Produktivitetsgevinster fra KI: Dette bør investorer følge med på

Kunstig intelligens kan hjelpe bedrifter med å produsere mer med ressursene de allerede har. Om disse gevinstene fører til høyere lønninger, større overskudd eller lavere priser, avhenger av beslutninger som går langt utover selve teknologien.

En global studie av økonomen Swapnanil SenGupta, publisert i Technological Forecasting and Social Change, undersøker dette ujevne forholdet.¹ Studien omfatter 69 783 børsnoterte selskaper i 83 land fra 2004 til og med 2023, og viser en sammenheng mellom økt offentlig interesse for KI og høyere produktivitet. Lønnsutviklingen varierer imidlertid mellom avanserte økonomier og utviklingsøkonomier.

For investorer gir funnene grunnlag for en nyttig diskusjon om hvordan teknologiske framskritt blir til forretningsverdi. Produktivitet skaper en mulighet. Konkurranse, implementeringskostnader, arbeidsstyrkens kompetanse og kundeetterspørsel er med på å avgjøre hvem som til slutt får fordelene.

Hva studien måler om KI og lønn

Studien måler interessen for KI ved hjelp av Google Trends-søk etter kunstig intelligens som fagfelt. Dette viser hvor fremtredende KI blir i informasjonsbildet i et land. Det fastslår ikke om enkeltbedrifter har installert KI-systemer, eller hvor intensivt de ansatte bruker dem.

Dette skillet er avgjørende. Ledere kan revurdere ansettelser, opplæring eller investeringer når forventningene til en teknologi endrer seg. Arbeidstakere kan på sin side vurdere på nytt hvilke ferdigheter de bør utvikle. Slike reaksjoner kan komme samtidig med innføringen av teknologien, noe som gjør det vanskelig å skille bidragene deres fra hverandre.

Lønnsmålet må også tolkes med varsomhet. Det viser bedriftenes gjennomsnittlige utgifter til lønn og godtgjørelser per ansatt. Endringer kan gjenspeile sammensetningen av arbeidsstyrken, i tillegg til lønnsnivået. Flere nyansatte på juniornivå kan for eksempel redusere gjennomsnittsutgiftene uten at eksisterende ansatte får lønnskutt.

Analysen beskriver derfor sammenhenger mellom interessen for KI og selskapsresultater. Den kan ikke vise at økt søkeinteresse i seg selv fører til endringer i arbeidstakernes lønn.

Produktivitets- og lønnseffekter av KI varierer mellom økonomier

Blant børsnoterte selskaper i avanserte økonomier er større interesse for KI forbundet med lavere gjennomsnittslønn, høyere arbeidsproduktivitet og høyere totalfaktorproduktivitet. Arbeidsproduktivitet beskriver produksjonen sett i forhold til arbeidsinnsatsen. Totalfaktorproduktivitet forsøker å fange opp effektivitetsgevinster utover endringer i målte innsatsfaktorer som arbeid og kapital.

Børsnoterte selskaper i framvoksende markeder og utviklingsøkonomier har et annet lønnsmønster: De opplever først lønnsvekst, men denne avtar over tid, samtidig som produktiviteten øker.

Én mulig tolkning er at bedrifter i avanserte økonomier møter sterkere forventninger om automatisering og kostnadskontroll. Børsnoterte selskaper i utviklingsøkonomier kan i første omgang ha behov for mer kompetanse, opplæring og organisatorisk kapasitet. Studien drøfter disse forklaringene, men fastslår dem ikke som dokumenterte mekanismer.

Utvalget av selskaper fra utviklingsøkonomier er dessuten selektivt. Børsnoterte selskaper skiller seg betydelig fra uformelle virksomheter og små, unoterte foretak. Resultatene deres bør ikke betraktes som representative for hele arbeidsstyrken i landene.

Hvorfor høyere produktivitet ikke garanterer større overskudd

Vurderingen av investeringsmulighetene begynner med et skille mellom å skape økonomisk verdi og å beholde den.

Se for deg en hypotetisk bedrift som bruker KI til å redusere tiden det tar å behandle kundeordrer. Raskere behandling frigjør kapasitet. Overskuddet øker bare hvis bedriften utnytter denne kapasiteten produktivt, og gevinsten overstiger kostnadene til programvare, integrering, oppfølging og opplæring.

Konkurransen kan omfordele gevinstene. Hvis konkurrerende bedrifter tar i bruk lignende verktøy, kan kundene kreve lavere priser. Bransjen blir mer effektiv, mens de enkelte selskapene sitter igjen med lite ekstra overskudd. Alternativt kan det hende at arbeidstakere med etterspurt teknisk kompetanse eller mektige programvareleverandører tar en del av gevinstene gjennom høyere lønn eller avgifter.

Dette er økonomiske muligheter, ikke resultater som studien har påvist. De forklarer hvorfor investorer bør undersøke hvordan et selskap konkurrerer før de omsetter en kunngjøring om økt produktivitet fra KI i en resultatprognose.

En virksomhet med særpregede produkter, sterke kunderelasjoner eller prosesser som er vanskelige å kopiere, kan ha bedre muligheter til å beholde verdier. Likevel kan aksjekursen allerede gjenspeile høye forventninger.

Slik omsettes tidsbesparelser fra KI til økonomisk avkastning

En annen utfordring er å omsette spart tid i målbare kommersielle resultater.

Et verktøy kan spare de ansatte for en time hver dag uten at de samlede lønnskostnadene endres. Det kan likevel være verdifullt hvis de ansatte løser flere kundeproblemer, forbedrer produkter eller bidrar til å møte økende etterspørsel. Den økonomiske gevinsten avhenger av hva som skjer videre.

En studie fra 2026 av bedriftsledere gir relevant bakgrunn. Studien bygger på svar fra nesten 750 bedriftsledere og viser at opplevde produktivitetsforbedringer er større enn de målte gevinstene. Det kan skyldes at det tar tid før fordelene viser seg i inntektene. Studien finner også få tegn til en samlet nedgang i sysselsettingen på kort sikt, selv om forventningene til arbeidsstyrken varierer mellom virksomhetene.

Dette tyder på at investorer bør skille mellom forbedringer i enkeltoppgaver og forbedringer i virksomheten. Raskere utarbeiding av utkast eller analyser er et mellomresultat. Bedre kundelojalitet, økt salg eller lavere kostnader etter implementering gir sterkere tegn på økonomisk verdi.

Securities.ios nylige omtale av KI og effektivitet i rekrutteringen utforsker en beslektet mulighet: å tilpasse bemanningen til etterspørselen. Økt effektivitet kan innebære å bygge ut kapasiteten der kundene trenger det, samtidig som unødvendige utgifter begrenses.

Investeringer i arbeidsstyrken kan bidra til varig avkastning fra KI

Lønnsspriket i SenGuptas artikkel reiser også spørsmål om hvor varige gevinstene er. Lavere gjennomsnittlige arbeidskraftkostnader kan bedre de kortsiktige økonomiske resultatene, men det viser ikke i seg selv at virksomheten har utviklet en sterkere driftsmodell.

De ansatte kjenner ofte til unntak, kundepreferanser og driftsbegrensninger som det er vanskelig å fange opp i programvare. Virksomhetene trenger denne kunnskapen når de skal avgjøre hvor automatisering fungerer, og når menneskelig skjønn fortsatt er nødvendig.

Opplæring kan hjelpe de ansatte med å bruke den økte kapasiteten effektivt. Tydelig ansvarsfordeling og pålitelige rutiner for eskalering kan hindre at raskere prosesser fører til kostbare feil. Dette henger sammen med Securities.ios gjennomgang av ansattes tillit og avkastning fra automatisering.

Nyttige spørsmål for investorer er blant annet:

• Måles de rapporterte besparelsene etter at implementerings- og driftskostnadene er trukket fra?
• Holder tjenestekvaliteten seg stabil når produksjonen per ansatt øker?
• Kan ledelsen forklare hvordan den sparte tiden bidrar til inntekter eller kontantstrøm?

Svar som underbygges av konsistente driftsmålinger, gir mer informasjon enn generelle løfter om omstilling.

Accenture gir eksponering mot implementering av KI i større virksomheter

Behovet for å koble teknologi til praktiske forretningsprosesser skaper muligheter for selskaper som hjelper større virksomheter med å ta i bruk KI. Accenture er et relevant eksempel gjennom arbeidet sitt med teknologiintegrasjon, data, organisatorisk endring og forretningsdrift.

Rollen selskapet har, henger direkte sammen med de supplerende investeringene som omtales i artikkelen. Virksomheter kan måtte klargjøre data, redesigne arbeidsflyter, lære opp ansatte og integrere systemer før KI gir pålitelige gevinster. Disse behovene skaper etterspørsel utover selve modellene.

Accentures resultater for regnskapsåret 2026 viste inntekter på 74,2 milliarder dollar og nye bestillinger på 84,5 milliarder dollar. Dette er tall for hele selskapet, ikke målinger av KI-inntekter eller bevis på at kundenes implementeringer har gitt positiv avkastning.

Investeringscaset har også motstridende drivkrefter. KI kan øke etterspørselen etter implementeringstjenester, samtidig som det kan redusere arbeidskraftbehovet i enkelte eksisterende oppgaver. Investorer bør undersøke om nye oppdrag, prismodeller og effektivisering av leveransene gir lønnsom vekst etter omstrukturerings- og investeringskostnader.

SenGuptas studie vurderer ikke Accenture spesifikt. Selskapet er relevant som aktør innen implementering i større virksomheter, mens investeringens attraktivitet avhenger av gjennomføringsevne, konkurranse og verdsettelse.

Siste nytt og utvikling for Accenture (ACN)

Vurdering av KI-gevinster utover overskriftene

Artikkelens historiske datagrunnlag går bare fram til 2023, noe som begrenser konklusjonene om dagens generative KI-systemer. De statistiske metodene gir dessuten svært ulike effektstørrelser, og forfatteren advarer mot å legge for stor vekt på de eksepsjonelt store estimatene basert på instrumentvariabler.

Likevel er hovedspørsmålet fortsatt nyttig: Hvordan samspiller produktivitetsforbedringer med lønn og organisatorisk tilpasning?

For investorer er neste steg å se etter dokumentasjon på selskapsnivå. Bedrifter som omsetter økt kapasitet i produkter som verdsettes og pålitelige tjenester, har en tydeligere vei til varig avkastning. KI utvider hva bedrifter kan få til; ledelsens beslutninger og markedsforholdene avgjør hvor mye av dette potensialet som kommer aksjonærer, arbeidstakere og kunder til gode.

Referanser:

¹ SenGupta, S. (2027). Effekter på bedriftsnivå av oppmerksomhet rundt KI på lønn og produktivitet: En global sammenlignende studie. Technological Forecasting and Social Change, 235, 124913. https://doi.org/10.1016/j.techfore.2026.124913