844 projektuppgifter analyserade: Stanford visar exakt var AI ska automatisera – och var den inte ska

1,500 arbetare. 52 AI-experter. 104 yrken. Stanford University har skapat den första storskaliga kartan över vad arbetare faktiskt vill att AI ska göra – och vad teknologin faktiskt kan göra. För dig som projektledare är detta spelplanen.

WORKBank: Den första riktiga kartan över AI på jobbet

Forskarna byggde Worker Outlook & Readiness Knowledge Bank (WORKBank) – en databas som för första gången kombinerar:

• Worker desire: Vad vill arbetare att AI ska automatisera?
• Technological capability: Vad kan AI faktiskt göra idag?

Detta är inte spekulation. Detta är data från människor som faktiskt utför jobben, validerat mot AI-experters bedömningar.

Human Agency Scale: Din nya checklista för AI-integration

Stanford introducerar Human Agency Scale (HAS) – en 5-nivå skala som ersätter det binära “automatisera eller inte” tänkandet:

H1 – Total automation: AI hanterar uppgiften helt själv

• Exempel: “Transcribe data to worksheets”, “Run monthly network reports”
• För projektledare: Identifiera dessa i dina projekt. De är automation-redo.

H2 – Minimal human input: AI behöver din input vid några nyckelpunkter

• Exempel: “Devise trading strategies”, “Accept payment on accounts”
• För projektledare: Bra för quality gates – låt AI göra jobbet, du approvar.

H3 – Equal partnership: Människa och AI tillsammans överträffar båda ensamma

• Exempel: “Create core game features”, “Compile and analyze experimental data”
• För projektledare: 45.2% av yrken vill ha H3 som dominant nivå. Detta är framtiden.

H4 – Significant human input: AI behöver din input för att lyckas

• Exempel: “Coordinate financial planning and budgeting”, “Design training programs”
• För projektledare: AI är assistent, inte driver. Du styr.

H5 – Essential human involvement: Uppgiften kan inte fungera utan kontinuerlig human involvement

• Exempel: “Participate in online forums to stay abreast of trends”
• För projektledare: Investera inte i AI här. Fokusera på human capability.

Praktisk åtgärd: Kartlägg dina projektuppgifter längs HAS H1-H5. Det ger dig exakt veta var AI passar och inte passar.

Fyra zoner för AI-integration: Din strategiska karta

Stanford’s desire-capability landscape delar in uppgifter i fyra zoner. Varje zon kräver olika strategi:

Zon 1: Automation “Green Light” Zone (Hög desire + Hög capability)

Karakteristik: Arbetare vill ha automation OCH teknologin finns.

Exempel från forskningen:

• “Tax Preparers: Schedule appointments with clients” (Aw = 5.00)
• “Quality Control Managers: Check regularly reported quality control data”
• “Municipal Clerks: Prepare meeting agendas”

För projektledare – Praktisk åtgärd:

1. Prioritera dessa uppgifter först för AI-implementation
2. Låg resistance: Team kommer att acceptera automation gladly
3. Snabbt ROI: Teknologin är redo, workers är redo
4. Exempel i projekt: Automatisera status reporting, meeting scheduling, data entry, quality checks

Implementationsstrategi:

• Börja pilot här – greatest chance of success
• Använd befintliga verktyg (teknologin är mogen)
• Kommunicera time savings som benefit

Zon 2: Automation “Red Light” Zone (Hög capability men låg desire)

Karakteristik: AI KAN göra det, men arbetare VILL INTE att AI gör det.

Varför workers resists (från forskningen):

• 45.0%: Lack of trust i AI accuracy
• 23.0%: Fear of job replacement
• 16.3%: AI saknar “human touch”

Särskilt tydligt i: Arts, Design, and Media (endast 17.1% positive desire)

Citat från studie: “I want AI used for maximizing workflow, making things less repetitive. No content creation.” “I would never use AI to replace artists. More for personal project management use.”

För projektledare – Kritisk varning: 41.0% av Y Combinator startups fokuserar på Low Priority Zone och Red Light Zone. De bygger lösningar workers inte vill ha.

Praktisk åtgärd:

1. Undvik automation här även om det är tekniskt möjligt
2. Risk för team morale: Forcering skapar resistance och sabotage
3. Exempel att undvika: AI för creative content creation, AI för interpersonal decisions, AI för strategic direction
4. Om du måste: Frame som augmentation (H3-H4), inte automation (H1-H2)

Zon 3: R&D Opportunity Zone (Hög desire men låg capability ännu)

Karakteristik: Workers vill ha automation men teknologin är inte redo.

Exempel från forskningen:

• “Computer Scientists: Approve, prepare, monitor budgets”
• “Video Game Designers: Create production schedules with production staff”
• “Technical Writers: Arrange for distribution of material”

För projektledare – Strategisk möjlighet: Denna zon är understödd. AI research papers koncentreras här (encouragingly), men commercial solutions saknas.

Praktisk åtgärd:

1. Dokumentera dessa pain points i ditt team
2. Partnership opportunities: Kontakta AI vendors för custom solutions
3. Early adopter advantage: När teknologin kommer, du är redo
4. Build or buy decision: Värt att investera i custom development här

Exempel i projekt:

• Complex resource optimization med multiple constraints
• Uncertainty management i dynamiska miljöer
• Domain-specific decision support systems

Zon 4: Low Priority Zone (Låg desire + Låg capability)

Karakteristik: Varken workers vill ha det eller teknologin finns.

För projektledare – Praktisk åtgärd:

1. Skippa dessa helt för AI-investment
2. Fokusera resurser på Green Light och Opportunity zones
3. Exempel: Niche domain tasks med hög interpersonal requirement och low repetition

Vad workers faktiskt vill automatisera: 46.1% är positiva

Trots oro för job loss, 46.1% av uppgifter fick positiv automation desire (≥3 på 5-punkt skala).

Top 3 motivationer (från workers själva):

1. 69.38%: “Freeing up time for high-value work”
2. 46.6%: “Task is repetitive or tedious”
3. 46.6%: “Would improve work quality”

För projektledare – Insikt: Workers vill inte bli ersatta. De vill bli befriade från low-value work för att fokusera på high-value contributions.

Praktisk åtgärd: Frame AI-implementation som “time liberation”, inte “efficiency gain”. Kommunicera: “AI gör X så att DU kan fokusera på Y (mer värdefullt arbete).”

Konkret exempel: Istället för: “Vi automatiserar statusrapportering för efficiency” Säg: “AI hanterar statusrapporter så att ni kan fokusera mer tid på problemlösning och stakeholder relationships”

Sector-specifik variation: Computer vs Creative

Computer and Mathematical:

• 53.8% uppgifter med positiv automation desire
• Högst acceptance för AI-integration

Arts, Designs, and Media:

• Endast 17.1% uppgifter med positiv automation desire
• Stark resistance mot creative automation

För projektledare – Praktisk implikation: Samma AI-strategi fungerar inte across sectors. Anpassa approach baserat på domain.

IT/Tech projects: Aggressiv automation där tekniskt möjligt Creative projects: Fokusera AI på workflow/admin (H4-H5), inte på creative core Business/Finance: Balanserad approach – automate repetitive, augment analytical

Skills shift: Information → Interpersonal

Stanford’s most alarming finding för workforce development:

Traditionellt höglönade skills som analysering av information blir mindre betonade när AI kan göra dem.

Interpersonal och organizational skills växer i betydelse.

För projektledare – Strategisk imperative: Om ditt team bara tränar på technical/analytical skills, de förbereder sig för irrelevans.

Praktisk åtgärd – Skills investment hierarchy:

Prioritet 1 – Interpersonal competencies:

• Stakeholder management
• Conflict resolution
• Cross-functional collaboration
• Emotional intelligence
• Negotiation

Prioritet 2 – AI-augmented analytical skills:

• Critical thinking för AI output validation
• Judgment för ethical AI decisions
• Synthesis skills (combining AI insights med human context)

Prioritet 3 – Traditional technical skills:

• Fortfarande värdefulla men inte differentierande längre

Konkret training plan:

• 50% av L&D budget → interpersonal training
• 30% → AI literacy och judgment training
• 20% → traditional technical upskilling

Mismatchen som kostar pengar: Usage vs Need

Stanford jämförde WORKBank data med faktisk Claude.ai användning (Dec 2024-Jan 2025).

Shocking finding: Top 10 yrken med högst automation desire = endast 1.26% av total Claude usage.

För projektledare – Implikation: Current AI usage reflects early adopters, inte real workplace needs.

Praktisk åtgärd: Lita inte på “vad andra gör” för att guida din AI-strategi. Kör din egen worker survey:

1. Vilka uppgifter vill teamet automatisera?
2. Vilka uppgifter är repetitive/tedious?
3. Var skulle AI free up most high-value time?

Survey template (från Stanford’s framework):

• “If AI could do this task completely, how much do you want it to?” (1-5 scale)
• “How much collaboration between you and AI would be needed?” (H1-H5)
• “Why?” (audio response för nuance)

Din 5-stegs implementation plan

Steg 1: Task inventory med HAS classification Lista alla återkommande projektuppgifter. Klassificera varje längs H1-H5 baserat på:

• Repetitiveness
• Domain expertise requirement
• Interpersonal element
• Uncertainty level

Steg 2: Desire-Capability mapping För varje task, bedöm:

• Worker desire (survey ditt team)
• AI capability (konsultera AI experts eller vendors) Plot i desire-capability landscape → identifiera vilken zon

Steg 3: Zone-specific strategies

• Green Light Zone: Immediate automation pilots
• Red Light Zone: Skip eller pivot till augmentation (H3-H4)
• Opportunity Zone: Dokumentera för framtida investment
• Low Priority: Ignore för AI purposes

Steg 4: Communication strategy

• Frame som “time liberation”, inte “replacement”
• Highlight high-value work som blir möjligt
• Address trust concerns proaktivt (särskilt Red Light risks)

Steg 5: Skills roadmap Shift training investment:

• Interpersonal skills (primary)
• AI-augmented judgment (secondary)
• Technical skills (maintenance mode)

Praktiska verktyg du kan använda imorgon

Tool 1: HAS Task Classifier Skapa ett spreadsheet: | Task | Repetitiveness (1-5) | Domain Expertise (1-5) | Interpersonal (1-5) | Uncertainty (1-5) | HAS Level | Zone |

Scoring guide:

• High repetitiveness + Low expertise/interpersonal/uncertainty = H1-H2
• Balanced scores = H3
• Low repetitiveness + High expertise/interpersonal/uncertainty = H4-H5

Tool 2: Worker Desire Survey Three-question survey för varje major task category:

1. “Automation desire?” (1-5 scale)
2. “Why?” (free text)
3. “Ideal collaboration level?” (H1-H5 descriptions)

Tool 3: Zone Prioritization Matrix | Zone | Tasks Identified | Priority Score | Next Action | | Green Light | [list] | High | Pilot in Q2 | | Opportunity | [list] | Medium | Track vendors | | Red Light | [list] | Low | Reframe as augment | | Low Priority | [list] | Skip | N/A |

Varningssignaler: När AI-strategi går fel

Baserat på Stanford’s findings, watch for:

Signal 1: Usage in Red Light Zone Om du pushar AI där workers resists → morale drop, passive resistance, sabotage.

Signal 2: Ignoring Opportunity Zone Om konkurrenter löser Opportunity Zone tasks först → de får competitive advantage när tech matures.

Signal 3: Over-indexing på H1-H2 Om alla AI-initiativ är full automation → du missar augmentation opportunities som skapar mer value.

Signal 4: Skills investment misalignment Om du fortfarande tränar bara technical skills → team blir obsolete när AI automatiserar information processing.

Slutsatsen som förändrar din AI-strategi

Stanford’s WORKBank visar något fundamentalt: AI-integration är inte en tech decision. Det är en human decision.

Frågan är inte “Kan AI göra detta?” utan:

1. Vill workers att AI gör detta? (Desire)
2. Kan AI faktiskt göra detta väl? (Capability)
3. Hur mycket human involvement behövs? (HAS)
4. Vilken zon landar uppgiften i? (Strategic priority)

För dig som projektledare:

• Green Light Zone: Din snabba win. Implementera nu.
• Red Light Zone: Din landmina. Undvik eller reframe.
• Opportunity Zone: Din framtida advantage. Track closely.
• Low Priority: Din distraction. Ignore.

46.1% av uppgifter har positiv automation desire – men endast om det frigör tid för high-value work. Workers vill inte bli ersatta. De vill bli befriade för att göra mer meaningful contributions.

Din uppgift: Hitta den balansen. Använd HAS för att guida. Listen to workers. Align med capability. Invest in interpersonal skills.

AI är inte här för att ersätta ditt team. Den är här för att befria dem. Om du implementerar rätt.

Källa: “Future of Work with AI Agents: Auditing Automation and Augmentation Potential across the U.S. Workforce” från Yijia Shao, Humishka Zope, et al. (Stanford University), publicerad 2025