Under en vecka i augusti publicerade jag fem inlägg om vad som händer med instegsjobben när AI tar över rutinarbetet. De nådde långt över 200 000 personer och samlade drygt 250 kommentarer. Det här är en sammanfattning av vad jag skrev, vad jag fick fel, och vad läsarna lärde mig.
Det började med en pyramid
Organisationen har alltid haft formen av en pyramid. Bred bas av juniorer, smalare mot toppen. Och trappan var inte bara en karriärväg — den var utbildningen. Du gjorde enkla uppgifter, byggde omdöme, blev senior.
Min tes var att formen nu ritas om till en diamant. Basen krymper eftersom rutinuppgifterna utförs av AI. Mitten sväller eftersom fler roller förväntas äga leveransen från dag ett. Och ingångskraven höjs, eftersom erfarenhet krävs innan du fått chansen att skaffa den.
Underlaget kom från PwC:s AI Jobs Barometer 2026. Antalet ingångsjobb i AI-exponerade områden har minskat med 16 procent, och 49 procent av vd:arna räknar med färre juniora rekryteringar de kommande tre åren – mot 12 procent för seniora roller. Men den siffra som nästan aldrig citeras pekar åt andra hållet: bland de mest AI-exponerade ingångsjobben har de roller som ställer tio eller fler traditionellt seniora krav vuxit med 35 procent, medan övriga minskat med 10.
Ingångsnivån krymper alltså inte. Den senioriseras.
Första invändningen: diamanten är en övergångsfas
Den vanligaste invändningen kom inte nerifrån utan uppifrån. Nästan ingen bestred att basen krymper. Många bestred att toppen är säker.
Simon Danielsson menade att AI så småningom tar delar av seniorers, specialisters och chefers arbete också, och att den intressanta frågan därför är vilken mänsklig kompetens som faktiskt behövs. Rasmus Carlsson formulerade det skarpare: det förblir en pyramid, det som i dag heter erfaren kommer i morgon att heta junior. Denis Bijelic ställde den fråga som är svårast att svara på — hur kan mitten bli bredare än basen, om det inte är basen den kommer ifrån?
Jag tror de har rätt. Jag hade fel om tidshorisonten, inte om sakinnehållet. I dag skulle jag hellre säga att det fortfarande är en pyramid — men att den nedre delen har blivit mycket mer selektiv.
Det jag inte hade tänkt på: instegsarbetet var två saker
Den kommentar jag inte kunnat släppa kom från Waldemar Ingdahl. Juniorjobben utbildade inte bara framtida seniorer — de lät organisationen upptäcka vilka som utvecklade omdöme.
Instegsarbetet var en utbildning och ett urval samtidigt. Vi diskuterar bara det första.
Vi har svar på lärandet: handledning, roterande uppdrag, ansvar för hela leveranser. Vi har inget svar på urvalet. Vi hade ett mätinstrument och det var arbetet självt.
Stefan Karlsson la till mekanismen: vägen från junior till senior handlar till stor del om att utveckla omdöme, och omdöme byggs genom att gå på tillräckligt många nitar. Om AI hindrar felen innan de hinner bli lärdomar, försvinner också det som gjorde någon senior.
Motbilden: en junior med agenter är inte junior
Jacob Dahl vände på hela frågan: framöver representeras vi inte av vår egen kapacitet och erfarenhet, utan av den vi kan frambringa med de agenter vi använder. Mats Törnblom beskrev en komplett nybörjare som bygger med kodagenter i en takt han aldrig sett av handkodning. Anders Jeppsson menade att de bästa nyutexaminerade är starkare än många som bär mellanchefstiteln.
Om det stämmer mäter erfarenhetsstegen fel storhet. Den mäter tid, inte förmåga att orkestrera.
Men det finns något som inte följer med i köpet. Agenten kan producera. Den kan inte veta varför just er organisation gör på det där konstiga sättet, vem som måste tillfrågas innan något ändras, vad som hände förra gången någon försökte, eller vad ordet kund faktiskt betyder i era system jämfört med i årsredovisningen. Den kunskapen finns i organisationen, och den är till största delen inte nedskriven.
Det är därför samma person kan vara osannolikt produktiv hemma och ändå tvärstanna i vecka två på ett uppdrag. Produktionen blev billig. Sammanhanget blev dyrt.
Vem bestämmer vad som ersätts
Mats Danielsson satte fingret på något obekvämt: AI kommer ta jobb på alla nivåer, det enda som skiljer är att de högre upp har bättre förutsättningar att påverka om just deras arbete ska ersättas. Hugo Carlén påpekade att AI också är bra på det toppen brukade göra — kontrollera, följa upp, skriva strategidokument. Ged Meurling frågade vad som händer när agenterna blir autonoma nog att sköta samordningen själva.
Tekniskt sett borde alltså flera lager ha krympt samtidigt. De har inte gjort det. Skillnaden är inte teknisk, den handlar om vem som är med när beslutet fattas.
Jag tror inte att någon medvetet skyddar sitt eget lager. Vi beslutar bäst om det vi förstår, och vi förstår bäst det vi själva gör. Ser man ett arbete på avstånd ser man rutinen. Är man i det ser man undantagen. Nils Hammar la till att de översta nivåerna ofta rekryteras in från sidan, utan verksamhetskunskap — vilket betyder att beslutet om vad som är automatiserbart ofta fattas av den som har minst förstahandskunskap om arbetet. Inte av illvilja. Av avstånd.
Urvalet har flyttat
Förr tog vi in några juniorer och lät tiden visa vilka som hade omdöme. Alla går att lära; frågan var vem som bedömde bäst, och det såg vi först efter ett eller två år i verksamheten. Urvalet skedde efter anställningen, i arbetet.
Nu ser jag en tendens till att det sker tidigare. När instegsuppgifterna utförs av AI finns inte längre kvar det arbete vi brukade bedöma folk på. Alltså har bedömningen flyttat framåt i processen, till rekryteringen, innan någon fått chansen att visa något.
Det är därför annonserna ser ut som de gör. Du ska vara kommunikativ, affärsmässig och klicka med teamet. Sådant man inte kan gå en kurs i. Det blir nästan som en skönhetstävling — inte i betydelsen yta, utan att antalet parametrar som vägs in har växt samtidigt som tiden att visa vad man går för har krympt.
Om det stämmer har vi bytt ett urval som pågick i två år mot ett som pågår i två timmar. Det borde vi vara ärliga med att det är sämre, inte bättre.
Vad man faktiskt kan göra
Ingen av punkterna nedan löser problemet. Tillsammans ersätter de en del av det instegsarbetet gjorde åt oss gratis.
- Låt juniora medarbetare äga något avgränsat men helt, med en mottagare som märker om det inte blir gjort.
- Låt dem granska, styra och kvalitetssäkra AI:s arbete i stället för att producera det AI redan gör snabbare.
- Inför beslutslogg. När någon väljer A framför B, skriv en halv sida om varför. Efter ett år finns bevis på omdöme som annars aldrig dokumenterats.
- Para ihop senior och junior tätt och mät progress tillsammans. Låt mentorskapet gå åt båda håll — juniora medarbetare har ofta större vana av AI-verktyg än sina erfarna kollegor.
- Skriv anställningsannonserna svårare, inte enklare. De lättaste annonserna får flest ansökningar och sämst träffbild.
- Byt kunskapstestet mot ett omdömescase: ge kandidaten ett AI-genererat svar inom området och be hen bedöma om det håller, och varför.
- Se över kraven i upphandlingar. Lars-Erik Lindström påpekade att krav på flera års erfarenhet av specifika uppdrag stänger dörren långt innan AI hunnit göra något.
- Bredda lärlingstanken. Jonas Högberg föreslog lärlingsplatser i branscher utan lärlingstradition, gärna med finansiering som gör att enskilda företag inte bär risken ensamma.
Förbehållet
Det här är inte en sanning. Det är ett mönster sett från en ganska specifik utsiktspunkt: IT, ett stort konsultbolag, stora svenska organisationer. Det jag ser där kan se helt annorlunda ut i tillverkning, i vården eller i ett bolag med tolv anställda.
Rapporten guiden bygger på analyserar dessutom jobbannonser — alltså vad arbetsgivare säger sig vilja ha, inte nödvändigtvis hur arbetet utförs. Trenderna är starka nog att agera på, men de är inte naturlagar. Behandla siffrorna som en riktning, inte som ett facit, och testa dem mot vad du själv ser hos din kund.
Om du bara tar med dig en sak
Det avgörande är inte hur mycket av arbetet AI tar över. Det är vilken sorts arbete den tar. Tar den det tråkiga blir du mer värdefull. Tar den det kvalificerade blir du lättare att ersätta, även om arbetsdagen känns behagligare.
Den riktningen bestäms av beslut. Ofta av någon annan, men inte alltid. Ju tidigare du börjar påverka dem, desto större skillnad gör det.
Hur bygger ni erfarenhet i en organisation där maskinen gör grundarbetet? Hör gärna av dig och berätta hur ni gör — det är i de svaren den här serien blivit bättre.
Siffrorna kommer från PwC, AI Jobs Barometer 2026 (svensk utgåva, juni 2026) samt de underlag rapporten själv hänvisar till. Tolkningar och slutsatser är mina egna och ska inte tillskrivas PwC. Delar av resonemanget finns även i en intervju i Kvalitetsmagasinet, 20 augusti 2026.
Inläggen: