Stærke AI-kompetencer giver mere på lønkontoen

Hvilken type faglige færdigheder er der særligt brug for på et arbejdsmarked præget af teknologiske nybrud? Og hvordan kan den enkelte medarbejder tilegne sig nye kompetencer, som er særligt efterspurgte og i sidste ende bedre betalt?

Disse spørgsmål står i centrum for et nyt videnskabeligt studie, som har kortlagt og sat værdi på 962 arbejdsrelaterede færdigheder og deres indbyrdes relationer.

AI-kompetencer er et godt eksempel på en type færdigheder, som kan bruges i mange arbejdssammenhænge, og som det derfor giver ekstra værdi at besidde.

Studiet viser, at der er væsentlige forskelle i værdien af de konkrete faglige færdigheder. Særligt AI-relaterede kompetencer er markant bedre betalt end de fleste øvrige. I gennemsnit øger tilegnelsen af specifikke AI-færdigheder aflønningen med 21 procent.

”Den højere værdi denne type arbejde afspejler, at kunstig intelligens er inde i en rivende udvikling, og at kompetencer på området er efterspurgte. Men AI-kompetencer er også et godt eksempel på en type færdigheder, som kan bruges i mange arbejdssammenhænge, og som det derfor giver ekstra værdi at besidde,” siger Ole Teutloff fra Copenhagen Center for Social Data Science (SODAS) ved Københavns Universitet.

Sammen med Fabian Stephany fra University of Oxford står han bag kortlægningen, der netop er offentliggjort i det videnskabelige tidsskrift Research Policy.

I studiet bruger de to forskere data fra 50.000 freelancejobs, der er udbudt på en stor amerikansk onlineplatform i perioden 2014-2022. Da sådanne freelanceplatforme både angiver lønniveau og specificerer krav til kvalifikationer og færdigheder, er det med dataanalyser muligt at kortlægge de forskellige færdigheders indbyrdes relationer og værdi ned i detaljen.

Det gælder også de specielle AI-færdigheder: Her topper nye færdigheder knyttet til ’maskinlæring’ listen med en relativ ekstraværdi på 40 pct. Derefter følger en række andre AI-relaterede kompetencer som f.eks. kendskab til ’deep learning’ (27 %) ’dataanalyse’ (14 %) og programmer, der benyttes til kunstig intelligens, f.eks. Python (8 %) og Java (5 %).

Ekstraværdi af udvalgte AI-færdigheder

Kan guide valg af efteruddannelse

Mere generelt viser studiet, at værdien af en færdighed eller kompetence er markant højere, hvis den på frugtbar vis kan kombineres med færdigheder fra andre områder. Det er altså et plus, hvis man kan tilføre en helt anderledes, men efterspurgt færdighed til sin professionelle værktøjskasse.

F.eks. har specifikke færdigheder fra software- og techområdet generelt høj værdi for folk, der arbejder inden for marketing eller jura og finans. Der er tale om høj komplementaritet. Omvendt er ’fotoretouchering’ et eksempel på en smal færdighed, som er sværere at kombinere med andre kompetencer og derfor har mindre komplementaritet og værdi.

Når man er opmærksom på værdien af færdigheder, der komplementerer hinanden, kan vi bedre vejlede arbejdstagere i deres individuelle efteruddannelse eller omskoling.

Ifølge Fabian Stephany giver kortlægningen af sådanne sammenhænge ny viden om, hvordan den enkelte bedst kan udvikle sine færdigheder, så de matcher efterspørgslen på arbejdsmarkedet.

"Vores resultater har store konsekvenser for enkeltpersoner, virksomheder og beslutningstagere. Når man er opmærksom på værdien af færdigheder, der komplementerer hinanden, kan vi f.eks. bedre vejlede arbejdstagere i deres individuelle efteruddannelse eller omskoling," siger han.

Ifølge forskerne bag studiet er det her vigtigt at være opmærksom på, at data bygger på freelanceopgaver udbudt på en amerikansk onlineplatform, der ikke nødvendigvis altid afspejler en europæisk virkelighed eller den hverdag, som den fastansatte møder på sin arbejdsplads.

”Fastansatte vil ofte arbejde i teams og organisatoriske hierarkier, der også kræver en række blødere sociale færdigheder,” forklarer Ole Teutloff.

”Men når det gælder AI-færdigheder, vil jeg argumentere for, at de er ’hårde’ færdigheder, ligesom projekter, der slås op på arbejdsplatforme, godt kan omfatte meget komplekse arbejdsopgaver. Et projekt om maskinlæring behøver derfor ikke være meget forskelligt fra et projekt i en virksomhed, når vi taler om færdigheder. Så også her i Europa tror jeg, vi kan lære af undersøgelsen.”