AI och jobb: 4 teknikroller där omdöme väger tungt

Ingen yrkestitel är skyddad mot förändring. Däremot finns arbetsuppgifter där systemtänkande, ansvar, processdesign och ledarskap fortfarande behöver bäras av människor.

De fyra profilerna i artikeln är inte en rangordning och inte en garanti för anställning. De är en praktisk sammanställning av uppgifter som finns i etablerade yrken och av färdigheter som arbetsgivare säger blir viktiga när AI förändrar arbetet.

Vad källorna faktiskt kan säga

ILO:s analys från maj 2025 bedömer exponering på uppgiftsnivå. Det vanligaste möjliga utfallet är att arbetsuppgifter förändras, inte att varje exponerat yrke försvinner. Exponering är inte en prognos för en enskild person eller arbetsplats.

World Economic Forums rapport från 2025 bygger på en enkät till över tusen stora arbetsgivare om perioden fram till 2030. Arbetsgivarna lyfter både teknikfärdigheter och analytiskt tänkande, ledarskap, kreativitet, empati och systemtänkande. Det är deras daterade förväntningar, inte ett uppmätt framtida utfall.

U.S. Bureau of Labor Statistics, BLS, beskriver faktiska arbetsuppgifter och gör amerikanska sysselsättningsprognoser. Prognoserna gäller USA och kan inte överföras direkt till Sverige. Arbetsbeskrivningarna är ändå användbara för att pröva om de fyra profilerna motsvarar verkliga yrkesuppgifter.

1. System- och lösningsansvarig

Den här profilen ser hela systemet: användarnas behov, informationsflöden, beroenden, säkerhet, kostnad och vad som händer när en del slutar fungera.

BLS beskriver hur IT-chefer och systemansvariga analyserar verksamhetens IT-behov, bedömer kostnad och nytta, planerar säkerhetsåtgärder, följer leverantörer och leder flera typer av tekniska specialister. Programvaruutvecklare och testare arbetar samtidigt med krav, systemdesign, testning och underhåll.

AI kan hjälpa till att skriva kod, sammanfatta loggar och föreslå arkitektur. Människan behöver fortfarande avgöra:

• vilket verksamhetsproblem systemet ska lösa,
• vilka beroenden och målkonflikter som är acceptabla,
• vilka fel som kan stoppas automatiskt,
• vad som måste fungera vid avbrott,
• vem som får fatta beslut om kostnad och risk,
• hur flera tekniska delar ska förvaltas tillsammans.

Titeln kan vara systemarkitekt, teknisk produktägare, IT-chef eller lösningsansvarig. Det avgörande är ansvaret för helheten, inte ordet på visitkortet.

Så stärker du profilen

Lär dig rita dataflöden och beroenden. Öva på att skriva krav som går att testa och på att förklara tekniska vägval för personer utan samma specialkunskap. Följ ett system efter lansering och studera var de verkliga felen uppstår.

2. Ansvarig granskare för AI och data

Den andra profilen bedömer om ett AI-stöd är giltigt, rimligt, säkert och lämpligt för uppgiften. Arbetet kombinerar domänkunskap med mätning och ansvar.

NIST:s AI Risk Management Framework delar arbetet i att styra, kartlägga, mäta och hantera risk. Ramverket betonar att tillförlitlighet ska bedömas under hela systemets livscykel. Det räcker alltså inte att kontrollera en demonstration före inköp.

En ansvarig granskare behöver kunna:

• definiera vad ett korrekt resultat är,
• bygga prov med vanliga fall och undantag,
• skilja ett modellfel från felaktig data eller process,
• kontrollera källor och dokumentation,
• följa om kvaliteten förändras efter en uppdatering,
• stoppa användning när felet får för stor konsekvens,
• förklara resultat och osäkerhet för den som fattar beslutet.

AI kan föreslå risker eller skriva ett första testfall, men kan inte bära organisationens ansvar. Någon måste besluta vilka fel som är acceptabla och vem som tar över när systemet är osäkert.

Titlar kan vara AI quality lead, informationssäkerhetsspecialist, modellgranskare, internrevisor eller domänexpert med kontrollansvar. Profilen kan också vara ett ansvar som delas mellan flera roller.

Så stärker du profilen

Börja med ett enkelt facit. Lär dig mäta falska positiva och falska negativa separat. Dokumentera instruktion, datakälla, modell, datum och utfall så att ett test kan upprepas. Öva på att skriva en tydlig stoppregel.

3. Arbetsflödes- och processdesigner

Den tredje profilen ser hur arbetet faktiskt rör sig mellan människor och system. Personen hittar väntan, dubbelregistrering, onödiga överlämningar och steg där AI skulle skapa en ny risk.

BLS beskriver hur operationsanalytiker identifierar problem, samlar data och sakkunskap, bygger och testar modeller samt väger kostnader och nytta i rekommendationer. Industriingenjörer utformar och utvärderar integrerade system med mänskligt arbete, kvalitet, lager, logistik, kostnad och produktion.

Det ger stöd för profilen som en kombination av analys och processdesign. Arbetsuppgiften är inte att lägga ett AI-verktyg ovanpå varje steg. Den är att avgöra:

• vilket resultat processen ska ge,
• vilka steg som verkligen behövs,
• var regler räcker bättre än AI,
• var mänskligt omdöme krävs,
• hur ett undantag lämnas över,
• hur tid, kvalitet, fel och kostnad ska följas.

En processdesigner kan arbeta som verksamhetsutvecklare, operationsanalytiker, produktägare, industriingenjör eller service designer.

Så stärker du profilen

Kartlägg ett verkligt flöde från start till godkänt resultat. Mät väntetid och omarbete. Rita också undantagen, inte bara normalfallet. Prova ett litet steg i läsläge innan systemet får skriva eller fatta beslut.

4. Förändrings- och lärandeledare

Ny teknik förändrar arbetsuppgifter, ansvar och ibland yrkesidentitet. Den fjärde profilen hjälper människor att förstå vad som ska ändras, öva på nya arbetssätt och föra tillbaka erfarenheter till systemägare och ledning.

BLS beskriver hur chefer för lärande och utveckling behöver förstå verksamhet, välja arbetssätt, bedöma utbildningsbehov, samarbeta med sakkunniga och ledare samt ändra program när utfallet kräver det.

WEF:s arbetsgivarenkät från 2025 lyfter ledarskap, social påverkan, empati, aktivt lyssnande, undervisning och mentorskap tillsammans med teknikförmågor. Det stöder att förändringsarbetet inte kan reduceras till en kurs i ett verktyg.

Profilen behöver kunna:

• förklara vad som ändras och vad som ligger fast,
• samla invändningar och göra dem användbara,
• skilja kunskapsbrist från ett dåligt arbetsflöde,
• skapa övning på verkliga arbetsuppgifter,
• följa om beteende och kvalitet faktiskt förändras,
• se till att ansvar inte blir otydligt när AI införs.

Empati är inte ett bevisat skydd mot automatisering. Det är en konkret arbetsförmåga när människor behöver förstå, pröva och påverka en förändring.

Så stärker du profilen

Öva på att intervjua användare före en förändring och observera arbetet efteråt. Mät om personer kan utföra uppgiften, inte bara om de deltog i utbildningen. Lär dig när problemet kräver ett ändrat system i stället för mer information.

Gemensamma förmågor

De fyra profilerna överlappar. Alla behöver en kombination av:

Problemformulering

Beskriv uppgiften, användaren, begränsningarna och ett godkänt resultat innan verktyget väljs.

Käll- och datakritik

Kontrollera var informationen kommer från, vad den saknar och om den får användas. Ett välskrivet AI-svar är inte en källa.

Mätning

Följ kvalitet, tid, fel och kostnad i den verkliga processen. Jämför med en baslinje och dokumentera andra förändringar som kan ha påverkat utfallet.

Överlämning

Bestäm när systemet ska stoppa och vilken människa som tar över. En bra överlämning innehåller underlag, vad som redan gjorts och varför systemet inte fortsatte.

Kommunikation

Förklara osäkerhet och tekniska beroenden utan att dölja dem bakom fackspråk. Den som berörs ska förstå vad systemet gör och hur ett fel rättas.

Hur ska en person välja?

Utgå från uppgifter du vill lösa, inte från löftet om en framtidssäker titel.

• Gillar du tekniska beroenden och helhet passar systemprofilen.
• Gillar du kvalitet, regler och bevis passar granskarprofilen.
• Gillar du flöden, mätning och förbättring passar processprofilen.
• Gillar du lärande, samarbete och förändring passar ledarprofilen.

Läs platsannonser och yrkesbeskrivningar i den bransch och den ort som är aktuell. WEF:s globala arbetsgivarenkät och BLS amerikanska yrkesdata är bakgrund, inte en ersättning för svensk efterfrågan.

Hur ska en organisation använda profilerna?

Kartlägg vilka uppgifter som redan finns och vem som bär ansvaret. Ofta behövs inte fyra nya tjänster. En teknisk produktägare kan bära systemperspektivet, en jurist eller riskfunktion granskningen, en verksamhetsutvecklare processdesignen och en chef lärandet.

Skriv ansvar per uppgift:

1. vem definierar kvalitetskravet,
2. vem godkänner data och behörigheter,
3. vem följer fel och kostnad,
4. vem kan stoppa systemet,
5. vem hjälper medarbetare att ändra arbetssätt.

Om ingen är namngiven finns en lucka även om verktyget fungerar i test.

Slutsats

De fyra profilerna är inte roller som "klarar framtiden" med säkerhet. De samlar arbetsuppgifter som ILO, WEF och BLS ger stöd för: systemförståelse, analys, ansvar, processdesign, ledarskap och lärande.

AI kan hjälpa i alla fyra. Den kan skriva, söka, räkna och föreslå. Människor behöver fortfarande formulera målet, avgöra vad som är acceptabelt, hantera undantag och bära konsekvenserna.

Den hållbara förberedelsen är därför inte att välja en titel som påstås vara säker. Det är att bygga en kombination av teknisk förståelse, domänkunskap, mätning och ansvar som går att använda när verktygen förändras.