AI minskar inte arbetet – det intensifierar det, visar UC Berkeley-studie

Man arbetar sent på kvällen med laptop och telefon i mörkret – illustrerar UC Berkeley-studiens fynd att AI intensifierar arbetet och leder till längre arbetsdagar och utbrändhet — Foto: pvproductions / magnific.com

En åtta månader lång etnografisk studie av ungefär 200 anställda vid ett amerikanskt teknikbolag, publicerad i Harvard Business Review den 9 februari 2026, visar att AI-verktyg inte minskar arbetsbelastningen. I stället intensifierar de den konsekvent — genom tre mekanismer: uppgiftsexpansion, suddiga gränser mellan arbete och privatliv och ökad multitasking. För projektledare som implementerar AI i sina team är resultaten ett konkret underlag för att förebygga utbrändhet och ohållbar arbetsintensitet.

AI intensifierar arbetet – huvudpunkter

I en åtta månader lång studie av ungefär 200 anställda vid ett amerikanskt teknikbolag — genomförd april till december 2025 — fann forskarna att anställda arbetade i snabbare takt, tog på sig fler uppgifter och förlängde arbetsdagen utan att bli ombedda (källa: Ranganathan & Ye, HBR, 2026-02-09).
83 procent av de anställda uppgav att AI ökade deras arbetsbelastning. 62 procent av associates och 61 procent av entry-level-anställda rapporterade utbrändhet. Bara 38 procent av C-suite-chefer kände samma press (källa: HBR/Fauzia Burke, 2026-02-09).
Tre mekanismer driver arbetsintensifieringen: uppgiftsexpansion (när AI snabbar upp en uppgift tar anställda sig an fler), suddiga gränser mellan arbete och privatliv (AI gör det möjligt att arbeta var som helst, när som helst) och ökad multitasking (AI introducerar ett nytt arbetsrytm med parallella trådar) (källa: Ranganathan & Ye, HBR, 2026-02-09).
Studien baseras på etnografisk observation — Aruna Ranganathan tillbringade två dagar i veckan inbäddad på företaget under åtta månader, kompletterat med mer än 40 intervjuer med anställda inom teknik, produkt, design, forskning och operations (källa: AI First Founders/HBR, 2026-02-11).
AI introducerade ett nytt arbetsrytm där anställda hanterade flera aktiva trådar parallellt — manuellt skrevs kod medan AI genererade en alternativ version, flera agenter kördes parallellt och länge uppskjutna uppgifter återupptogs eftersom AI “kunde hantera dem i bakgrunden” (källa: Simon Willison/HBR, 2026-02-09).
Forskarna identifierar tre motåtgärder: avsiktliga pauser (strukturerade avbrott när uppgifter accelererar), sekvensering (ett i taget i stället för parallella trådar) och mänsklig förankring (regelbundna synkroniseringar med kollegor för att motverka isolerat AI-arbete) (källa: Ranganathan & Ye, HBR, 2026-02-09).
Studien varnar att organisationer riskerar att inte se kostnaden av produktivitetsvinster förrän det är för sent — och att det kan bli svårt att skilja genuina produktivitetsvinster från ohållbar arbetsintensitet (källa: HBR Store/Ranganathan & Ye, 2026-02-09).

Vad detta betyder för projektledare

Produktivitetsvinster och arbetsintensitet måste mätas separat. Studien visar att snabbare leverans kan dölja ökad utbrändhet. Projektledare bör mäta inte bara output och leveranshastighet, utan också arbetsbelastning per individ, övertid och välmåendeindikationer — och inte ta för givet att AI-adoption är hälsosam för teamet.
Uppgiftsexpansion är en konkret projektrisk. När AI snabbar upp en uppgift finns en stark tendens att ta sig an fler uppgifter i stället för att frigöra tid. Projektledare bör explicit reglera scope i projektet under AI-implementation — inte enbart öka leveransmålen.
Suddig gräns mellan arbete och privatliv kräver aktiv styrning. AI gör det möjligt att arbeta var som helst och när som helst — och skapar ett tryck att göra det. Projektledare bör etablera tydliga normer för tillgänglighet och arbetstidens gränser, särskilt i team med hög AI-användning.
“AI practice” bör inkluderas i implementationsplanen. Forskarna rekommenderar att organisationer bygger en strukturerad praxis för hur AI används — med avsiktliga pauser, sekvensering och mänskliga synkroniseringar. Projektledare bör inkludera detta som en explicit leverabel i AI-implementationsprojektet, inte enbart verktygsinstallation och utbildning.

Begrepp i artikeln

Uppgiftsexpansion (task expansion): Fenomenet att anställda tar på sig fler och bredare uppgifter när AI accelererar befintliga uppgifter — utan att arbetsbelastningen minskar.
Workload creep: Gradvis ökande arbetsbelastning som sker utan att det fattas ett aktivt beslut om det — ett resultat av att AI sänker tröskeln för att starta nya uppgifter.
Kognitiv utmattning: Mentalt slitage från att hantera parallella AI-genererade trådar, frekvent granskning av AI-output och konstant uppmärksamhetsväxling.
AI practice: Forskarnas term för en strukturerad organisatorisk praxis för hur AI-verktyg används — inklusive pauser, sekvensering och mänsklig förankring — för att motverka ohållbar arbetsintensitet.

Kursinfo: AI för projektledare

Vanliga frågor

Minskar AI arbetsbelastningen för anställda? Nej, enligt en åtta månader lång studie av ungefär 200 anställda vid ett amerikanskt teknikbolag. AI intensifierar arbetet konsekvent — anställda arbetar snabbare, tar på sig fler uppgifter och förlänger arbetsdagen utan att bli ombedda. 83 procent uppgav att AI ökade deras arbetsbelastning (källa: Ranganathan & Ye, HBR, 2026-02-09).

Vilka tre mekanismer intensifierar arbetet när AI används? Uppgiftsexpansion — fler uppgifter tas på sig när AI snabbar upp befintliga. Suddiga gränser — AI möjliggör arbete var som helst och skapar tryck att arbeta utanför ordinarie arbetstid. Ökad multitasking — AI introducerar parallella arbetsflöden som kräver konstant uppmärksamhetsväxling (källa: Ranganathan & Ye, HBR, 2026-02-09).

Hur stor är skillnaden i upplevd press mellan chefer och anställda? 62 procent av associates och 61 procent av entry-level-anställda rapporterade utbrändhet. Bara 38 procent av C-suite-chefer upplevde samma press — en gap på ungefär 23 procentenheter (källa: Fauzia Burke/HBR, 2026-02-09).

Vad rekommenderar forskarna för att motverka AI-driven arbetsintensifiering? Tre motåtgärder: avsiktliga pauser (strukturerade avbrott), sekvensering (ett i taget i stället för parallella uppgifter) och mänsklig förankring (regelbundna synkroniseringar med kollegor). Organisationer bör bygga en “AI practice” som strukturerar hur AI används (källa: Ranganathan & Ye, HBR, 2026-02-09).

Källa: AI Doesn’t Reduce Work—It Intensifies It / Harvard Business Review, Aruna Ranganathan (UC Berkeley Haas) och Xingqi Maggie Ye (Berkeley Haas), publicerad 2026-02-09.

Läs även

Läs fler artiklar