30/10/2026

Hvem blir morgendagens seniorer hvis ingen ansetter juniorer?

En junioransettelse handler om hva en medarbeider kan bidra med i dag, og hva vedkommende kan lære seg å mestre over tid. Når AI gjør flere av startoppgavene, må arbeidsgivere ta stilling til begge deler. Ellers kan effektiviseringen i dag svekke tilgangen på erfarne medarbeidere i morgen.

Se for deg en leder som vurderer å ansette en nyutdannet. En erfaren medarbeider har fått tilgang til AI og rekker nå mye av arbeidet junioren skulle ha gjort. Behovet for en ekstra person virker mindre. Ansettelsen blir utsatt.

Det kan være en fornuftig beslutning ut fra oppgavene som skal løses akkurat nå. Men virksomheten har samtidig valgt bort en mulighet til å lære opp noen som kunne tatt større ansvar senere.

Det er denne konsekvensen som fortjener mer plass i samtalen om AI og arbeidslivet. Hva skjer med utviklingen fra junior til senior dersom færre får den første jobben, og færre får arbeide med oppgavene som gir dem et faglig grunnlag?

Inngangen kan bli trangere

I en amerikansk studie fra Stanford Digital Economy Lab finner forskerne svakere sysselsettingsutvikling blant unge i yrker som er utsatt for AI, sammenlignet med unge i mindre utsatte yrker. I oppdateringen fra august 2026 peker de på redusert ansettelse av unge som en sentral del av mønsteret. Forskerne understreker at funnene er beskrivende og ikke i seg selv beviser at AI er årsaken. Studien dokumenterer heller ikke utviklingen i Norge.

Likevel gir den grunn til å stille et relevant spørsmål også her: Hva skjer når oppgaver som tidligere begrunnet en junioransettelse, kan løses av erfarne ansatte med AI-støtte?

For den som står utenfor arbeidslivet, kan konsekvensen bli at det blir enda vanskeligere å skaffe erfaringen arbeidsgivere etterspør. For virksomheten kan konsekvensen vise seg senere, når noen skal være klare til å overta mer krevende oppgaver.

Tiden en junior bruker, kan også være en investering

Tenk på en ny medarbeider som skal undersøke et marked og lage en anbefaling. En erfaren kollega vet kanskje hvilke kilder som er relevante og hvilke opplysninger som bør møtes med skepsis. Junioren må bruke tid på å finne ut av dette.

Underveis kan to kilder vise seg å gi ulike svar. En tilsynelatende god konklusjon holder ikke når lederen stiller et oppfølgingsspørsmål. Junioren må gå tilbake og undersøke hva som mangler.

Det er nettopp i dette arbeidet noe av forståelsen utvikles. Neste gang vet medarbeideren mer om hva som må undersøkes før det er mulig å gi et godt råd.

AI kan raskt lage et utkast til den samme anbefalingen. Men et ferdig utkast gir ikke automatisk junioren forståelsen som trengs for å vurdere om anbefalingen holder.

Hvis vi bare måler tiden det tar å levere, kan vi overse kompetansen som bygges mens arbeidet pågår.

Det betyr ikke at lang tidsbruk alltid er god læring. En junior som blir sittende alene uten veiledning, kan bruke mange timer uten å komme særlig videre. Verdien oppstår når medarbeideren får prøve selv og får hjelp til å forstå hva som bør gjøres annerledes.

Erfaring trengs også når AI gjør mer

Det kan virke nærliggende å la AI produsere og mennesker kontrollere. Men også kontroll krever fagkunnskap.

For å oppdage at en analyse mangler noe vesentlig, må man ha en forståelse av hva som burde vært med. For å utfordre en anbefaling må man kunne se når forutsetningene ikke passer situasjonen.

En erfaren medarbeider kan bruke tidligere arbeid som sammenligningsgrunnlag. En nyutdannet har mindre å støtte seg på. Hvis juniorens rolle hovedsakelig blir å godkjenne ferdige forslag, risikerer vi å stille krav til vurderingsevne uten å gi tilstrekkelig mulighet til å utvikle den.

Dette er en mulig langsiktig kompetanserisiko. Dersom mange virksomheter reduserer inntaket av juniorer og samtidig forventer å rekruttere erfarne medarbeidere senere, kan de bli avhengige av at andre tar ansvaret for opplæringen.

AI kan også hjelpe junioren fremover

Utviklingen er ikke gitt. I studien «Generative AI at Work», som undersøkte kundeservicemedarbeidere, ga AI-støtte størst produktivitetsgevinst for medarbeidere med lite erfaring eller lavere ferdighetsnivå. Forskerne fant også indikasjoner på at verktøyet kunne hjelpe nyere medarbeidere å lære av praksisen til dyktigere kolleger.

AI kan altså gjøre det lettere å lykkes som ny. Men da må junioren få en plass i virksomheten og oppgaver som gir rom for utvikling.

For HR og ledere betyr dette at innføring av AI også bør omfatte hvordan nye medarbeidere skal lære faget. Før en oppgave automatiseres, bør man undersøke hva den lærer en nyansatt. Hvis oppgaven forsvinner, hvor skal denne læringen skje?

I praksis kan det bety at junioren gjør en første vurdering selv før AI brukes til å utfordre den. Det kan også bety å gjennomgå et AI-generert forslag sammen med en erfaren kollega og diskutere hvorfor deler av svaret ikke er godt nok. Tid som frigjøres, kan brukes til å la den nye medarbeideren delta i kundesamtalen der anbefalingen faktisk skal fungere.

Da blir læringen en planlagt del av arbeidet. Lederen må følge med på om medarbeideren gradvis kan begrunne vurderingene sine og håndtere mer krevende oppgaver, også når verktøyet ikke gir et brukbart svar.

Junioransettelsen må vurderes over mer enn neste kvartal

Arbeidsoppgavene vil endre seg. Det må også måten vi lærer opp nye medarbeidere på. Men behovet for mennesker som forstår faget sitt, blir ikke borte fordi det går raskere å produsere et svar.

Når en virksomhet vurderer om AI gjør en junioransettelse overflødig, bør den derfor også vurdere hvem som skal kunne ta større faglig ansvar om noen år, og hvordan disse menneskene skal få erfaringen de trenger.

En junioransettelse er også en beslutning om hvilken kompetanse virksomheten skal ha i fremtiden. Den verdien må være med i regnestykket.