AI & automation29 juni 2026Uppdaterad 5 augusti 2026

AI och produktivitet: vad som är mätt, och varför självskattningar inte duger

Den bästa studien visar 15 procent fler lösta ärenden per timme. Den enda randomiserade studien på erfarna yrkesmänniskor visar 19 procent långsammare. Båda är riktiga. Skillnaden mellan dem är det viktigaste ett företag kan förstå innan det köper AI.

Hugo Hansson Lindberg och Leo Segerdahl5 min läsning

Det viktigaste

I den peer-reviewade studien på 5 172 kundtjänstmedarbetare steg produktiviteten 15 procent i snitt, men 36 procent för den svagaste femtedelen och inte alls för de skickligaste, som dessutom fick en liten kvalitetsförsämring.
I ett randomiserat försök tog uppgifterna 19 procent längre tid med AI för erfarna utvecklare, samtidigt som de själva trodde att de blivit 20 procent snabbare. Det är ett gap på 39 procentenheter mellan känsla och klocka.
Kopplat till danska registerdata för 25 000 arbetstagare rapporterar användarna ungefär 3 procents tidsbesparing, och forskarna finner nolleffekter på löner och arbetstimmar.
Vinsten ligger i repetitivt, väldefinierat arbete som en ny medarbetare skulle kunna göra med rätt underlag framför sig. Den ligger inte i att göra er bästa arbetsledare snabbare.

Det skrivs mycket om AI och produktivitet, och det mesta är inte mätt. Vi gick till studierna som faktiskt mätte något, och de svarar inte i kör. Två av dem pekar åt rakt motsatt håll, och det är just därför de tillsammans säger något användbart.

Den starkaste positiva studien

+15 %

Peer-review

fler lösta ärenden per timme med en AI-assistent, i snitt över 5 172 kundtjänstmedarbetare. Publicerad i Quarterly Journal of Economics 2025, alltså kollegialt granskad.

Källa: Generative AI at Work

Snittet döljer dock hela poängen. Effekten är extremt ojämnt fördelad, och forskarna säger det själva i sammanfattningen.

+36 %

Peer-review

för den femtedel av medarbetarna som presterade sämst innan. För de mest erfarna och skickligaste fanns ingen signifikant produktivitetsvinst alls, och en liten men statistiskt säkerställd försämring av lösningsgrad och kundnöjdhet.

Källa: Generative AI at Work

Den starkaste motstudien

19 % långsammare

Branschrapport

blev erfarna utvecklare när de fick använda AI-verktyg i sina egna kodbaser, i ett randomiserat försök. De hade i förväg gissat att de skulle bli 24 procent snabbare, och efteråt trodde de att de blivit 20 procent snabbare.

Källa: Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity

Det är det enskilt viktigaste resultatet i hela den här litteraturen, och det handlar inte om AI. Det handlar om mätning. Deltagarna satt med ett stoppur på uppgifter de själva valt, och de tog ändå fel på sin egen hastighet med 39 procentenheter, i den smickrande riktningen.

Varför de två studierna säger olika saker

Där AI mäter stort

Oerfarna människor, hög volym, repetitiva uppgifter med ett dokumenterat rätt svar. AI:n sprider i praktiken den bästes kunnande till alla andra. Det är också vad forskarna bakom kundtjänststudien föreslår som mekanism.

Där AI mäter noll

Erfarna människor i system de redan kan utantill, med uppgifter som kräver omdöme. Där kostar det mer tid att formulera, granska och rätta än det sparar. Ett förregistrerat försök med 758 konsulter visar samma sak från andra hållet: stora vinster på uppgifter innanför modellens förmåga, sämre resultat på en uppgift medvetet vald utanför den.

Vad det betyder i praktiken

Frågan är aldrig hur mycket snabbare AI gör er. Frågan är hur stor del av er kostnad som sitter i arbete en kompetent nyanställd skulle klara om företagets kunnande låg framme. I bygg och fastighet är det offerter, ÄTA-hantering, dokumentpaket, fakturamatchning och anbudsgranskning. Det är inte arbetsledarens omdöme.

Vad som händer när man mäter i registerdata

~3 %

Branschrapport

av arbetstiden rapporterar användarna att de sparar, i den enda studien som kopplar AI-användning till nationella registerdata: 25 000 arbetstagare på 7 000 arbetsplatser i elva utsatta yrken i Danmark. Forskarna finner nolleffekter på löner och registrerade arbetstimmar och utesluter effekter större än 2 procent.

Källa: Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI

Förklaringen ligger i samma studie: 85 procent av användarna uppger att de lägger den sparade tiden på andra arbetsuppgifter, medan under 10 procent tar mer paus. Tid som sparas försvinner alltså inte ur lönekostnaden, den flyttas. Det är inte ett argument mot automation, men det är ett argument mot att räkna hem den som personalminskning.

Samma studie pekar också ut vad som faktiskt skiljer. På arbetsplatser som kombinerar uppmuntran, egna verktyg och utbildning har 93 procent använt AI-chattbottar och 28 procent gör det dagligen, mot ungefär 41 procent där arbetsgivaren inte gör någonting. Det är organisationen som avgör, inte modellen.

Klarna, hela historien

Klarna är det svenska exemplet alla känner till, och det brukar berättas till hälften. Här är båda halvorna.

Februari 2024 och vad som hände sedan

Vad Klarna sa 2024

Assistenten hanterade 2,3 miljoner samtal, två tredjedelar av kundtjänstchatten, under sin första månad. Klarna skrev att den utför arbete motsvarande 700 heltidsagenter och att ärenden löstes på under 2 minuter mot 11 tidigare. Orden motsvarande och uppskattad står i originalet och bör följa med.

Vad som kom fram sedan

I maj 2025 sa Sebastian Siemiatkowski att kostnad blivit en alltför dominerande utvärderingsfaktor och att resultatet blev lägre kvalitet, och Klarna började testa mänsklig support på frilansbasis. Berättelsen om en helomvändning är däremot överdriven: piloten omfattade två agenter, Klarna sa sig fortfarande vara AI-först, och i sin årsredovisning för 2025 uppger bolaget att AI hanterade 80 procent av chattarna. Uppskattningen på 700 agenter vilar fortfarande på 2024 års data.

Vad det betyder för er

Slutsatsen av allt det här är obekväm för branschen vi själva jobbar i: nästan varje siffra om sparade timmar som ni ser i marknadsföring är självrapporterad, och självrapporterade tidsbesparingar är systematiskt uppblåsta. Det gäller enkäter, det gäller pressmeddelanden, och det gäller kundcase, inklusive våra egna om vi inte mäter.

Vinsten är alltså inte magi och inte 80 procent av arbetsveckan. Den är timmar tillbaka i ett avgränsat flöde, jämnare kvalitet, och förmågan att växa utan att administrationen växer i samma takt. Det räcker gott för att räkna hem, om ni mäter det.

Källor

Varje siffra går att följa till primärkällan nedan. Vi skriver också ut vad källan faktiskt mäter och var den är svag, eftersom det avgör hur mycket den tål att luta sig mot.

Så granskade vi siffrorna

Senast granskad augusti 2026

påståenden kontrollerade mot primärkällan: 17påståenden kontrollerade mot primärkällan
rättade eller preciserade efter granskning: 7rättade eller preciserade efter granskning
strukna, källan höll inte vid kontroll: 3strukna, källan höll inte vid kontroll

Vi strök påståendet att småföretag sparar 5 till 10 timmar i veckan. Källan säger 5,6 timmar i snitt, och den övre gränsen på 10 finns inte i undersökningen. Vi strök också en siffra om att Klarnas assistent motsvarar 853 heltidsagenter: den förekommer inte i någon av Klarnas rapporter till SEC, som konsekvent skriver över 700. Och vi tog bort McKinseys uppskattning av var värdet finns som stöd för att värdet har uppstått, eftersom den är en modellerad potential från 2023 och inte en mätning.

Generative AI at Work
Brynjolfsson, Li & Raymond, Quarterly Journal of Economics 140(2) · 2025
Peer-review
Den publicerade versionen anger 15 procent över 5 172 medarbetare och ersätter arbetsutkastet från 2023 som angav 14 procent över 5 179. Ett bolag, ett yrke, GPT-3-baserat verktyg, utrullning hösten 2020 till vintern 2021.
Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity
Becker m.fl., METR, arXiv:2507.09089 · 2025
Branschrapport
16 utvecklare, 246 uppgifter, 95-procentigt konfidensintervall plus 2 till plus 39 procent. Förhandspublicering utan kollegial granskning. METR flaggar själva resultatet som daterat och rapporterade i februari 2026 att en uppföljning inte längre gick att mäta, eftersom 30 till 50 procent av utvecklarna avstod från att lämna in uppgifter de inte ville göra utan AI.
Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI
Humlum & Vestergaard, NBER Working Paper 33777 · 2026
Branschrapport
Reviderad mars 2026, tidigare titel Large Language Models, Small Labor Market Effects. NBER-utkast är uttryckligen inte kollegialt granskade. Enbart Danmark, elva förvalda utsatta yrken, registerdata till och med december 2024. Tidsbesparingen är självrapporterad, nolleffekterna är uppmätta.
Navigating the Jagged Technological Frontier
Dell'Acqua m.fl., Organization Science 37(2) · 2026
Peer-review
Förregistrerat fältexperiment med 758 konsulter. Resultatet utanför förmågegränsen vilar på en enda uppgift som medvetet konstruerats för att modellen inte skulle klara den, så det visar att gränsen finns, inte hur ofta man hamnar utanför den. Experimentet kördes på GPT-4 under 2023.
Klarna AI assistant handles two-thirds of customer service chats in its first month
Klarna · 2024
Företagets egna siffror
Klarnas eget pressmeddelande om en produkt byggd med OpenAI, utan metodbeskrivning, kontrollgrupp eller extern granskning, och baserat på en månads drift. Klarnas senare SEC-inlämningar anger 12 minuter som mänsklig baslinje i stället för 11, och 39 miljoner dollar i kostnadsbesparing i stället för 40 miljoner i resultatförbättring.
Annual Report on Form 20-F, räkenskapsåret 2025
Klarna Group plc, SEC · 2026
Officiell statistik
Reviderad årsredovisning, alltså den starkaste källan i den här studien. Justerat rörelseresultat är ett mått utanför IFRS som Klarna själva definierar. Uppskattningen om över 700 agenter bygger fortfarande på 2024 års data och har inte uppdaterats på två år.
Klarna's CEO said the company is planning to hire humans again after AI took over
Fortune · 2025
Granskande journalistik
Refererar en Bloomberg-intervju som vi inte kunnat öppna i original, så citaten är återgivna i andra hand. Klarna uppgav samtidigt att bolaget fortfarande var AI-först.
The economic opportunity of AI in Sweden
Implement Consulting Group, på uppdrag av Google · 2024
Branschrapport
Beställd av Google. De 500 till 550 miljarderna är ett toppårsscenario ungefär tio år fram och villkorat av bred spridning. Rapportens eget lågscenario, vid fem års fördröjning, är 90 till 110 miljarder. Modellerad potential, inte mätning.
Small Business AI Outlook Report
Business.com · 2026
Enkät
1 009 självrapporterande svarande via en amerikansk webbpanel. Snittet är 5,6 timmar i veckan, 7,2 för chefer och 3,4 för medarbetare. Vi citerade tidigare 5 till 10 timmar, vilket inte finns i källan.

Alla studier

Fler studier

Atlas AI · Studie

AI & automation

Då vs nu: vad AI faktiskt klarar, och vad siffrorna inte säger

Priset rasade, förmågan exploderade, användningen växte. Allt tre stämmer. Men nästan varje siffra som citeras mäter modellen, inte vad ett företag faktiskt fick ut. Här är båda halvorna, med källorna kontrollerade mot originalet.

5 min läsningLäs