Ta del av pressmeddelande och rapport här

I rapporten Från IT till AI -Digitalisering, artificiell intelligens och strukturomvandling i svensk ekonomi, som togs fram på uppdrag av Produktivitetskommissionen, presenterar författaren Joakim Wernberg ett stort antal policyförslag för att ta till vara på potentialen i det pågående teknikskiftet för innovation, entreprenörskap och produktivitetstillväxt.

Sammanfattning

Observera: Detta referat har sammanställts med hjälp av en AI-modell och ska ses som en indikativ sammanfattning av vad som sades under seminariet. Det kan innehålla feltolkningar eller sakfel och bör inte betraktas som ett ordagrant eller auktoritativt referat. För fullständig och korrekt information hänvisas till originalkällor eller videoinspelningen.

Från teknikpanik till lärandekostnader

Joakim Wernberg öppnade seminariet med att ifrågasätta den dominerande berättelsen om AI som ett brådskande teknikskifte där Sverige riskerar att halka efter. Istället, menade han, bör vi fokusera på vad som faktiskt krävs för att tekniken ska ge avkastning: organisatoriska förändringar, kompetensutveckling och nya arbetssätt.

Han lyfte begreppet lärandekostnader – den tid och de resurser som krävs för att förstå, anpassa och integrera AI i praktiken. Dessa kostnader är ofta osynliga i den politiska debatten men är helt avgörande för att teknikinvesteringar ska leda till ökad produktivitet.

”Vi fastnar i att prata om investeringar i teknik, men missar att det svåra och dyrbara är att förändra hur vi arbetar.”

Wernberg föreslog en rad åtgärder för att sänka lärandekostnaderna:

  • Ett nationellt digitaliseringsprogram riktat mot tjänstesektorn, motsvarande det som redan finns för industrin.

  • Ett attachéprogram där statssekreterare har delat ansvar för AI inom olika politikområden, för att bryta upp stuprören i Regeringskansliet.

  • Ökad flexibilitet i högre utbildning, där program ersätts av rekommenderade spår och studenter får större frihet att kombinera kurser.

  • Förhandsbesked om data-, AI- och cybersäkerhetsfrågor i offentlig sektor – ett ”Skatteverket för AI”.

AI som verktyg – inte magi

En viktig poäng i Wernbergs resonemang var att AI bör ses som ett probabilistiskt verktyg – inte som en magisk lösning eller ett hot. Verktyget kräver praktisk förståelse och förmåga att experimentera. Exempel på felanvändningar – som förvrängda pressbilder genererade av AI – illustrerar hur lätt det är att misslyckas om man saknar förståelse för verktygets logik.

”Att använda AI kräver ofta ett hantverksmässigt lärande. Det räcker inte med strategier eller centrala beslut – det måste ut i vardagen.”

Panelen: Människan, inte maskinen, är nyckeln

I den efterföljande paneldiskussionen med Ann Öberg (Almega), Maria Gustafsson (Produktivitetskommissionen) och Sara Övreby (Google Sverige) betonades behovet av att investera i människor, inte bara teknik.

Öberg lyfte att tjänstesektorn – där en majoritet av svenskar arbetar – är särskilt exponerad för AI, och att skattesystemet i dag premierar investeringar i maskiner snarare än kompetens. Hon efterlyste skatteväxling och kompetensavdrag.

Gustafsson resonerade kring hur politiken kan understödja lärande utan att centralstyra fel. Hon betonade vikten av förståelse för osäkerhet och behovet av långsiktiga institutionella förutsättningar.

Övreby, betonade att AI inte längre är något som bara förbättrar produkter – det är ett verktyg som nu alla användare själva har tillgång till. Men trösklarna är fortsatt höga, inte minst på grund av osäkerhet kring lagar och regelverk. Hon efterlyste tydligare vägledning och ökad integration av AI i utbildning, särskilt inom metodkurser.

”Skippa AI-hypen – satsa på att göra det lätt att göra rätt.”

Avslutning: AI som samhällsfråga, inte bara teknikfråga

Seminariet avslutades med en fråga från publiken om huruvida AI kan bidra till ökad totalfaktorproduktivitet (TFP). Panelen var enig: AI har potential att öka produktiviteten, men det kräver att vi förstår, organiserar och tillämpar tekniken på rätt sätt – och det tar tid.

Den röda tråden i hela samtalet var tydlig: för att dra verklig nytta av AI krävs inte fler strategier eller snabbare teknik, utan ökad förståelse, institutionell förändring och lärande – på individ-, organisations- och samhällsnivå.