Perspektiv
IMF placerer AI mellem produktivitetsløft og investeringsrisiko
IMF beskriver AI-investeringerne som en reel støtte til verdensøkonomien, men advarer samtidig om, at gevinsterne endnu ikke kan aflæses tydeligt i den brede produktivitet. Rapporten er mest nyttig som en påmindelse om at skelne mellem et stærkt investeringsmarked og dokumenteret værdi i arbejdet.
AI boomet er allerede et efterspørgselschok
IMF’s World Economic Outlook fra 13. oktober 2026 beskriver investeringer i AI, hardware og infrastruktur som en positiv efterspørgselskraft i verdensøkonomien. Handlen med AI-relateret udstyr og store investeringer i datacentre har allerede betydning for aktivitet, eksport og kapitalmarkeder. Om den bølge senere bliver til et bredt udbudsløft gennem højere produktivitet, er fortsat åbent. [1]
Rapporten fremhæver netop forskellen mellem de to mekanismer. En virksomhed kan købe chips, software og konsulenttimer i dag, uden at dens medarbejdere skaber mere værdi pr. arbejdstime i morgen. Investeringen tæller med i efterspørgslen med det samme. Produktivitetsgevinsten kommer først, hvis værktøjet bliver indarbejdet i reelle arbejdsgange, og hvis organisationen ændrer data, processer, kompetencer og ansvar omkring det.
IMF peger på, at gevinster i forsøg med enkelte opgaver ofte er større end de effekter, der kan ses i den samlede økonomi. ILO beskriver samme såkaldte aggregeringsparadoks: Lovende resultater på mikroniveau bliver ikke automatisk til målbar vækst på virksomheds- eller samfundsniveau. Supplerende investeringer i organisering og færdigheder tager tid. [2]
Det er derfor for tidligt at bruge det globale investeringsboom som bevis for, at enhver lokal AI-businesscase holder. Der er aktivitet i markedet. Det er ikke det samme som dokumenteret nytte i jeres egen opgave.
Tre scenarier viser hvor usikkert spændet er
IMF opstiller tre modelscenarier for perioden frem mod 2031. I scenariet med stærke resultater bliver udbygningen større end i grundforløbet, og AI løfter den globale totalfaktorproduktivitet med 0,8 procent over ti år. To tredjedele af gevinsten antages at komme i de første fem år. En stærkere udbygning kan i dette scenarie øge verdens BNP med 0,6 procent i 2029 i forhold til grundforløbet. [1]
I scenariet med kapacitetsbegrænsninger er efterspørgslen fortsat høj, men udbuddet af avanceret udstyr reagerer langsomt. Priserne stiger, inflationen bliver mere mærkbar, og produktivitetsgevinsterne kommer senere. Verdens BNP ligger her kun 0,2 procent over grundforløbet i 2029. Det er stadig en positiv udvikling, men den kræver mere kapital og mere tålmodighed. [1]
I korrektionsscenariet udebliver produktivitetsgevinsterne. Investeringer og aktivpriser falder, finansieringen strammes, og den samlede verdensproduktion ender 1,1 procent under grundforløbet i 2028. IMF modellerer blandt andet et fald i amerikanske aktiekurser på 20 procent i 2026 og 15 procent andre steder. Det er forudsætninger i et risikoscenarie, ikke en forudsigelse om, at faldet kommer. [1]
Scenarierne kan ikke afgøre, hvilken vej virkeligheden tager. De viser, hvor følsomt resultatet er over for antagelser om kapacitet, produktivitet og finansielle forventninger. Når en leverandør eller investor citerer et enkelt positivt tal, bør man derfor altid spørge, hvilket scenarie tallet kommer fra, og hvad modellen forudsætter.
En lokal businesscase skal måle mere end licenser
Den praktiske prøve foregår i arbejdet. Vælg en konkret opgave og mål en sammenlignelig baseline: tidsforbrug, fejl, omarbejde, ventetid, kvalitet og konsekvens for den person, der modtager resultatet. Gentag målingen med AI-støtte på et repræsentativt udsnit. En oplevet tidsbesparelse er nyttig viden, men den bør kontrolleres mod det endelige resultat og den tid, andre bruger på kontrol.
Regn de supplerende omkostninger med. En licens er kun den synlige del. Data skal gøres anvendelige. Medarbejdere skal oplæres. Adgangsrettigheder og logning skal fungere. Fagpersoner skal kontrollere output, og en driftsorganisation skal håndtere fejl, ændringer og leverandørafhængighed. IMF fremhæver selv digital infrastruktur, immateriel kapital og færdigheder som betingelser for større gevinster. [1]
Del investeringen i trin. Et pilotforløb bør have et fast budget, en tydelig ejer, et defineret datagrundlag og en stopregel. Næste trin udløses først, når den aftalte effekt kan genfindes over tid. Det beskytter mod både begejstring og overdreven forsigtighed, fordi beslutningen hviler på observationer fra den virkelige proces.
Undgå at bogføre frigivet tid som en gevinst, før I ved, hvad tiden bliver brugt til. Hvis medarbejderen bare får flere opgaver uden bedre prioritering, kan tempoet stige uden at kvalitet, trivsel eller kundeværdi følger med. Produktivitet er forholdet mellem ressourcer og værdifuldt output, ikke antallet af genererede dokumenter.

Bevar handlefrihed når markedet skifter
En robust AI-strategi skal fungere i flere af IMF’s scenarier. Det betyder åbne dataformater, mulighed for at eksportere historik, dokumenterede instruktioner og tests, der kan køres igen på en anden model. Aftaler bør beskrive priser, brugsgrænser, ændringer i funktioner, behandling af data og en realistisk vej ud.
Lav et simpelt scenariekort for jeres egen løsning. Hvad gør I, hvis prisen falder og kvaliteten stiger hurtigt? Hvad hvis kapacitet, energi eller specialister bliver en flaskehals? Hvad hvis modellen ikke leverer den forventede effekt, eller en leverandør ændrer vilkårene? Knyt et konkret signal og en beslutning til hvert forløb.
Hold teknologirisiko adskilt fra finansiel markedsrisiko. En nyttig intern løsning kan skabe værdi, selv om børsnoterede AI-selskaber falder. Omvendt gør stigende markedsværdier ikke et lokalt projekt godt. Bestyrelse og ledelse bør kunne forklare investeringen med egne data, også på en dag hvor AI-aktier går den modsatte vej.
IMF’s rapport hverken afviser eller garanterer et produktivitetsløft. Den dokumenterer et stort økonomisk spænd mellem forskellige antagelser. Den bedste reaktion er ikke at vælge den mest dramatiske kurve. Det er at gøre egne investeringer mindre afhængige af, at én kurve viser sig at være rigtig.
Læs også
Kilder og videre læsning
- [1] International Monetary Fund — World Economic Outlook October 2026 Chapter 1 (13. oktober 2026)
- [2] International Labour Organization — The Aggregation Paradox of AI (6. maj 2026)
- [3] OECD — The effects of generative AI on productivity innovation and entrepreneurship (25. juni 2025)