Modeller av framtidens arbetsmarknad

En hel del av de framtidsdiskussioner som vi deltar i handlar om framtidens arbetsmarknad. De är absolut centrala för hur vi utvecklas som samhälle, och just därför är det intressant att försöka locka fram de mentala modeller som ligger bakom de olika synsätten som vi råkar på. I det följande tänkte jag gå igenom dessa i sina idealtypiska former – och därför blir de också litet förenklade – men jag tänkte att det kan ha ett visst egenvärde att försöka visa hur olika de mentala modellerna i diskussionen faktiskt är.

Den första modellen, den kanske vanligaste, ser ut såhär: det finns människor som har jobb. Nu kommer maskiner som kommer att ta dessa jobb. I framtiden kommer det alltså inte att finnas jobb kvar åt människor. I en bild:

Screenshot 2019-10-16 at 12.20.18

Frågan blir då – automatiskt – vad ska människorna göra nu när robotarna tagit jobben? Där finns det två olika modeller också – en i vilken det kommer nya jobb som människorna kan göra:

Screenshot 2019-10-16 at 12.23.17

I denna modell är allt frid och fröjd. Nu arbetar människorna igen, och det stora problemet är hur man kan se till att de lär sig de nya jobben. Ofta tror vi att dessa nya jobb kommer att vara mer komplicerade, och frågeställningen ser ut ungefär såhär, förenklat: förut behövde vi en massa bagare, men nu kan maskiner baka bröd. nu behöver vi läkare istället och alla bagare kan inte bli läkare, så hur ska vi lösa det? Den som håller fast vid den här modellen måste lösa ett omfattande omställningsproblem där hela kompetenskorgar – jobb – måste bytas mot nya, förmodat mer avancerade och komplicerade jobb.

Den andra möjligheten är förstås att det inte kommer några nya jobb. Det här var vad som oroade bland annat Keynes:

Screenshot 2019-10-16 at 12.27.54.png

Vad gör vi nu? Dessa människor som inte har ett jobb – och Keynes trodde att de skulle förvandlas till en sorts avdankade aristokrater som spelade bridge och hade affärer – måst vi ju ta hand om. Nu blir problemet ett rent försörjningsproblem: hur försörjer vi en växande skara arbetslösa människor?

Sedan finns de de som har en mer högupplöst syn på problemet. De menar att jobb är fel analysenhet: vi måste istället konstatera att jobb består av olika arbetsuppgifter – och vissa av arbetsuppgifterna kan automatiseras, andra kan det inte. I framtiden delar vi alltså arbetsuppgifter med robotarna:

Screenshot 2019-10-16 at 12.34.31

Möjligen kan detta också låta oss hitta på nya arbetsuppgifter som vi inte gjorde tidigare alls. Här finns ett omställningsproblem, men framförallt ett innovationsproblem – hur använder vi den nu tillgängliggjorda mänskliga förmågan på bästa möjliga sätt? 

Det finns en variation på detta tema, som förekommer exempelvis i en del av schackmästaren Garry Kasparovs skrifter, och det är att vi kommer att smälta samman med robotarna, eftersom en människa och en maskin alltid slår en maskin. Vi kommer att bli kentaurer, eller cyborgs, och helt enkelt bli mycket bättre på det vi gör:

Screenshot 2019-10-16 at 12.39.58.png

Skillnaderna mellan IV och V kan tyckas små, och har egentligen mest att göra med hur man organiserar arbetsplatsen, men de är ändå intressanta att fundera kring. Om vi smälter samman alltmer med tekniken blir distinktionen mellan människa och maskin allt mindre intressant — frågan om robotarna kommer att ta ditt jobb, blir enkel att besvara: nej, men du kommer att bli en robot, också. Det intressanta med denna modell är den antagna uppdelningen mellan maskinautomation och mänsklig verksamhet blir mycket mindre intressant att fundera kring. I stället blir det möjligt att fråga vad vi kan göra nu, och vilka typer av kompetenser som behövs för att smälta samman med en robot. I schack, menar Kasparov, är det inte de bästa enskilda spelarna som blir de bästa cyborgspelarna, utan andra kvaliteter – som en expertis på maskinens svagheter – blir viktiga kärnkompetenser. I IV blir människor bättre på sånt bara människor kan, och uppdelningen mellan människa och maskin är strikt. I V måste människor utveckla en viss kompetens som handlar om just maskinen och sammansmältningen blir målet.

Sedan finns de de som menar att föreställningen om “jobb” är dömd att förlora i betydelse. För dem handlar framtiden om att organisera arbetsuppgifter och koordinera dem så att de blir till arbete som ger sådan avkastning att man kan leva på dem, och detta kommer man att göra med olika typer av intelligenta verktyg:

Screenshot 2019-10-16 at 12.47.52.png

I modell VI kan vi komplicera bilden ytterligare. I stället för den 1:1 relation som idag finns mellan arbetstagare och arbetsgivare, kan man tänka sig att en cyborg specialiserar sig på att göra en viss typ av arbetsuppgifter åt en stora mängd olika arbertsgivare. Då uppstår ett koordinationsproblem förstås, just det problem som ett jobb löser: hur kan man få stabilitet och förutsägbarhet i ekonomin om man lever i den s.k. gigekonomin? Här kan vi tänka oss en mängd olika svar, men ett exempel skulle vara att man litar till en tjänst som kombinerar arbetsuppgifter, arbetsgivare och schemaläggning på ett sådant sätt att du får förutsägbarhet och den arbetsbörda som du är bekväm med. Ett jobb går från att vara en statisk uppsättning arbetsuppgifter till att vara en dynamisk uppsättning arbetsuppgifter och relationer som lastbalanseras på samma sätt som exempelvis Internettrafik eller liknande. Här blir problemet att skapa den typen av tekniska, sociala och ekonomiska institutioner som kan bära atomiseringen av de klassiska jobben och bereda vägen för dynamiska jobb (djobb…?) istället. 

Olika modeller betyder alltså olika utmaningar och politiska problem, men också helt olika möjligheter och öppningar för en helt annat effektivitet i ekonomin.

*

Alla dessa modeller har det gemensamt att de gör antaganden om tillgången på arbetsuppgifter. Det är intressant att notera, eftersom det snuddar vid en fråga som jag diskuterat tidigare – och det är frågan om hur mycket arbete det finns. Jag tror fortfarande att mängden arbete är oändlig, men det är fullt möjligt att ha en avvikande åsikt. Jag tror också att den växande komplexiteten innebär att vi faktiskt måste utveckla automatiseringen och olika intelligenta verktyg så snabbt som möjligt, för att lösa de alltmer pressande problem vi ställs inför.