Samma ekvation, tio gånger olika svar
Daron Acemoglu fick ekonomipriset till Alfred Nobels minne 2024. Philippe Aghion fick det 2025, tillsammans med Joel Mokyr och Peter Howitt, för att ha förklarat innovationsdriven tillväxt. Båda har räknat på vad artificiell intelligens gör med produktiviteten det närmaste decenniet. Båda använder samma formel.
Acemoglu landar på högst 0,66 procents ökning av den totala faktorproduktiviteten under tio år. Det motsvarar ungefär 0,07 procentenheter per år. Aghion och hans medförfattare Simon Bunel landar på 0,68 procentenheter per år som medianskattning. Tio gånger mer.
Det här är inte två läger som skriker förbi varandra. Det är två av världens skarpaste tillväxtekonomer som stoppar in olika siffror i samma ekvation. Och den ekvationen är förvånansvärt enkel.
Formeln du kan räkna på i huvudet
Acemoglus uppgiftsbaserade modell säger ungefär detta: produktivitetsvinsten är lika med hur stor andel av ekonomin som AI faktiskt påverkar, gånger hur mycket billigare varje sådan uppgift blir.
Tänk dig ett kontor. Om AI gör en femtedel av arbetsuppgifterna trettio procent billigare, blir hela kontoret ungefär sex procent mer produktivt. Inte mer. Resten av uppgifterna gör AI ingenting åt.
Acemoglu använder befintliga försöksstudier och kommer fram till att kostnadsbesparingen i genomsnitt ligger kring femton procent. Andelen uppgifter som lönsamt kan automatiseras på tio år uppskattar han till omkring fem procent av ekonomin. Multiplicera, och du får hans lilla tal.
Aghion och Bunel gör exakt samma multiplikation. Men de läser forskningslitteraturen annorlunda och sätter båda faktorerna högre. Där ligger hela skillnaden.
Tre antaganden som avgör allt
Det första är hur brett AI faktiskt biter. Acemoglu pekar på att de studier som visar stora vinster nästan alltid handlar om lätta uppgifter med tydliga rätt och fel. Kundtjänstsvar, enkel kod, standardtexter. De svåra uppgifterna saknar objektiva facit att lära sig av, och där tror han att vinsterna blir mycket mindre.
Det andra är om AI skapar helt nya uppgifter, eller bara gör gamla billigare. Acemoglu räknar medvetet inte in nya uppgifter. Aghion, vars livsverk handlar om skapande förstörelse, gör det. Om AI dessutom snabbar upp själva forskningen kan effekten bli mycket större, eftersom idéer föder idéer.
Det tredje är vad ekonomer kallar halvdan automatisering. En teknik som ersätter en människa men knappt gör jobbet bättre sänker lönekostnaden utan att höja produktiviteten nämnvärt. Automatiska kassor i mataffären är det klassiska exemplet. Acemoglu tror att mycket AI hamnar där. Aghion tror mindre på det.
Vad du inte kan lösa med data
Här kommer det obekväma. Den här oenigheten går inte att avgöra med dagens siffror, eftersom den nästan helt handlar om vad AI kommer att kunna göra i framtiden, inte om hur ekonomin fungerar.
Det syns tydligt om du zoomar ut. Ekonomernas prognoser samlas i ett band mellan ungefär 0,1 och 1,5 procentenheter per år. Amerikanska budgetkontoret CBO ligger på 0,1. Europeiska centralbanken på 0,29. OECD spänner mellan 0,25 och 1,3. Goldman Sachs på 1,5.
Sedan finns en helt annan grupp. Modeller som utgår från att AI blir en generell ersättare för mänskligt arbete landar på tvåsiffriga tal per år. Det är inte samma diskussion. Det är en annan premiss om tekniken, klädd i ekonomisk notation.
Vad du ska titta efter i stället
Det finns ändå ett test som kan avgöra saken, och det ligger på arbetsmarknaden snarare än i modellerna.
Om AI bara automatiserar de lätta uppgifterna borde lönerna falla för dem som skriver reklamtext och enkel kod, medan sjuksköterskor, lärare och elektriker behåller sitt värde. Då har Acemoglu rätt. Om lönegapen mellan yrken i stället börjar krympa brett, snabbare än omskolning kan förklara, då äter tekniken sig genom svårighetsgraderna fortare än skeptikerna trodde.
Det är ett falsifierbart kriterium, vilket är ovanligt i den här debatten. Hittills pekar svensk och nordisk data mest på en omfördelning mellan åldersgrupper snarare än ett brett produktivitetslyft. Vi har skrivit mer om vad forskningen säger om arbetsmarknaden i Ditt jobb försvinner inte, det förvandlas, och om hur frågan behandlas politiskt i AI ritar om jobben och elen.
Nästa gång någon slänger fram en siffra på vad AI gör med ekonomin, fråga inte om talet är stort eller litet. Fråga vilken andel av ekonomin de tror påverkas, och om de räknar in nya uppgifter. Där ligger hela oenigheten, och den är ärligare än den ser ut.
Källor
- Daron Acemoglu, "The Simple Macroeconomics of AI", Economic Policy vol. 40 nr 121, januari 2025 - Philippe Aghion och Simon Bunel, "AI and Growth: Where Do We Stand?", Federal Reserve Bank of San Francisco, juni 2024 - Kungliga Vetenskapsakademien, pressmeddelande om ekonomipriset till Alfred Nobels minne 2025 (Mokyr, Aghion, Howitt) - Erik Brynjolfsson, Danielle Li och Lindsey Raymond, "Generative AI at Work", Quarterly Journal of Economics, 2025 - OECD, Europeiska centralbanken och Congressional Budget Office, publicerade produktivitetsprognoser 2025 och 2026 - AI Frontiers, "The Quadrillion-Dollar Disagreement on AI and the Economy", maj 2026
Vad tyckte du om artikeln?
