forsvare.

Forhandle.

Ta ansvar.

Avgjøre hvilken risiko som er rimelig.

Vite når et teknisk korrekt svar er en dårlig beslutning i praksis.

Og kontrollere.

KI reduserer kostnaden ved mange oppgaver.

Det er ikke nødvendigvis det samme som å fjerne et yrke.

Det motsatte kan faktisk skje: at den relative verdien av den delen av arbeidet som i størst grad bygger på faglig kompetanse, øker.

Endringen er kanskje ikke:

advokat → KI

men:

advokat + støttearbeid → advokat med KI som forsterkning.

Det ubehagelige juniorproblemet

Men denne konklusjonen har en ubehagelig konsekvens.

Mange av oppgavene vi automatiserer, er nettopp dem unge fagpersoner tradisjonelt har utført.

Lage et førsteutkast.

Oppsummere en sak.

Søke etter rettspraksis.

Sammenligne dokumenter.

Ordne fakta.

Lage tidslinjer.

Fra et rent økonomisk perspektiv kan dette være oppgaver med lav verdi når de utføres av en erfaren advokat.

Men historisk hadde de også en annen funksjon:

de lærte en å bli advokat.

Her oppstår et viktig paradoks.

Hvis vi automatiserer alt juniorarbeidet fordi en senior med KI kan gjøre det raskere, kan vi øke dagens produktivitet kraftig og samtidig ødelegge mekanismen som utvikler fremtidens seniorer.

Det er ikke et argument mot automatisering.

Det er et argument for å utforme opplæringen bevisst.

Kanskje organisasjonene trenger færre juniorer for å levere samme resultat. Men de som ansettes, må lære på en annen måte og sannsynligvis ta på seg oppgaver på et høyere nivå langt tidligere.

Det kan fortsatt hende at vi ansetter

Jeg vil også gjøre én ting klart.

Jeg vet ikke om vi om tre måneder vil konkludere med at vi trenger å ansette en advokat til.

Arbeidsmengden kan øke.

Det kan vise seg at enkelte oppgaver ikke lar seg skalere så godt som det ser ut til nå.

Den mentale belastningen kan komme tilbake selv om vi har kontroll på timene.

Eller vi kan møte en usedvanlig dyktig person i morgen og konkludere med at kompetansen vedkommende tilfører, er langt mer verdt enn kostnaden.

Dette er ikke en artikkel om en endelig bemanningsbeslutning.

Det er en artikkel om hvordan spørsmålet har endret seg.

Før, når noen sluttet i avdelingen, var den nesten automatiske reaksjonen å lete etter en ny person.

Nå finnes det et mellomtrinn:

Hva gjorde egentlig denne personen?

Hva krever fortsatt faglig skjønn?

Hva kan forenkles?

Hva kan automatiseres?

Hva kan det eksisterende teamet håndtere med bedre verktøy?

Og hvilken menneskelig kapasitet mangler vi fortsatt etter dette?

Først da vet vi hva vi trenger å ansette noen til.

Fra organisasjonskart til systemer for kapasitet

Kanskje dette er en av de mest grunnleggende organisatoriske endringene.

Tradisjonelt tenker vi i stillinger:

advokat, administrasjonsmedarbeider, regnskapsfører, assistent, programmerer.

KI tvinger oss til først å tenke i kapasitet og oppgaver.

En avdeling trenger en viss kapasitet innen juridisk analyse, dokumenthåndtering, klientkommunikasjon, oversettelse, informasjonsinnhenting, fakturering, administrasjon og koordinering.

Inntil ganske nylig måtte nesten all denne kapasiteten leveres av et menneske.

Nå kan den fordeles mellom:

mennesker + vanlig programvare + automatisering + KI-modeller + agenter.

Organisasjonskartet beskriver ikke lenger fullt ut hvordan organisasjonen fungerer.

KI kan komme inn i virksomheter uten at noen beslutter å «innføre KI»

Dette er sannsynligvis det aspektet ved erfaringen vår som interesserer meg mest.

Vi holdt ikke et strategimøte om å redusere bemanningen ved hjelp av kunstig intelligens.

Vi leide ikke inn konsulenter.

Vi satte ikke noe mål om å spare personalkostnader.

Vi fikk et problem.

En person sluttet.

Vi fant ikke umiddelbart den vi ønsket å ansette.

Arbeidet fortsatte å komme.

Vi omorganiserte oss.

Vi tok i bruk en teknologi vi allerede hadde, i større omfang.

Og i alle fall foreløpig har vi oppdaget at systemet fortsatt fungerer med færre mennesker.

KI kom inn gjennom tomrommet etter en stilling som ble ledig.

Jeg tror en stor del av virkningen på små og mellomstore organisasjoner kan oppstå akkurat slik.

Ikke gjennom store kunngjøringer om automatisering.

Gjennom hundrevis av små og helt rasjonelle beslutninger:

«La oss vente før vi ansetter.»

«La oss først prøve å omorganisere dette.»

«Det forberedende arbeidet krever ikke så mange timer lenger.»

«Kanskje vi ikke trenger den samme kompetanseprofilen.»

Hver for seg virker de ubetydelige.

Multiplisert med millioner av bedrifter over flere år kan de endre arbeidsmarkedet fullstendig.

SIGNALET

Vi spør gjerne hvor mange arbeidsplasser kunstig intelligens kommer til å ødelegge.

Kanskje det ikke er det beste spørsmålet.

Et mer interessant spørsmål kan være:

Hvor mange av stillingene som finnes i dag, vil bli opprettet på nytt når de blir ledige?

Vårt lille eksperiment kan ikke gi svaret.

Men for to uker siden trodde vi at vi måtte ansette noen.

I dag er vi ikke lenger så sikre.

Og denne tvilen, gjentatt i det stille i millioner av bedrifter, kan ende opp med å bli langt viktigere for arbeidsmarkedet enn noen spektakulær kunngjøring om maskiner som erstatter arbeidstakere.