KI og ansettelseseffektivitet: Hva investorer bør vite

Kunstig intelligens blir ofte fremstilt som en måte å utføre mer arbeid med færre ansatte på. Denne innrammingen overser en annen mulighet: å hjelpe bedrifter med å ha riktig antall ansatte etter hvert som etterspørselen endres. Å ansette for aggressivt kan øke kostnadene. Å ansette for forsiktig kan føre til at kunder må vente, forsinke produktutviklingen og gi konkurrentene veksten.

En studie av Kai Xing og kolleger, «Kunstig intelligens og effektivitet i arbeidskraftinvesteringer: evidens fra amerikanske selskaper», undersøker denne mindre synlige siden ved kunstig intelligens’ forretningsverdi.¹ Studien ble publisert som en forhåndsversjon av en tidsskriftartikkel i Journal of International Money and Finance, og viser at selskaper som tar i bruk kunstig intelligens, har en tendens til å ha mindre avvik mellom faktisk ansettelse og ansettelsesnivået som de økonomiske forholdene tilsier.

For investorer strekker implikasjonen seg utover lønnskostnadsbesparelser. KI‑utgifter kan fortjene nærmere gransking som en investering i organisasjonens responsivitet. Muligheten ligger i å koble bedre informasjon til bedre beslutninger, samtidig som man erkjenner at å ta i bruk teknologi og realisere dens fordeler er separate prestasjoner.

Hva KI‑ansettelseseffektivitet faktisk måler

Forskerne analyserer 36 078 firma‑år‑observasjoner fra 5 843 amerikanske børsnoterte selskaper fra 2004 til 2020. Finansinstitusjoner og energiselskaper er ekskludert fordi deres regulatoriske miljøer og regnskapsstrukturer avviker fra andre virksomheter.

Studien estimerer forventet nettoansettelse ved hjelp av forretningsfundamenter, inkludert salgsvekst, lønnsomhet, aksjekursavkastning, selskapets størrelse og likviditet. Deretter måler den hvor langt faktisk ansettelse avviker fra dette referansepunktet. Mindre avvik indikerer høyere arbeidsinvesteringseffektivitet.

Dette skillet er viktig. Effektivitet betyr ikke automatisk å redusere antall ansatte. Et selskap som trenger ingeniører for å støtte økende etterspørsel kan forbedre sin målte effektivitet ved å ansette flere. Et annet selskap som rekrutterer før bærekraftig salgsvekst kan forbedre seg ved å bremse rekrutteringen.

Målingen fastslår heller ikke direkte ansattes produktivitet, kundetilfredshet eller jobbkvalitet. Den beskriver hvor nært nettoansettelse samsvarer med et statistisk estimat. Dette estimatet gir en nyttig sammenligning mellom selskaper, men kan ikke fange opp alle strategiske grunner til at en virksomhet midlertidig opprettholder overkapasitet.

For eksempel kan ansettelse av spesialister før en produktlansering fremstå som overdreven i forhold til nåværende salg, men likevel være kommersielt fornuftig. Investorer bør derfor betrakte funnene som bevis på bemanningsjustering, snarere enn en formel for den ideelle arbeidsstyrken.

Hva studien finner om KI og bemanning

Hovedanalysen identifiserer KI‑tilknyttede selskaper gjennom medlemskap i KI‑temaet børsnoterte fond. Forfatterne tolker dette som markedsanerkjent KI‑eksponering, snarere enn en direkte måling av implementering i hvert selskap. Ytterligere tester bruker KI‑relaterte arbeidsstyrke‑ og patentindikatorer.

På tvers av disse tilnærmingene støtter resultatene generelt en positiv sammenheng mellom KI‑eksponering og arbeidsinvesteringseffektivitet. Forholdet omfatter både overansettelse og underansettelse, noe som tyder på at den relevante fordelen handler om justering snarere enn en ensartet preferanse for mindre arbeidsstyrker.

Forfatterne finner også positive sammenhenger med lønnsomhet og markedsverdi. Disse resultatene styrker artikkelens relevans for investorer, selv om de ikke fastslår at KI alene forårsaket disse resultatene.

Hvorfor bedre bemanning kan skape forretningsverdi

Tenk deg en hypotetisk tjenestebedrift som møter uforutsigbar etterspørsel. Uten pålitelig informasjon kan ledere veksle mellom å ansette for sent og å beholde kapasitet etter at etterspørselen avtar. Kunder opplever forsinkelser i travle perioder, mens roligere perioder får selskapet til å bære unødvendige kostnader.

KI kan hjelpe med å forutsi kommende arbeid, identifisere gjentakende flaskehalser og skille midlertidige pådriv fra varig vekst. Ledere kan deretter justere tidsplaner, omplassere ansatte eller rekruttere spesifikke ferdigheter før tjenesten forverres.

Dette er en operasjonell tolkning av funnene, snarere enn en mekanisme som er bevist av studien. Verdien er at den utvider investeringsspørsmålet. I stedet for kun å spørre hvor mange stillinger automatisering eliminerer, kan investorer spørre om virksomheten responderer mer effektivt på endrede forhold.

Den samme logikken gjelder også utenfor kontorarbeidsflyter. Ny rapport fra Securities.io om AI-produktivitetsgevinster i landbruket utforsker hvordan bedre ressursallokering kan skape verdi i fysiske industrier. Arbeidskraft er en annen ressurs hvis timing og distribusjon påvirker kommersielle resultater.

Arbeidsstyrkeforstyrrelser kan svekke AI-avkastning

Implementering av teknologi medfører egne tilpasningskostnader. Ansatte må lære seg nye systemer, ansvarsområder kan endres, og ledere må avgjøre når automatiserte anbefalinger krever menneskelig gjennomgang. Produktiviteten kan lide mens disse endringene pågår.

Artikkelen finner et motvirkende mønster knyttet til variabelen for arbeidsstyrkens turnover. Imidlertid måler den indikatoren endringer i sysselsetting i forhold til arbeidsstyrkens størrelse. Den bør ikke tolkes som en direkte måling av oppsigelser, beholdning eller ansattes misnøye.

Selv med denne begrensningen reiser funnet et nyttig ledelsesspørsmål: hvor mye forstyrrelse følger med overgangen? Et selskap kan automatisere rutineoppgaver med suksess, men samtidig miste verdifull institusjonell kunnskap gjennom dårlig planlagt omstrukturering.

Den bekymringen knytter seg til Securities.io sin undersøkelse av ansatt-tillit og automatiserings-ROI. En troverdig implementeringsstrategi krever at ansatte forstår endrede ansvarsområder og bidrar med informasjon om hvor systemene svikter.

Om‑ og videreopplæring påvirker også om frigjort kapasitet blir nyttig kapasitet. Å spare ansatte flere timer skaper ikke automatisk ekstra inntekter. Bedrifter trenger en praktisk plan for å omdirigere den tiden til kundeservice, produktutvikling eller annet verdifullt arbeid.

Hvorfor finansiell fleksibilitet er viktig for AI‑adopsjon

Sammenhengen mellom AI og bemannings‑effektivitet er sterkere i selskaper med høyere innovasjonskapasitet og finansiell fleksibilitet. Det antyder at komplementære ressurser fortjener oppmerksomhet ved siden av selve teknologien.

Implementeringer kan kreve datarensing, integrasjon, opplæring og prosessomforming før fordelene materialiseres. Selskaper med sterkere kontantposisjon kan ha bedre mulighet til å finansiere overgangen uten å avbryte den i et vanskelig kvartal.

Studien rapporterer også en sterkere AI‑effektivitets‑sammenheng under strammere internasjonale finansforhold og økt utenlandsk etterspørsel etter amerikanske eiendeler. Dette er historiske sammenhenger, ikke prognoser for hvordan den neste finansieringssyklusen vil utvikle seg.

En praktisk konklusjon er at investorer bør vurdere om et selskap kan opprettholde implementeringskostnader gjennom usikkerhet. Å kjøpe programvare er enklere enn å finansiere de organisatoriske endringene som gjør den effektiv.

Hvordan investorer kan evaluere AI‑forretningsfordeler

Funnene antyder en mer nyttig evalueringsramme enn bare å telle AI‑kunngjøringer eller sammenligne bemanning før og etter implementering. Investorer bør lete etter bevis på at driftsforbedringer overlever utover demonstrasjonsfasen.

• Tilpasser bemanningen seg etterspørselen mens tjenestekvaliteten forblir stabil?
• Måles rapporterte fordeler etter implementering og driftskostnader?
• Kan ansatte bruke frigjort kapasitet til arbeid som forbedrer forretningsresultatene?

Disse spørsmålene hjelper også med å skille leverandørens evner fra kundens resultater. Et produkt kan fungere bra i en kontrollert arbeidsflyt, men levere begrenset verdi i en fragmentert virksomhet.

Moderne implementeringer involverer i økende grad koordinering av systemer i stedet for å generere isolerte svar. ServiceNow sin diskusjon i mars 2026 om bedrifts‑AI‑benchmarking beskriver evaluering av modeller mot forretningsforhold, inkludert dokumentbehandling og arbeidsflytkjøring. Slike tester er relevante fordi kostnaden for unntak og menneskelig inngripen kan avgjøre om tilsynelatende effektivitet blir økonomisk verdi.

ServiceNow gir eksponering mot AI‑arbeidsflytautomatisering

For investorer som er interessert i selskaper som utvikler denne infrastrukturen, gir ServiceNow et relevant eksempel. Plattformen kobler sammen bedriftsarbeidsflyter, data og automatiserte handlinger, og plasserer den nær de operative beslutningene som AI kan endre arbeidskraftbehovene gjennom.

I mai 2026 utvidet selskapet sin autonome arbeidsstyrke på tvers av forretningsfunksjoner, og introduserte AI‑spesialister for IT, kundehåndtering, ansatt‑tjenester samt sikkerhet og risiko. Disse tilbudene er designet for å utføre prosesser innen definerte tillatelser og styringskontroller.

En juli‑kunngjøring som beskriver Leidos’ utvidet AI-arbeidsflytimplementering gir et moderne eksempel på bedriftsbehov. De oppgitte målene inkluderer forbedring av ansattjenester, utvidelse av IT‑selvbetjening og sentralisering av AI‑styring. Dette er implementeringsmål, ikke uavhengig verifisert bevis på oppnådde besparelser.

Investeringssammenhengen er enkel: Bedrifter som ønsker å koordinere menneskelig og automatisert arbeid kan trenge plattformer som integrerer utførelse med tilsyn. ServiceNow deltar i dette markedet. Attraktiviteten som investering avhenger fortsatt av verdivurdering, konkurranse, implementeringskostnader og om kundene fornyer og utvider sine utgifter.

AI‑s bemanningsfordeler trenger bedre bevis

Studiets historiske utvalg avsluttes i 2020, før dagens generative AI‑boom. Resultatene kan derfor ikke fastslå effektene av nåværende AI‑agenter eller bekrefte påstander fra noen spesifikke leverandører.

Likevel gir den en nyttig retning for å vurdere AI‑s økonomiske rolle. Bedrifter kan oppnå verdi når teknologien hjelper dem med å unngå både utilstrekkelig kapasitet og unødvendig ekspansjon. Investorer bør søke bevis på at bedre bemanningsbeslutninger omsetter seg i varig service, lønnsomhet og vekst, samtidig som kostnadene for å oppnå dette tas i betraktning.

Referanser:

¹ Xing, K., Xiong, K., Xiao, F. og Zhang, H. (2026). «Kunstig intelligens og effektivitet i arbeidskraftinvesteringer: evidens fra amerikanske selskaper». Journal of International Money and Finance. Publisert på nett før trykking. https://doi.org/10.1016/j.jimonfin.2026.103684