AI i stedet for job? Kina investerer i AI – men hvem beskytter medarbejderne mod forandringen?

Mere AI, færre job? Beijing vil forberede arbejdsmarkedet på forandringer

Kinas AI-plan: videreuddannelse, social sikring og nye regler for virksomheder

Kina sigter mod at fremskynde udrulningen af ​​kunstig intelligens uden at overlade konsekvenserne for arbejdstagerne til tilfældighederne. Nye retningslinjer forbinder fremme af kunstig intelligens og nye job med videreuddannelse, støtte til karriereskift, social sikring og tættere overvågning af beskæftigelsesrisici. Underliggende dette er et centralt økonomisk spørgsmål: Hvordan kan virksomheder blive mere produktive uden at teknologiske forandringer svækker købekraft, karrieremuligheder og social accept?

For selv når AI overtager opgaver, betyder det ikke automatisk, at medarbejdere mister deres job. Systemer kan understøtte mennesker, ændre arbejdsgange eller overflødige job. Hvilken effekt der gør sig gældende, afhænger af, hvordan virksomheder bruger teknologien, om der opstår ny efterspørgsel, og hvordan produktivitetsgevinster fordeles. Kinas strategi sigter mod at forme denne overgang mere effektivt – fra færdighedsuddannelse og beskyttelse af medarbejderrettigheder til tidlig opdagelse af risici. Den afgørende faktor vil være, om dette fører til bæredygtige karriereovergange, og om fordelene ved AI virkelig mærkes bredere af virksomheder og medarbejdere.

Kinas AI-offensiv: Fremskridt uden social nødlanding?: De, der erstatter mennesker, skal levere mere end billig effektivitet

Kina har ikke til hensigt at hindre kunstig intelligens, men snarere at forbinde dens økonomiske fordele med et mere bæredygtigt beskæftigelsessystem. Retningslinjerne, der blev offentliggjort af Statsrådets kontor den 23. oktober 2026, kombinerer derfor fremme af nye AI-job med uddannelse, overgangsstøtte, social sikring og en mere systematisk overvågning af beskæftigelsesrisici. Dette afspejler en økonomisk målkonflikt: virksomheder bør blive mere produktive uden at den accelererede reduktion af arbejdsstyrken underminerer købekraft, karrieremuligheder og den sociale accept af teknologiske forandringer.

Det afgørende spørgsmål er ikke, om AI kan overtage individuelle opgaver. Det er under hvilke betingelser øget driftseffektivitet omsættes til generel økonomisk velstand. En maskine, der sparer arbejdstimer, forbedrer i første omgang en virksomheds omkostningsregnskab. Om dette fører til højere lønninger, øget efterspørgsel, bedre service eller en permanent reduktion i beskæftigelsen afhænger af konkurrence, investeringer, færdigheder og distribution. Kinas nye arbejdsmarkedsstrategi fokuserer netop på dette krydsfelt.

Beijing omorganiserer fremskridt

Retningslinjerne omfatter 18 opgaver på tværs af seks politikområder: yderligere beskæftigelse gennem kunstig intelligens, beskæftigelsesvenlige implementeringsveje, digitale færdigheder, mere effektive jobformidlingstjenester, arbejdstagerrettigheder og social sikring samt overvågning og styring af beskæftigelsesrisici. Dette er bredere end blot et uddannelsesinitiativ. Regeringen ønsker ikke at vente, indtil jobbene er forsvundet, før den reagerer, men snarere at koordinere teknologisk implementering, personaleudvikling og social sikring bedre.

Særligt afslørende er den foreslåede sondring mellem anvendelsesområder. AI bør fortrinsvis anvendes, hvor der er mangel på arbejdskraft, hvor opgaver er farlige, eller hvor arbejdsforholdene kan forbedres; i arbejdsintensive industrier bør dens omfang, intensitet og hastighed derimod kontrolleres omhyggeligt. Økonomisk set svarer dette til en prioritering af modernisering. Applikationer, der er særligt gavnlige for samfundet, bør implementeres tidligere end dem, hvis primære umiddelbare fordel ligger i at fortrænge mange ledige arbejdstagere.

Den politiske retning bør dog ikke forveksles med en fuldt formuleret jobgaranti. Virksomheder opfordres blandt andet til at afprøve overgangsfaser, informere berørte medarbejdere tidligt og støtte dem i at skifte til andre roller. Dette indebærer ikke et generelt forbud mod afskedigelser på grund af kunstig intelligens, og det skaber heller ikke automatisk en individuel ret til uændret ansættelse. Den faktiske beskyttelse afhænger i høj grad af, hvordan myndigheder og virksomheder implementerer disse retningslinjer.

Et enormt arbejdsmarked under pres for at tilpasse sig

Ved udgangen af ​​2025 havde Kina cirka 725 millioner beskæftigede, heraf omkring 475 millioner i byerne; i løbet af året blev der officielt registreret yderligere 12,67 millioner job i byerne. Alene dette omfang forklarer, hvorfor selv begrænsede ændringer kan have betydelige økonomiske og sociale konsekvenser. En teknologisk transformation, der synes håndterbar fra en enkelt virksomheds perspektiv, kan eskalere på tværs af brancher og regioner til et betydeligt tilpasningsproblem.

Byens undersøgelsesbaserede arbejdsløshedsprocent var 5,2 procent i september 2026; gennemsnittet for de første tre kvartaler var også 5,2 procent. Disse tal, set enkeltvis, beviser hverken en AI-induceret beskæftigelseskrise eller fraværet af samme. Procenten beskriver en specifik arbejdsmarkedsindikator, ikke alle former for underbeskæftigelse, ubrugte færdigheder eller indkomsttab. Vigtigst af alt afslører et enkelt samlet tal ikke, om individuelle erhvervsgrupper allerede er under større pres.

For økonomisk evaluering er beskæftigelsens sammensætning derfor vigtigere end en isoleret overskrift. En stabil samlet arbejdsstyrke kan falde sammen med færre stillinger på begynderniveau, reduceret arbejdstid for visse grupper eller et skift til lavere betalte job. Omvendt kan et fald i én erhvervsgruppe opvejes af forbedret beskæftigelse andre steder. En robust AI-drevet arbejdsmarkedspolitik skal indfange sådanne overgange i stedet for udelukkende at behandle beskæftigelsen som antallet af ledige job.

Aldring eliminerer ikke kompetencehuller

Kinas befolkning faldt med 3,39 millioner til cirka 1,405 milliarder i 2025; samtidig var 323 millioner mennesker allerede 60 år eller ældre, hvilket repræsenterer 23 procent af befolkningen. Teknologiske forandringer falder således sammen med et langsigtet demografisk skift. Fra dette perspektiv kan automatisering bidrage til at opretholde produktionskapacitet og tjenester på trods af et faldende arbejdsudbud. Derfor ville det ikke være en overbevisende strategi for fremtiden at holde fast i arbejdsintensive processer.

Færre ledige medarbejdere og mere kunstig intelligens løser dog ikke automatisk de samme problemer. En manglende vedligeholdelsestekniker kan ikke blot erstattes af en afskediget administrativ medarbejder. Ligeledes kan ældre produktionsmedarbejdere ikke hurtigt overgå til at udvikle komplekse kunstig intelligens-systemer. Der er forskelle mellem ledige stillinger og tilgængeligt personale med hensyn til ekspertise, placering, helbred, læringsmuligheder og lønforventninger.

Dette skaber muligheden for en samtidig stigning i mangel på arbejdskraft og arbejdsløshed. For politikere betyder det, at antallet af job alene ikke er et tilstrækkeligt styringsmål. Afgørende er opnåelige overgange mellem job. En beskæftigelsesvenlig AI-strategi bør derfor ikke bevare så mange forældede arbejdsprocesser som muligt, men snarere organisere transformationen på en sådan måde, at eksisterende professionel erfaring forbliver produktiv med nye værktøjer. Især med aldrende arbejdsstyrker kan komplementær teknologi være mere økonomisk værdifuld end en dyr, komplet erstatning.

Automatisering har for længst nået industriel skala

Introduktionen af ​​intelligente systemer i Kina starter ikke helt fra bunden. I 2025 blev der installeret omkring 354.000 nye industrirobotter, hvilket er omkring 20 procent mere end året før. Dette betød, at Kina tegnede sig for 59 procent af de nye installationer på verdensplan. Disse tal viser hastigheden af ​​industriel automatisering. De bør dog ikke fortolkes som et mål for AI-relaterede jobtab: En industrirobot er ikke automatisk et generativt AI-system, og en enkelt installation siger intet om nettoeffekten på beskæftigelsen.

Dertil kommer den enorme økonomiske skala af selve AI-sektoren. Dens kerneforretning blev officielt vurderet til mere end 1,2 billioner yuan i 2025, med over 6.200 AI-virksomheder landsdækkende. Ifølge offentliggjorte regeringstal brugte mere end 30 procent af de undersøgte produktionsvirksomheder med en årlig kerneforretningsomsætning på 20 millioner yuan eller mere AI-teknologier ved udgangen af ​​2025. Denne tærskel er vigtig, fordi den ikke bør sidestilles med udbredt anvendelse af alle kinesiske virksomheder.

Udfordringen på arbejdsmarkedet opstår i kombinationen af ​​forskellige former for automatisering. Software kan transformere planlægning, dokumentation og kundekommunikation, mens robotteknologi overtager fysiske processer. Når begge niveauer moderniseres samtidigt, ændres hele proceskæder. Dette kan skabe et større produktivitetspotentiale, men også højere krav til træning, vedligeholdelse, datakvalitet og operationel organisering. Det relevante fokus er derfor ikke det enkelte AI-værktøj, men det redesignede arbejdssystem.

De berørte opgaver er ikke tabte arbejdspladser

En central forudsætning for enhver seriøs analyse er sondringen mellem teknologisk påvirkning og faktisk jobtab. International arbejdsmarkedsforskning anslog i 2025, at omkring en fjerdedel af den globale beskæftigelse ville være i erhverv, hvis opgaver potentielt kunne ændres af generativ kunstig intelligens; i højindkomstlande var dette tal 34 procent. Sådanne tal beskriver potentielle ændringer i jobopgaver og forudsiger ikke tilsvarende høje niveauer af fyringer. Desuden kan de ikke overføres til Kina uden landespecifikke beregninger.

Et job består typisk af flere opgaver. AI kan for eksempel forhåndssortere information, udarbejde tekster eller opdage afvigelser, mens mennesker fortsat tager ansvar, afklarer særlige tilfælde og administrerer relationer. Om en stilling bliver forældet afhænger derfor af, hvor omfattende opgavesættet kan automatiseres, og om virksomheden bruger den sparede tid til yderligere tjenester. Integration, fejlkontrol og organisatoriske ændringer kræver også en indsats.

Omvendt ville det være lige så problematisk at nedtone effekten. Hvis et tilstrækkeligt antal delopgaver udføres hurtigere, og efterspørgslen ikke vokser tilsvarende, kan virksomheder opnå den samme produktion med færre medarbejdere. Beskæftigelseseffekter kan så først blive tydelige gennem ubesatte stillinger og færre nyansættelser snarere end iøjnefaldende bølger af fyringer. For et tidligt varslingssystem er ansættelsesplaner og jobprofiler derfor mindst lige så vigtige som rapporterede opsigelser. De, der udelukkende fokuserer på personalereduktioner, vil genkende en del af ændringen for sent.

Produktivitet alene bestemmer ikke velstand

En undersøgelse offentliggjort i 2025, der involverede 5.172 kundeservicemedarbejdere, illustrerer, hvor effektivt AI kan supplere menneskeligt arbejde: Antallet af succesfuldt løste kundehenvendelser i timen steg med gennemsnitligt 15 procent takket være AI-støtte. Mindre erfarne og lavtuddannede medarbejdere drog særlig stor fordel; undersøgelsen af ​​en enkelt virksomhed giver dog ikke mulighed for at drage konklusioner om de samlede økonomiske effekter på beskæftigelse og lønninger. Denne begrænsning er afgørende for den offentlige debat.

Øget produktivitet åbner op for forskellige driftsmuligheder. En virksomhed kan betjene flere kunder, forbedre servicekvaliteten, reducere arbejdsbyrden eller skære ned på personalet. Hvilken mulighed der er mest effektiv afhænger blandt andet af efterspørgslen og virksomhedens konkurrencemæssige position. I et voksende marked kan øget produktivitet gøre yderligere beskæftigelse økonomisk rentabel. I et stagnerende marked øges derimod incitamentet til at reducere omkostningerne og fordele eksisterende arbejde blandt færre mennesker.

På det makroøkonomiske niveau spiller en anden dimension ind: produktivitetsgevinster skal omsættes til indkomster, lavere priser eller yderligere investeringer. Hvis fordelene er koncentreret i hænderne på nogle få virksomheder og kapitalejere, mens brede segmenter af arbejdsstyrken oplever større jobusikkerhed, kan efterspørgslen halte bagefter produktionspotentialet. Det politiske benchmark bør derfor ikke udelukkende være teknisk kapacitet. Lige så vigtigt er det, om det økonomiske afkast har en bred nok effekt til at skabe nye salgsmuligheder og bæredygtig beskæftigelse.

Uden købekraft bliver effektivitet et problem

Den kinesiske økonomi voksede med 5 procent i reelle termer i 2025, mens de gennemsnitlige forbrugerpriser forblev uændrede; investeringer i ejendomsudvikling faldt med 17,2 procent. I de første tre kvartaler af 2026 steg det reelle BNP med 4,6 procent, men det nominelle detailsalg af forbrugsvarer steg kun med 1,1 procent. Disse forskelligt definerede indikatorer er ikke direkte ækvivalente, men de illustrerer behovet for at betragte produktionsvækst og privat efterspørgsel separat.

For AI-politik resulterer dette i en logisk årsagssammenhæng. Hvis medarbejdere forventer fyringer eller betydelige indkomsttab, kan de udskyde store udgifter og opbygge yderligere finansielle reserver. Den resulterende modvilje gør det vanskeligere for virksomheder rent faktisk at sælge yderligere produktionskapacitet. Et teknologisk løft i udbuddet er da utilstrækkeligt til at udvide væksten tilsvarende.

Overgangsstøtte og social sikring har derfor en makroøkonomisk funktion. De kan forhindre, at tilpasningsrisici fuldstændigt flyttes over på husholdningerne, og forhindre, at usikkerhed yderligere belaster efterspørgslen. Dette betyder ikke permanent finansiering af alle job. Det betyder at begrænse indkomsttab og undgåelige lange perioder med arbejdsløshed. Effektiv social sikring kan således samtidig øge viljen til at acceptere nye teknologier og omfavne karriereskift. Under disse betingelser behøver jobbeskyttelse og modernisering ikke at udelukke hinanden.

Overgangen til en karriere bliver et svagt punkt

I september 2026 var byens arbejdsløshedsprocent for 16- til 24-årige, der ikke gik i skole eller på universitet, 18 procent; for 25- til 29-årige, også eksklusive studerende, var den 7,4 procent. Disse tal måler ikke AI-relateret arbejdsløshed. De viser dog, at det allerede er under betydeligt pres at komme ind på arbejdsmarkedet. Yderligere ændringer i lavtuddannede kontor-, analytiske og kommunikationsjob påvirker således et arbejdsmarked, hvis evne til at absorbere unge mennesker ikke er ubegrænset.

Den særlige risiko ligger i funktionen af ​​opgaver på begynderniveau. Research, dokumentation, simple analyser og standardiseret kommunikation tjener ikke kun produktion, men også læring. Hvis sådanne aktiviteter i vid udstrækning automatiseres, kan vejen fra universitetsgrad til selvstændigt specialistarbejde blive smallere. En virksomhed kan have brug for færre yngre medarbejdere på kort sigt, men stadig have svært ved at udvikle erfarne specialister på lang sigt.

En fornuftig løsning er ikke kunstigt at belaste unge talenter med forældede rutiner. I stedet skal uddannelsesforløb udformes, så AI-færdigheder og professionel dømmekraft udvikles sammen. Unge medarbejdere skal kunne gennemgå resultater, forklare fejl og gradvist tage ansvar. For virksomheder gør dette organisering af læring til en strategisk investering. De, der kun optimerer den nuværende behandlingstid, risikerer at svække deres egen fremtidige kompetenceudvikling.

Videre uddannelse kræver et efterfølgende job

De kinesiske retningslinjer opfordrer til at tilpasse videregående uddannelsesprogrammer og erhvervsuddannelsesprogrammer, udvide tværfaglige AI-færdigheder og øge virksomheders engagement i læseplaner, praktisk træning og kvalifikationsprogrammer. Derudover er målrettede uddannelsesprogrammer beregnet til at nå ud til blandt andet unge, migrantarbejdere og arbejdsløse; offentlige læringsmuligheder og virksomhedssponsorerede uddannelsesprogrammer er også omfattet. Denne tilgang anerkender således, at teknologiske forandringer ikke kan styres udelukkende gennem uddannelse af nye topforskere.

Den økonomiske kvalitet af sådanne programmer afhænger dog ikke af antallet af udstedte certifikater. Det afgørende er, om folk efterfølgende kan forfølge et opnåeligt, produktivt og tilstrækkeligt betalt job. En generel introduktion til AI kan give orientering, men erstatter ikke branchespecifikke færdigheder. For en produktionsmedarbejder er procesforståelse, kvalitetskontrol og sikker brug af hjælpesystemer for eksempel ofte vigtigere end dybdegående kendskab til modeludvikling.

Derfor virker uddannelse, der bygger på eksisterende professionel erfaring, lovende. En erfaren lagermedarbejder kan være egnet til at overvåge automatiserede materialestrømme; en administrativ assistent kan påtage sig yderligere ansvar for dataverifikation og håndtering af undtagelser. Sådanne overgange skal dog rent faktisk være tilgængelige. Yderligere uddannelse uden virksomhedens efterspørgsel udsætter blot problemet. Dens effektivitet bør derfor evalueres ud fra jobstabilitet, indkomstudvikling og tiden indtil genansættelse, ikke udelukkende ud fra deltagelsesrater.

Vores ekspertise i Kina inden for forretningsudvikling, salg og marketing - Billede: Xpert.Digital

Branchefokusområder: B2B, digitalisering (fra AI til XR), maskinteknik, logistik, vedvarende energi og industri

Mere information her:

• Ekspert Business Hub
• Kina Blog / Indsigt

Et tematisk knudepunkt, der tilbyder indsigt og ekspertise:

• Vidensplatform, der dækker globale og regionale økonomier, innovation og branchespecifikke tendenser
• En samling af analyser, indsigter og baggrundsinformation fra vores vigtigste fokusområder
• Et sted for ekspertise og information om aktuelle udviklinger inden for erhvervsliv og teknologi
• Et knudepunkt for virksomheder, der søger information om markeder, digitalisering og brancheinnovationer

Middelklassen bestemmer den brede indflydelse

Strategien støtter små og mellemstore virksomheder (SMV'er) med omkostningseffektive, let implementerede digitale løsninger, offentlige rådgivningstjenester og lige adgang til relevante digitale produktionsfaktorer. Åbne softwareøkosystemer og fremme af nye virksomheder er også en del af det foreslåede sæt af værktøjer. Den underliggende beskæftigelsespolitiske begrundelse er fornuftig: Teknologisk modernisering bør ikke begrænses til store organisationer med deres egne udviklingsafdelinger, omfattende datalagre og betydelige investeringsbudgetter.

For mindre virksomheder ligger problemet ofte mindre i en grundlæggende interesse i AI end i dens implementering. En applikation skal integreres problemfrit med eksisterende processer, levere pålidelige resultater og være håndterbar selv med begrænset personale. Dertil kommer løbende udgifter, træningskrav og potentielle leverandørbindinger. Derfor er en lav startpris ikke nødvendigvis et bevis på lave samlede omkostninger.

Fra et økonomisk perspektiv ville en bred distribution af produktive værktøjer være fordelagtig, fordi det kan forbedre mindre virksomheders konkurrenceevne. Samtidig resulterer tilskud ikke automatisk i øget beskæftigelse. Selv en lille virksomhed kan primært bruge AI til at reducere personalebehovet. Derfor er verificerbare mål mere effektive end generelle tilskud: øget værditilvækst, bedre produkter, yderligere markedsmuligheder og bæredygtig kompetenceudvikling. Det styrende spørgsmål bør være, om støtten styrker den økonomiske tilpasningsevne eller blot subsidierer anskaffelsen af ​​ny software.

Samarbejdet skal være økonomisk overbevisende

Ifølge retningslinjerne bør industri og landbrug i stigende grad anvende modeller for samarbejde mellem mennesker og intelligente systemer; nye applikationer bør også skabe yderligere beskæftigelsesmuligheder i servicesektoren. Dette er mere end blot en venlig beskrivelse af teknologiske forandringer. Det rejser det grundlæggende spørgsmål om, hvilke opgaver mennesker permanent bør påtage sig, og hvor systemer meningsfuldt bør supplere deres evner.

Inden for fremstillingsindustrien kan AI-baseret billedanalyse for eksempel indikere uregelmæssigheder, mens erfarne specialister vurderer årsagerne og beslutter passende foranstaltninger. Inden for logistik kan software forudsigeligt planlægge materialestrømme, mens folk håndterer forstyrrelser, kundekrav og sikkerhedsproblemer. Inden for landbrug kan datadrevne anbefalinger forbedre ressourceudnyttelsen uden fuldstændigt at erstatte praktisk vurdering på stedet. Disse eksempler beskriver mulige organisationsstrukturer og garanterer ikke positive beskæftigelseseffekter.

Menneske-maskine-samarbejde er kun bæredygtigt, hvis den menneskelige rolle tilbyder reel merværdi. At blot bruge medarbejdere til formelt at bekræfte automatisk genererede beslutninger ville hverken være overbevisende fra et kvalifikationssynspunkt eller fra et organisatorisk perspektiv. Godt design bevarer plads til beslutningstagning, giver mulighed for uenighed og sikrer klar ansvarlighed. Det kan også forhindre virksomheder i at miste deres erfaringsmæssige viden. Det økonomisk relevante er ikke at maksimere menneskelig deltagelse for enhver pris, men snarere den kombination, der forbedrer kvalitet, sikkerhed, læringskapacitet og omkostninger på tværs af hele processen.

Nye AI-job vil ikke løse alle problemer med fortrængning

Kina sigter mod at udvikle nye jobprofiler og kvalifikationsstandarder, herunder stillinger inden for AI-teknik, systemuddannelse og digital forvaltning. Strategien fokuserer også på nye virksomheder, åbne udviklingsmiljøer og yderligere beskæftigelse inden for nye områder. Dette repræsenterer et vigtigt supplement til blot at afbøde jobtab: en økonomi kan ikke bæredygtigt tilpasse sig gennem overførsler alene; det kræver nye produktive aktiviteter.

Ikke desto mindre ville det være misvisende blot at opveje elimineringen af ​​rutinearbejde mod nyoprettede AI-job, som om folk var direkte udskiftelige. Forskelle i uddannelse, erhvervserfaring og placering kan være betydelige. Desuden kan en hurtigt voksende sektor, der starter fra en lille base, i starten skabe færre job end en stagnerende stor industri mister. Derfor besvarer høje procentvise vækstrater alene ikke beskæftigelsesspørgsmålet.

Nye digitale job skal også være bæredygtige på lang sigt. Et job, der i øjeblikket er nødvendigt til databehandling eller verifikation, kan i sig selv blive mere automatiseret senere hen. Derfor består en mere robust strategi ikke i at skabe den længst mulige liste over nye jobtitler. Den består i at udvikle overførbare færdigheder, levedygtige forretningsmodeller og løbende læringsmuligheder. Nye job bør ikke kun eksistere, men også være tilstrækkeligt produktive, sikre og tilpasningsdygtige til at tilbyde karrieremuligheder ud over den næste generation af teknologi.

Kinas regioner starter ikke på samme tid

Retningslinjerne forudser en regional arbejdsdeling: Østlige regioner skal fokusere på at udvikle kerneindustrier inden for AI, mens centrale og vestlige regioner, afhængigt af lokale forhold, skal påtage sig opgaver som datamærkning eller produktion af smarte enheder. Denne differentiering har til formål at åbne op for yderligere vækstområder uden for de førende teknologicentre. Den indebærer dog også en risiko for at forstærke eksisterende uligheder langs nye værdikæder.

Hvis forskning, kapital og kontrol over centrale platforme forbliver geografisk koncentreret, kan andre regioner primært yde standardiseret støtte. Selvom der kan skabes job der, genererer de ikke nødvendigvis de samme indkomster, udviklingsmuligheder eller forhandlingsevne. Regionalpolitik skal derfor gøre mere end blot at tiltrække digital aktivitet. Den bør fokusere på, om lokale virksomheder kan udvikle deres egen ekspertise og opnå højere niveauer af værdiskabelse.

Meningsfuld udvikling kan bygge på eksisterende styrker: industrielle klynger, landbrugsspecialisering, universiteter eller logistikcentre. AI behandles derefter ikke som en isoleret fremtidig industri, men som et værktøj til at forbedre regionale økonomiske strukturer. Forudsætningerne omfatter egnede faglærte medarbejdere, pålidelig infrastruktur og tilgængelige markeder. Især overgangene mellem traditionelle virksomheder og nye digitale tjenesteudbydere kan skabe yderligere beskæftigelse. Uden sådanne forbindelser er der dog risiko for et finansieringslandskab, hvis synlige projekter har ringe økonomisk indflydelse på regionen.

Social beskyttelse forbliver ulige

I 2025 registrerede Kina cirka 301 millioner migrantarbejdere; samtidig var omkring 249 millioner mennesker dækket af arbejdsløshedsforsikring ved årets udgang. Disse to tal refererer til forskellige statistiske grupper og giver ikke mulighed for en direkte beregning af et forsikringsgab blandt migrantarbejdere. De illustrerer dog, hvorfor et differentieret syn på beskæftigelsesmønstre og ydelsesberettigelse er nødvendigt. Samlet beskæftigelse og adgang til en specifik forsikringsydelse er ikke identiske.

De nye retningslinjer opfordrer til støtte til berettigede personer, herunder karriererådgivning, træning, jobanbefalinger og opstartshjælp; for berettigede forsikrede arbejdsløse personer bør de fastsatte ydelser udbetales hurtigt og fuldt ud. Samtidig bør sociale sikringssystemer blive mere tilgængelige for fleksible ansættelsesformer, og dækningen af ​​arbejdsulykker i nye ansættelsesmodeller bør udvides. Dette er vigtigt, fordi karriereskift i stigende grad kan indebære skift mellem forskellige kontrakt- og ansættelsesordninger.

Den økonomiske test ligger i overførbarheden af ​​rettigheder og den faktiske tilgængelighed af støtte. Personer, der skifter job, bopæl eller beskæftigelsesstatus, har brug for pålidelige procedurer. En formelt eksisterende tjeneste er af ringe nytte, hvis ansvarsområderne er uklare, eller indkomsttab ikke håndteres i længere perioder. Derfor skal en beskæftigelsesvenlig modernisering også forbedre de administrative processer. Ellers vil de med de færreste økonomiske reserver bære de højeste overgangsomkostninger.

Når algoritmen bliver chefen

Retningslinjerne omhandler ikke kun jobtab, men også brugen af ​​kunstig intelligens i HR-forvaltning: diskrimination, svigagtige jobtilbud og krænkelser af privatlivets fred og hvileperioder gennem misbrug af algoritmer skal bekæmpes lovmæssigt. Desuden er retten til løn, hvile og sikre arbejdsforhold eksplicit adresseret. Dette sætter fokus på en anden dimension af automatisering: Selv hvor job bevares, kan kvaliteten af ​​arbejdet ændre sig betydeligt.

Algoritmiske systemer kan forhåndsscreene applikationer, tildele opgaver og evaluere ydeevne. Selvom de kan muliggøre mere ensartede processer, kan de også anvende uegnede kriterier i stor skala. At behandle historiske personalebeslutninger som angiveligt neutrale data risikerer at videreføre tidligere ulemper gennem teknologiske midler. Dette bliver særligt problematisk, når de berørte ikke kan forstå årsagerne bag en beslutning eller effektivt rette fejl.

Økonomisk set er sådanne risici på ingen måde ubetydelige. Forkert forhåndsudvælgelse kan udelukke egnede specialister; for høje præstationsmål kan have en negativ indvirkning på helbred, motivation og medarbejderfastholdelse. Omfattende overvågning er heller ikke automatisk produktiv. Den afgørende faktor er, om et system anerkender den faktiske kvalitet af arbejdet eller blot optimerer let målbare målinger. Ansvarlig implementering kræver derfor verificerbare kriterier, klare ansvarsområder og realistiske muligheder for menneskelig gennemgang. Ansvaret må ikke forsvinde ved at pege på angiveligt objektiv software.

Tidlige varslingssystemer har brug for mere end blot afskedigelsestal

Myndighederne bør øge udvekslingen af ​​beskæftigelses- og branchedata, udvikle regionale og sektorspecifikke analysemodeller og løbende overvåge ændringer i anvendelsen af ​​kunstig intelligens, nye job, fortrængte aktiviteter og nødvendige færdigheder. Yderligere foranstaltninger omfatter dybdegående forskning og integration af kunstig intelligens-relaterede beskæftigelsesrisici i eksisterende mekanismer for at forhindre større arbejdsløshedschok. Dette har til formål at omdanne isolerede observationer til et tidligere og mere handlingsrettet billede af situationen.

Et godt system skal dog tage højde for mere end blot gennemførte personalereduktioner. Relevante faktorer ville også omfatte faldet i antallet af stillinger på begynderniveau, ændrede kvalifikationskrav, udløbende kontrakter, reduceret arbejdstid og varigheden af ​​karriereskift. Lige så vigtigt er kvaliteten af ​​den nye ansættelse: et skifte til et lavere betalt eller betydeligt mindre sikkert job bør ikke automatisk betragtes som en fuldt ud vellykket kompensation. Kun kombinationen af ​​sådanne oplysninger giver mulighed for en meningsfuld økonomisk vurdering.

Den vanskeligste opgave er fortsat at identificere de grundlæggende årsager. Beskæftigelsen kan falde på grund af svag efterspørgsel, ændrede handelsforhold, driftsproblemer eller teknologiske skift. AI kan være én faktor blandt flere. At tilskrive ethvert fald til automatisering tilskynder til vildledende modforanstaltninger; at kategorisk udelukke AI som årsag overser reelle tilpasningsproblemer. Derfor bør sammenlignelige virksomheder og brancher undersøges over længere perioder. Et tidligt varslingssystem er kun så godt som dets data, dets analytiske metoder og dets villighed til at anerkende ubelejlige fund.

Mellem beskyttelse og konkurrenceevne

For ansøgninger, der kan have en betydelig indvirkning på beskæftigelsen, fastsætter retningslinjerne en strengere risikovurdering; inden for visse områder af markedsadgang bør beskæftigelsesevaluering indarbejdes i projektgennemgangen. Dette viser, at beslutningstagerne anerkender, at virksomheders investeringsbeslutninger kan have konsekvenser for medarbejdere og offentlige budgetter. Fra et økonomisk perspektiv er det forståeligt, at sådanne omkostninger ikke kun bør overvejes efterfølgende.

Denne tilgang har dog en klar begrænsning. Hvis procedurerne bliver for vage eller besværlige, kan de forsinke nødvendig modernisering og beskytte eksisterende markedspositioner. En virksomhed, der mister international konkurrenceevne på grund af overdreven regulering, kan senere blive nødt til at nedlægge flere job, end den reddede på kort sigt. Derfor bør det at være medarbejdervenlig ikke forveksles med en generel prioritet af at bevare den nuværende arbejdsstyrke.

Mere overbevisende ville være gennemsigtige, forholdsmæssige procedurer, der undersøger omfanget og hastigheden af ​​forandringer samt realistiske alternativer. Afgørende er det, at vurderingen bør fokusere på, om uddannelse, interne overførsler og overgangsstøtte er tilstrækkeligt forberedt. Potentielle yderligere ordrer, forbedret sikkerhed og langsigtet konkurrenceevne skal også tages i betragtning. På denne måde vil evalueringen ikke blive en generel hindring for innovation, men snarere et værktøj til bedre implementering. Den politiske udfordring ligger i at undgå unødvendig social skade uden at stemple selve den produktive transformation som en uønsket risiko.

Hvem skal bære overgangsomkostningerne?

Den kinesiske tilgang forbinder eksplicit teknologiske investeringer med investeringer i mennesker og adresserer også den videre udvikling af kompensations- og fordelingsmekanismer. Dette fremhæver et fordelingsproblem, der ofte overses i entusiasmen for AI-præstationer: virksomheder, medarbejdere og staten drager ikke nødvendigvis fordel i samme forhold eller på samme tid. Omkostningerne ved overgangen er også ulige fordelt.

For virksomheder kan det være attraktivt på kort sigt at reducere personaleomkostninger, mens andre bærer byrden af ​​videreuddannelse, indkomstkompensation og de deraf følgende sociale omkostninger. Et økonomisk forsvarligt system bør begrænse sådanne incitamenter. Dette kan omfatte passende virksomhedsbidrag til uddannelse, tidlig arbejdsstyrkeplanlægning og større medarbejderdeltagelse i påviselige produktivitetsgevinster. Samtidig er det vigtigt at forhindre yderligere forpligtelser i at overbelaste især små virksomheder eller hindre økonomisk levedygtige investeringer.

Retningslinjerne i sig selv erstatter dog ikke en fuldt finansieret implementeringsarkitektur: Den offentliggjorte tekst indeholder hverken en omfattende, separat finansieringsramme eller ensartede kvantitative succesmål for hele pakken af ​​foranstaltninger. Det er netop derfor, at den praktiske ressourceallokering vil være afgørende. Hvis rigere regioner kan tilbyde støtte af høj kvalitet, mens strukturelt svagere områder lades i stikken, kan de eksisterende uligheder forværres. Det, der er behov for, er koordinering mellem det niveau, hvor teknologiske gevinster realiseres, og det niveau, hvor de sociale omstillingsomkostninger afholdes.

Europæiske virksomheder bør se nærmere på det

Kinas forbindelse mellem fremme af kunstig intelligens og beskæftigelsespolitik er også relevant for internationale konkurrenter. Omfanget af industriel automatisering viser, at den kinesiske økonomi fortsat driver teknologisk modernisering i bred skala. Derfor bør den nye arbejdsmarkedspolitik ikke fortolkes som et simpelt tilbagetog fra konkurrencen. Den sigter snarere mod at forbedre de økonomiske og sociale betingelser for en mere bæredygtig moderniseringsvej.

For tyske industri-, logistik- og servicevirksomheder rejser dette et strategisk spørgsmål: Vil AI blot blive introduceret som et omkostningsbesparende værktøj eller som en del af en bredere forbedring af forretningsmodellen? Et ensidigt fokus på personalereduktion kan tilsløre det faktum, at kvalitet, leveringssikkerhed, hurtig reaktionstid og yderligere tjenester også skaber konkurrencefordele. Især virksomheder med omfattende specialist- og procesekspertise kan drage fordel af at kombinere denne viden med intelligente værktøjer i stedet for at reducere deres arbejdsstyrke for tidligt.

Kinesisk politik bør hverken idealiseres eller blankt afvises. Centralt formulerede mål er intet bevis på deres effektive implementering, og politisk kontrol kan skabe perverse incitamenter. Ligeledes ville det være uoverbevisende at behandle teknologisk udvikling som en proces, hvis sociale resultater fundamentalt set er ukontrollerbare. For forretningspraksis ligger den relevante lektie i en integreret tilgang: teknologi, personale, sikkerhed, træning og økonomiske fordele skal planlægges sammen.

Succesen er tydelig i overgangen

Om Kinas politiske ændring vil være økonomisk succesfuld, vil ikke blive afgjort af antallet af offentliggjorte programmer eller nyoprettede jobtitler. Mere meningsfulde indikatorer vil være, hvor hurtigt berørte personer finder stabil beskæftigelse igen, hvordan deres reelle indkomster udvikler sig, og om virksomheder samtidig bliver mere produktive og konkurrencedygtige. Lige så vigtigt er mindre virksomheders adgang til højtydende værktøjer, og om nye job opstår uden for få teknologicentre.

Rationalet er derfor dette: En beskæftigelsesvenlig AI-strategi giver mening, hvis den beskytter mennesker uden permanent at forankre forældede processer. Den bør muliggøre teknologiske gevinster, samtidig med at den skaber betingelser for, at medarbejderne kan få del i dem. For langsom tilpasning bringer produktivitet og konkurrenceevne i fare; for hurtig teknologifortrængning uden bæredygtige overgange kan svække indkomst, efterspørgsel og kompetenceudvikling. Den økonomisk relevante faktor er kvaliteten af ​​forandringen.

Dette ændrer benchmarken for fremskridt. Ikke hver sparet arbejdstime er en samfundsmæssig gevinst, og ikke hvert bevaret trin i processen er automatisk værd at beskytte. Den afgørende faktor er, om teknologiske fremskridt fører til bæredygtigt bedre økonomiske muligheder. Kina forsøger at politisk regulere denne forbindelse. Den mest udfordrende del begynder dog, hvor retningslinjerne krydser de enkelte virksomheder: med den konkrete beslutning om, hvilke job der forsvinder, hvilke nye der skabes, og hvem der får mulighed for at udføre dem i fremtiden.

Den nærmest interne løsning: Hvordan Xpert.Digital lukker operationelle huller i B2B-marketing og -salg – Smart Content-Driven Business - Billede: Xpert.Digital

Xpert.Digital er et datadrevet B2B-industricenter ledet af Konrad Wolfenstein . Virksomheden fungerer som en ekstern, nærmest intern løsning for industrielle partnere og lukker operationelle huller i marketing, indhold og salg – uden at kræve yderligere ressourcer fra klientsiden.

Mere information her:

• Den nærmest interne løsning: Hvordan Xpert.Digital lukker operationelle huller i B2B-marketing og -salg – Smart Content-Driven Business

☑️ Vores forretningssprog er engelsk eller tysk

☑️ NYT: Korrespondance på dit modersmål!

Konrad Wolfenstein

Jeg og mit team er glade for at stå til rådighed for dig som din personlige rådgiver.

Du kan kontakte mig ved at udfylde kontaktformularen her [email protected]:eller blot ringe til mig på +49 7348 4088 965. Min e-mailadresse er

Jeg glæder mig til vores fælles projekt.

☑️ SMV-support inden for strategi, rådgivning, planlægning og implementering

☑️ Oprettelse eller omlægning af den digitale strategi og digitalisering

☑️ Udvidelse og optimering af internationale salgsprocesser

☑️ Globale og digitale B2B-handelsplatforme

☑️ Pioner inden for forretningsudvikling / marketing / PR / messer