Goldman Sachsin raportti ei tue yksinkertaista työpaikkatuho-otsikkoa. Se kuvaa työmarkkinaa, jossa rutiininomainen tietotyö halpenee, uran alku muuttuu vaikeammaksi ja yritykset joutuvat rakentamaan osaamisen portaat uudelleen.

Goldman Sachsin uusi An AI Job Apocalypse? -raportti osuu suoraan vuoden 2026 työelämäkeskustelun hermoon. Yhtiöt kertovat AI:n tuottavuushyödyistä, teknologiafirmat puhuvat pienemmistä tiimeistä, nuorten osaajien rekrytointi sakkaa paikoin ja samalla tekoälyagenttien kustannukset laskevat.

Raportin viesti on kaksijakoinen. Goldman Sachs ei odota laajaa ja pysyvää työttömyyskriisiä, mutta se ei myöskään vähättele muutosta. Perusennusteessa AI voi syrjäyttää yli 9 prosenttia Yhdysvaltain työvoimasta vuosikymmenen aikana. Se vastaisi noin 15 miljoonaa työntekijää. Jos muutos jakautuu pitkälle ajalle ja uutta työtä syntyy samaan aikaan, työttömyysasteen nousu jäisi kuitenkin alle yhteen prosenttiyksikköön.

Tämä on tärkeä ero. Yksittäisen työntekijän kannalta työpaikan menetys on iso asia. Kansantalouden mittarissa sama muutos voi näyttää hallittavalta, jos työmarkkina imee ihmiset uusiin rooleihin. Goldman Sachsin raportti kannattaa lukea juuri tästä näkökulmasta: se kuvaa maailmaa, jossa kokonaisuus voi kestää, vaikka moni yksittäinen ura ei jatku ennallaan.

Toinen lukutapa on vielä käytännöllisempi. Työpaikka on liian iso yksikkö AI-vaikutusten arviointiin. Parempi yksikkö on tehtävä: mikä osa työstä on toistuvaa, digitaalista, mitattavaa ja irrotettavissa ihmisen vastuusta. AI-Sanomissa samaa tehtävälogiikkaa on käsitelty aiemmin artikkelissa Tekoäly ei vie työtäsi. Se vie osan tehtävistäsi.

Nämä luvut eivät tarkoita, että 9 prosenttia työpaikoista katoaisi yhdessä rytinässä. Ne tarkoittavat, että AI-siirtymä voi lisätä työpaikkojen vaihtuvuutta selvästi. Osa menettää nykyisen työnsä, osa siirtyy saman työn uuteen versioon ja osa huomaa, että uran seuraava askel onkin eri suunnassa kuin vielä pari vuotta sitten näytti.

Goldman Sachsin raportti ei maalaa yhtä työmarkkinaa. Se maalaa useita päällekkäisiä työmarkkinoita.

Ensimmäisessä näkyvät alat, joissa AI:n käyttötapaukset ovat jo selviä: ohjelmistot, datankäsittely, call centerit, toimistohallinto, graafinen suunnittelu, markkinointikonsultointi ja osa julkaisutoiminnasta.

Toisessa kuvassa työmarkkinassa AI ei vielä näy yhtä selvästi. Kun Goldman Sachs katsoo laajempaa toimialadataa, se ei löydä vahvaa tilastollista yhteyttä AI:n käyttöönoton ja työttömyyden, työllisyyskasvun tai palkkakehityksen välillä. Tämä on raportin rauhoittava osa. AI-keskustelu on paljon edellä koko talouden työllisyysdataa.

Kolmannessa työmarkkinassa näkyy rakennemuutos, jota luvut vasta alkavat tavoittaa. Nuoret, vähän kokemusta keränneet työntekijät ovat alttiimpia, jos heidän ensimmäiset tehtävänsä ovat juuri niitä, joita AI pystyy hoitamaan. Tämä koskee etenkin tekstin, koodin, analyysin, asiakaspalvelun, hallinnon ja toistuvien tietotyöprosessien alkuvaiheen tehtäviä.

Suomalaiselle lukijalle olennainen havainto on tämä: AI:n vaikutus ei todennäköisesti jakaudu toimialoittain siististi. Samassa organisaatiossa yksi työntekijä saa AI:sta tehovivun, toinen menettää osan työnsä perustasta ja kolmas joutuu opettelemaan kokonaan uuden tavan perustella oma arvonsa. Sama näkyy agenttikeskustelussa laajemmin: tekoälyagentit muuttavat tietotyötä ennen kaikkea työnkulkujen tasolla, eivät vain yksittäisen tehtävän nopeuttajina.

Raportin vahvuus on, että Goldman Sachs ei pakota kaikkia asiantuntijoita samaan johtopäätökseen. Sen sijaan se asettaa rinnakkain kolme hieman erilaista tulkintaa.

Goldman Sachsin ekonomisti Joseph Briggs näkee AI:n merkittävänä tuottavuusshokkina. Hänen perusennusteessaan AI nostaa tuottavuutta 15 prosenttia täyden käyttöönoton jälkeen. Historiallisen datan perusteella tällainen teknologinen tuottavuusloikka lisää väliaikaisesti työttömyyttä, koska osa työntekijöistä joutuu etsimään uutta työtä.

Briggsin laskelma etenee kahdella tasolla. Aiempi tehtäväpohjainen arvio oli, että 6-7 prosenttia työntekijöistä voisi kokea työttömyysjakson AI:n takia. Kun mukaan otetaan työpaikkojen bruttotuhoutuminen, arvio nousee yli 9 prosenttiin työvoimasta. Yhdysvalloissa se tarkoittaisi noin 15 miljoonaa ihmistä.

Silti Briggs ei pidä tätä pysyvänä massatyöttömyytenä. Hänen keskeinen perustelunsa on Yhdysvaltain työmarkkinan dynamiikka. Talous luo ja tuhoaa normaalistikin 25-35 miljoonaa yksityisen sektorin työpaikkaa vuodessa. Jos AI lisää uuden työn syntyä edes maltillisesti, osa syrjäytymisestä imeytyy tähän jatkuvaan liikkeeseen.

MIT:n Daron Acemoglu suhtautuu varovaisemmin. Hän arvioi, että seuraavan viiden vuoden aikana AI:n nettovaikutus työpaikkoihin on negatiivinen, mutta ei lähelläkään suurimpia pelkokuvia. Hänen arvionsa on alle 2-4 prosenttia työpaikoista viiden vuoden aikana.

Acemoglun perustelu on käytännöllinen. Nykyiset AI-mallit eivät vielä ole laajasti helppokäyttöisiä yrityssovelluksia. Moni työntekijä joutuu edelleen promptaamaan, tarkistamaan ja korjaamaan. Koodaaminen on poikkeus, koska ohjelmistokehittäjillä on sekä työkalut että osaaminen hyödyntää malleja tehokkaasti.

Pidempää aikaväliä Acemoglu pitää avoimempana. Hänen mukaansa lopputulos riippuu siitä, investoidaanko AI:hin, joka täydentää työntekijöitä, vai AI:hin, joka korvaa heitä. Jos painopiste pysyy korvaamisessa, työpaikkamenetykset voivat kasvaa 10-15 vuoden aikajänteellä.

MIT:n Neil Thompson tuo keskusteluun toisen jarrun. AI voi näyttää demossa vahvalta, mutta työmarkkinavaikutus vaatii enemmän kuin kyvykkyyttä.

Jotta AI vaikuttaa työhön, sen pitää:

Thompsonin mukaan suuri yritys automatisoi ensin korkean arvon käyttötapaukset. Pienet yritykset ja pitkän hännän tehtävät seuraavat hitaammin, jos seuraavat lainkaan. Siksi hän näkee AI:n vaikutuksen enemmän nousevana vetenä kuin äkillisenä aaltona. Muutos on todellinen, mutta se etenee epätasaisesti.

Tämä on hyödyllinen vastalääke demoharhalle. Se, että malli voi tehdä tehtävän kerran, ei vielä tarkoita, että yritys uskaltaa rakentaa liiketoimintaprosessin sen varaan. Siksi pitkäkestoiset agenttityönkulut tarvitsevat rajauksen, tarkistuksen ja pysäytysehdon. Olen avannut tätä käytännön tasolla loop engineering -oppaassa.

Raportin ehkä käyttökelpoisin käsitepari on substituutio ja augmentaatio. Suomeksi: korvaaminen ja täydentäminen.

AI korvaa työntekijää, kun yritys voi automatisoida tehtävän ja palkata vähemmän ihmisiä. AI täydentää työntekijää, kun se tekee ihmisestä tuottavamman ja voi sitä kautta kasvattaa kysyntää.

Goldman Sachsin Elsie Peng arvioi, että molemmat ilmiöt ovat jo käynnissä. Korvausvaikutus on kuitenkin toistaiseksi ollut täydentävää vaikutusta suurempi.

Hänen arvionsa mukaan AI:n korvausvaikutus on vähentänyt Yhdysvaltain kuukausittaista palkkatyön kasvua noin 25 000 työpaikalla ja nostanut työttömyysastetta 0,16 prosenttiyksikköä viime vuoden aikana. Täydentävä vaikutus on lisännyt noin 9 000 työpaikkaa kuukaudessa ja laskenut työttömyyttä 0,06 prosenttiyksikköä. Nettovaikutus on siis noin -16 000 työpaikkaa kuukaudessa ja +0,1 prosenttiyksikköä työttömyysasteeseen.

Tämä on pieni luku koko Yhdysvaltain talouden mittakaavassa. Silti se kertoo suunnasta: AI näkyy jo tietyissä työn osissa, vaikka koko talouden mittareissa vaikutus on vielä rajallinen.

Pengin jaottelu auttaa myös arvioimaan ammatteja paremmin kuin pelkkä "AI-altistus". Kaksi työtä voi olla yhtä altista AI:lle, mutta aivan eri tavalla.

Siksi teleoperaattorit, vakuutuskorvausten käsittelijät, perintätyöntekijät, laskuttajat, telemarkkinoijat, palkanlaskijat, oikeudelliset avustajat ja oikolukijat nousevat raportissa korvausriskin esimerkeiksi. Toisella puolella teollisuusinsinöörit, operaatiopäälliköt, lääkärit, juristit, rakennusjohtajat ja koulutushallinnon tehtävät näyttävät enemmän täydentyviltä.

Tämä ei tarkoita, että yksikään ammatti olisi turvassa tai tuomittu. Se tarkoittaa, että työn sisäinen rakenne ratkaisee. Sama ammattinimike voi yhdessä organisaatiossa olla AI:n vahvistama asiantuntijarooli ja toisessa organisaatiossa automatisoitava prosessityö.

Yksi raportin kiinnostavimmista osista käsittelee yliopistotutkinnon suorittaneita ja uransa alkuvaiheessa olevia työntekijöitä. Yhdysvalloissa korkeakoulutettujen työttömyysaste oli raportin aikaan 2,7 prosenttia. Vuoden 2019 keskiarvo oli 2,1 prosenttia.

Goldman Sachsin Jessica Rindels ja Pierfrancesco Mei eivät pidä näyttöä vielä riittävänä siihen, että AI olisi heikentänyt korkeakoulutettujen työmarkkinaa merkittävästi. He näkevät kuitenkin kaksi syytä, miksi tilanne voi muuttua.

Ensinnäkin AI:n käyttöönotto on korkeinta aloilla, joissa korkeakoulutettujen osuus on suuri: johtaminen, informaatioalat, asiantuntijapalvelut ja rahoitus. Toiseksi korkeakoulutetut ovat yliedustettuina tehtävissä, joissa suuri osa työstä voi teoriassa altistua AI-automaatiolle.

Nuorten osalta kysymys on erityisen hankala. Ura alkaa usein tehtävistä, jotka ovat opettelun, rutiinin ja tuotannon välissä: tehdään taustatyötä, koostetaan luonnoksia, tarkistetaan aineistoja, kirjoitetaan ensimmäisiä versioita, käsitellään tikettejä ja opetellaan asiakkaiden ongelmia. Juuri nämä tehtävät ovat monessa organisaatiossa helpoimmin AI:n hoidettavissa.

Samalla raportti antaa nuorille myös myönteisen havainnon. Historiallisesti nuoret ja korkeakoulutetut ovat sopeutuneet teknologisiin murroksiin muita ketterämmin. Alle 30-vuotiaat teknologian syrjäyttämät työntekijät ovat olleet noin 10 prosenttiyksikköä muita todennäköisemmin siirtymässä uuteen ammattikategoriaan ja nousemassa vaativampiin tehtäviin.

Käytännön johtopäätös on epämukava. Ensimmäinen työpaikka ei ehkä enää opeta samalla tavalla kuin ennen, jos AI vie junioritehtävistä osan. Silloin koulutuksen, harjoittelun ja työpaikkojen pitää keksiä uusia tapoja rakentaa osaamisen portaat. AI-Sanomissa samaa ongelmaa on käsitelty aiemmin artikkelissa Tekoäly korvaa ensin ne joilla on tutkinto.

Raportin yritystaulukko ei pyri listaamaan kaikkia AI-lomautuksia. Se on silti hyvä ikkuna siihen, miten suuryritykset kehystävät henkilöstöä vuonna 2026.

Goldman Sachs kokoaa esimerkkejä yhtiöistä, jotka puhuvat AI:sta koodintuotannon, asiakastuen, hallinnon, rahoituksen, lakitoimintojen, HR:n ja operatiivisen tehokkuuden yhteydessä. Mukana ovat muun muassa Alphabet, Amazon, Block, Cisco, Citigroup, Cloudflare, Coinbase, IBM, Intuit, Meta, Microsoft, Oracle, Salesforce, ServiceNow, Snap, Verizon, Walmart ja Workday.

Yksittäiset luvut ovat pysäyttäviä:

Näissä esimerkeissä on kaksi tasoa. Ensimmäinen on suora henkilöstövaikutus: vähennykset, hitaampi rekrytointi, toimintojen yhdistäminen ja automaation käyttö. Toinen on työn mittarien muuttuminen. Kun koodirivi, tukipyyntö, selvitys, raportti tai compliance-tutkinta halpenee, myös odotus ihmisen päivittäisestä tuotoksesta muuttuu.

Raportin lopussa Goldman Sachsin osakeanalyytikot James Schneider ja Luya You käsittelevät AI-agenttien kustannuksia. Tämä osio on tärkeä, koska työmarkkinavaikutus riippuu mallien kykyjen lisäksi hinnasta.

Heidän mukaansa tokenien tuotantokustannukset laskevat samaan aikaan, kun agentit alkavat kuluttaa niitä paljon enemmän. Goldman Sachs arvioi globaalin token-kysynnän voivan kasvaa noin 24-kertaiseksi vuoteen 2030 mennessä vuoden 2026 tasoon verrattuna.

Kun tokenit halpenevat, useampi työnkulku ylittää automaation kannattavuusrajan. Koodaus on raportin mukaan jo vahva esimerkki: työ on arvokasta, pitkälti tekstipohjaista ja työkalupino on kypsä. Call center -työ ja reaaliaikainen puheautomaatio ovat vielä hankalampia, koska ne vaativat suurempaa luotettavuutta, pienempää viivettä ja parempaa operatiivista hallintaa.

Tämä kustannusnäkökulma muuttaa keskustelua.

AI voi syrjäyttää työtä myös silloin, kun se on riittävän hyvä, riittävän valvottava ja tarpeeksi halpa. Siksi tokenibudjetti, mallireititys ja agenttien oikeudet ovat taloudellisia päätöksiä. Ne määrittävät, missä kohtaa automaatio muuttuu järkeväksi. Agenttien maksamisen ja budjettien ongelma näkyy jo x402-keskustelussa, jota AI-Sanomat käsitteli jutussa Kun AI-agentit maksavat omat laskunsa.

Goldman Sachsin optimistisin perustelu tulee historiasta. Teknologia on aiemmin tuhonnut tehtäviä ja luonut uusia ammatteja. Raportin mukaan noin 60 prosenttia Yhdysvaltain työntekijöistä työskentelee nykyisin ammateissa, joita ei ollut vuonna 1940. Nämä uudet ammatit selittävät yli 85 prosenttia työllisyyden kasvusta sen jälkeen.

Raportti nostaa esiin kolme tapaa, joilla teknologia luo työtä.

Ensimmäinen on suora uuden alan synty. Digitaalinen talous loi ammatteja, joita ei aiemmin ollut.

Toinen on erikoistuminen. Terveydenhuollossa teknologia ja uusi tieto ovat luoneet yhä tarkempia rooleja. Goldman Sachsin mukaan terveydenhuollon työllisyys on kasvanut noin kahdesta miljoonasta yli 18 miljoonaan 60 vuodessa.

Kolmas on epäsuora kysyntä. Kun tuottavuus ja tulot kasvavat, ihmiset kuluttavat enemmän palveluihin. Raportti mainitsee esimerkiksi lemmikkipalvelut, kynsisalongit, tukiopetuksen ja urheiluvalmennuksen.

Silti Acemoglun varoitus jää ilmaan. Historia kertoo, että uutta työtä voi syntyä. Se ei kerro, syntyykö sitä tarpeeksi, riittävän nopeasti ja juuri niille ihmisille, joiden työ katoaa.