Nok en viktig kronikk av Tor W. Andreassen, leder av faglig råd i Open Innovation Lab of Norway og professor emeritus fra Norges Handelshøyskole.
Når ledere vurderer bruken av kunstig intelligens (KI), stiller de nesten alltid det samme spørsmålet som preget industrialiseringen: «Kan en maskin gjøre denne oppgaven eller jobben?»
Dette spørsmålet stammer fra en fabrikkbasert logikk. Det forutsetter at en jobb er en definert blokk av oppgaver som enten skal utføres av et menneske, en maskin eller en algoritme. Men som Oxford-økonomen Carl Benedikt Frey nylig diskuterte i Financial Times (15. juni), tar spørsmålet ikke hensyn til den reelle transformasjonskraften i moderne teknologi. Den virkelige trusselen og muligheten ligger ikke i tradisjonell automatisering, men i overgangen til en selvbetjeningsøkonomi.
Det sentrale spørsmålet for posisjonering er derfor ikke om maskinen kan erstatte den ansatte, men: «Kan kunden gjøre seg uavhengig av tjenesten vår ved hjelp av KI?»
For å svare på spørsmålet må vi skifte perspektiv. Ved å koble Freys tanker i FT-artikkelen med rammeverkene Holistic Service Productivity (HSP: Andreassen, 2025) og Time Value of Service (pågående studie), kan vi kartlegge de strategiske blindsonene som truer selskaper som overreagerer på KI-bølgen.
Hvor treffer KI din forretningsmodell?
Forretningsmodeller kan klassifiseres langs to akser: hvor oppgaven løses (internt i bedriften vs. eksternt hos kunden) og hva kunden primært søker (tid spart vs. tid velbrukt).
| Dimensjon | TID SPART (Friksjonsfrihet) | TID VELBRUKT (Meningsfullhet) |
| INTERNT
(I bedriften) |
Kvadrant 1: Effektivisering
• Fokus: Jevons paradoks • KI brukes til interne prosesser (back-office) • Eksempel: Automatisk saksbehandling, tidlige minibanker. |
Kvadrant 3: Ambassadøren
• Fokus: KI som co-pilot • Frigjør intern tid til dypere verdiskaping • Eksempel: Juridisk KI som fjerner dokument-leting, slik at advokaten kan være opptatt med klientstrategi. |
| EKSTERNT
(Hos kunden) |
Kvadrant 2: Selvbetjeningsillusjonen
• Fokus: Gershuny-effekten • Oppgaver dyttes ut til kunden via KI-grensesnitt • Eksempel: Chatbots for feilsøking av varmeanlegg, app-basert diagnostikk. |
Kvadrant 4: Relasjonsreisen
• Fokus: Ko-kreering og tillit • Interaksjoner der kunden ønsker personlig oppfølging og emosjonell trygghet • Eksempel: Kompleks finansiell rådgivning, persontilpasset helseoppfølging. |
Kvadrant 1: Effektiviseringsfellen (Jevons paradoks)
Her bruker bedriften KI internt for å gjøre eksisterende prosesser billigere og raskere. Historisk har dette utløst Jevons paradoks: Når en tjeneste blir billigere å produsere, synker prisen, etterspørselen øker, og sysselsettingen øker (slik at automatiseringen av kjerneoppgaver, ironisk nok, økte det totale antallet bankfilialer og tellere på 90-tallet). Fellen er at mange ledere tror at KI-reisen stopper her, som et internt kostnadskutt-tiltak.
Kvadrant 2: Selvbetjeningsillusjonen (Gershuny-effekten)
Dette er professor Freys budskap. Når KI flytter utførelsen helt ut til kunden, risikerer etterspørselen etter den tradisjonelle markedstjenesten å kollapse. Vaskemaskinen erstattet ikke den som vasket med en robot; den ga vedkommende verktøyet til å gjøre jobben selv på en effektiv måte. Når en huseier kan bruke en chatbot til å feilsøke varmepumpen, forsvinner rørleggerens serviceoppdrag.
Ledere som jubler over økt margin ved å erstatte kundeservice med et KI-grensesnitt, feilberegner ofte den totale produktiviteten. I tråd med HSP-modellen øker bedriftens interne effektivitet, men kundeinnsatsen (Customer Effort) skyter i været. Kunden overtar det Frey kaller den tyngste barrieren: verifisering og ansvar. Resultatet blir at den opplevde kvaliteten (External Effectiveness) faller fordi kunden sitter igjen med økt kognitiv belastning og risiko.
Kvadrant 3 og 4: Verdiskapingssonen (Time Value of Service)
Den virkelige vinnerstrategien ligger i å bruke KI til å komprimere friksjon (tid spart) internt, for så å reallokere den frigjorte menneskelige kapitalen til det kunden opplever som tid velbrukt.
Når KI overtar rutinearbeidet, skal ikke gevinsten primært hentes ut som nedbemanning. Den skal reinvesteres i frontlinjen for å styrke relasjoner, samskape verdi og tilby den emosjonelle valideringen og den faglige innsikten som algoritmer ikke kan levere. I profesjonelle tjenester er det nettopp denne menneskelige verifiseringen og det personlige ansvaret som rettferdiggjør en premiumprising.
For å unngå å automatisere bort virksomhetens relevans, må ledergruppen stille tre spørsmål:
- Forskyver vi arbeid eller fjerner vi friksjon? Hvis KI-tiltaket ditt bare flytter tidsbruken og ansvaret over på kunden (Kvadrant 2), har du ikke skapt en mer produktiv tjeneste – du har bare rekruttert kunden som ubetalt arbeidskraft.
- Hva gjør vi med den frigjorte tiden? Hvis KI sparer de ansatte for 30 % av tiden, skal denne tiden bevisst brukes til å utvide interaksjonen med kunden på de områdene der kunden søker tid velbrukt (Kvadrant 3 til 4).
- Måler vi det som betyr noe? Bedriftens regnskap kan vise isolert produktivitetsvekst etter innføring av en KI, men hvis kunden opplever økt tidsbruk, usikkerhet og frustrasjon, er den helhetlige serviceproduktiviteten negativ. Det er da bare et tidsspørsmål før kunden forlater deg.
Konklusjon: Maskiner og KI utmerker seg i transaksjoner; mennesker utmerker seg i relasjoner. Ledere som lykkes i KI-overgangen, bruker ikke teknologien til å spørre hvordan de kan gjøre seg uavhengige av ansatte. De bruker KI til å gjøre bedriften uerstattelig for kunden.
Referanser:
- Andreassen, T. W. (2025). Holistic Service Productivity og KI-drevet produktivitet (2026).
- Frey, C. B. (15 juni, 2026). ‘Can a machine do this job?’ is the wrong question. Financial Times.
- Gershuny, J. (1978). After Industrial Society? The Emerging Self-Service Economy.
