En junior jurist lär sig inte yrket enbart på universitetet. Hon lär sig genom att läsa avtal, göra research, skriva första utkast och få dem sönderplockade av någon mer erfaren.
En utvecklare lär sig genom att skriva kod, hitta fel, bygga om och se vad som händer när lösningen möter verkligheten.
AI kan nu göra delar av det grundarbetet.
Det är en produktivitetsvinst. Det kan också förändra hur Sverige skapar nästa generation erfarna specialister.
Juniorarbete gör två jobb samtidigt
Juniorarbete producerar arbete i dag. Det producerar också kompetens för i morgon.
Den första funktionen syns i företagets resultat. Den andra syns flera år senare, när en nyanställd har blivit den som kan ta ansvar, bedöma kvalitet och lära upp nästa person.
AI förändrar kalkylen för den första funktionen. Om en senior jurist med en modell kan göra mer själv behövs färre timmar av research och första utkast. Om en erfaren utvecklare arbetar med agenter kan ett mindre team leverera samma projekt.
För varje arbetsgivare kan det vara ett klokt beslut. Tillsammans kan besluten skapa ett problem som inget enskilt företag har ansvar för att lösa.
Rationellt för varje företag. Ett problem för alla.
Ett företag som tränar en junior betalar för handledningen men kan inte räkna med att behålla hela avkastningen. Personen kan byta jobb när kompetensen har byggts. När alternativet är att låta AI göra uppgiften billigare blir den gamla träningsmodellen ännu svårare att bära.
En testbar hypotes om företagsstorlek
Juniorrekryteringen kan reagera olika i små och stora företag.
Stora arbetsgivare kan ha traineeprogram, intern rörlighet, HR-funktioner och större möjlighet att bära kostnaden för framtida kompetens. Ett mindre kunskapsföretag möter ofta en mer direkt kalkyl.
Tänk en byrå med sju personer där de seniora medarbetarna kan göra mer med AI. Ägaren behöver inte säga upp någon. Företaget kanske låter bli att ersätta junioren som slutar, väntar med nästa rekrytering eller växer från sju till åtta personer i stället för från sju till tio.
Det är ett tänkbart förlopp, inte ett konstaterat mönster. Radarn ska försöka testa frågan:
Faller juniorrekryteringen snabbare i små AI-exponerade kunskapsföretag än i stora företag?
Bristen syns när det redan är för sent
En nedgång i juniorrekryteringen märks direkt för den som söker sitt första jobb. För samhället kommer den verkliga effekten senare.
Om färre får den praktiska träningen i dag kan det saknas erfarna jurister, utvecklare, revisorer och analytiker om tio eller femton år. Då går det inte att snabbt återskapa de tusentals arbetstimmar som aldrig utfördes.
Svenska registerdata visar en åldersgradient i AI-exponerade yrken. Amerikanska löneadministrativa data pekar åt samma håll, med ett större gap. Den danska registerstudien finner däremot inga tydliga effekter på löneinkomster eller arbetade timmar, även om arbetsuppgifterna förändras.
Resultaten avgör inte frågan. De gör den tillräckligt konkret för att följas. Siffror, metoder och förbehåll finns i källregistret och i fördjupningen om argumenten mot vår tes.
Rädda vägen, inte de gamla uppgifterna
Att låta en människa fortsätta göra ett arbete som AI gör bättre är ingen hållbar kompetenspolitik.
Vi ska inte återskapa dokumentgranskning eller repetitiv kod bara för att de en gång fungerade som träning. Vi behöver bygga en ny väg där juniorer får verkligt ansvar, tränar bedömning och lär sig kontrollera arbete som delvis har utförts av AI.
Målet är inte att bevara juniorjobbet som det såg ut 2020. Målet är att fortfarande kunna skapa en senior 2035.
Det väcker konkreta frågor:
- Vilket arbete måste en människa själv ha gjort för att kunna bedöma någon annans?
- Hur tidigt kan en junior få ansvar när AI redan kan producera ett bra första utkast?
- Hur tränas omdöme, kvalitetskontroll och klientansvar?
- Vem betalar för träningen när nyttan kan hamna hos nästa arbetsgivare?
- Hur ser vi i tid om vägen från junior till senior håller på att försvagas?
Det här ska Senior 2035 räkna ut
Senior 2035 ska börja med en enkel men obesvarad fråga:
Hur många erfarna specialister behöver Sverige omkring 2035, och hur många är på väg genom systemet i dag?
Arbetet har fyra delar:
- Behovet. Uppskatta framtida behov i utvalda yrken med hjälp av åldersstruktur, pensionsavgångar och efterfrågeutveckling.
- Inflödet. Följ junior- och seniorrekrytering genom AI-arbetsmarknadsradarn, uppdelat efter företagsstorlek där data tillåter.
- Träningen. Kartlägg vilka uppgifter som byggde kompetens och vilka som nu automatiseras.
- Nya vägar. Undersök tillsammans med arbetsgivare och utbildningsanordnare hur ett AI-nativt lärlingskap kan fungera.
Så långt vi har kunnat avgöra finns ingen svensk sammanställning som kopplar ihop framtida seniorbehov med dagens inflöde av juniorer. Det är den luckan projektet vill fylla.
AI kan också göra juniorer bättre snabbare
Det finns ett starkt skäl till optimism.
En junior som slipper mycket repetitiv dokumentgranskning kan få mer tid för bedömning, klientkontakt och ansvar. AI kan ge omedelbar återkoppling, visa alternativ och göra det möjligt att öva på fler fall. Vägen till senior kan bli kortare.
Det utfallet är lika viktigt att upptäcka som det motsatta. Därför börjar Senior 2035 med data och arbetsuppgifter, inte med ett färdigt stöd eller en ny anställningsform.
Först behöver vi veta om pipelinen försvagas, stärks eller bara byggs om.