Aktiver Javascript i din nettleser for en bedre opplevelse på regjeringen.no

NOU 2019: 2

Fremtidige kompetansebehov II — Utfordringer for kompetansepolitikken

Til innholdsfortegnelse

8 Kompetansebehov på lang sikt – fremskrivninger, scenarioer og teknologisk utvikling

I dette kapitlet ser vi nærmere på kompetansebehov på lengre sikt, de neste 10–20 årene. I KBUs mandat står det at utvalget skal ta utgangspunkt i foreliggende forskning, statistikk, fremskrivninger og analyser, men samtidig ha en bred metodetilnærming og stimulere til utvikling av nytt kunnskapsgrunnlag. I dette kapitlet omtaler vi relevante analyser. To av dem er skrevet på oppdrag fra KBU i 2018.

Vi presenterer SSBs fremskrivninger etter utdanning, som et utgangspunkt for diskusjon om fremtidige kompetansebehov. Videre omtaler vi en scenarioanalyse som analyseselskapet Samfunnsøkonomisk analyse har gjennomført i 2018 på oppdrag fra KBU. Hensikten med scenarioanalysen har vært å få utviklet alternative utviklingsbilder for norsk økonomi, for å illustrere mulighetsrommet vi kan stå overfor og hvilke kompetansemessige behov som kan følge med utviklingsbaner som bryter med trender vi observerer i dag.

I siste del av kapitlet omtaler vi endringer i yrkesstrukturen i Norge i senere år, som SSB beskriver i en rapport levert på oppdrag fra KBU. Deretter diskuterer vi mulige konsekvenser av teknologisk utvikling, digitalisering og automatisering for jobbendringer, og omtaler da andre aspekter ved kompetansebegrepet, som sosiale og emosjonelle ferdigheter.

8.1 Fremskrivninger internasjonalt

Dokumentasjons- og analysesenteret Cedefop (2018) omtaler de nye fremskrivningsresultatene for Europa (EU28 og Island, Sveits og Norge) som «less brawn, more brain for tomorrow’s workers», som viser til at det i fremtiden forventes å bli mindre behov for manuelt arbeid, og større behov for kognitive ferdigheter.

Cedefops fremskrivninger viser redusert sysselsetting innen primærnæringene og industrien, og vekst innen tjenestenæringene frem mot 2030 (Cedefop, Eurofond 2018). Tjenestenæringene forventes særlig å vokse i de nyere EU-medlemslandene. Andelen i arbeidsstyrken med høyere utdanning ventes å fortsette å øke, fra 31 prosent i 2016 til 40 prosent i 2030, se figur 8.1.

Den sterke veksten i tilgangen på høyt utdannet arbeidskraft i fremskrivningene gjør at disse arbeidstakerne ifølge Cedefop kan komme til å ende opp i jobber som krever kvalifikasjoner på et lavere nivå enn de har, et fenomen kalt «kvalifikasjonsinflasjon» (Cedefop 2018). Slik som i SSBs fremskrivninger, omtalt senere i kapitlet, fanger Cedefops fremskrivninger ikke opp at de som går av med pensjon etter et langt arbeidsliv har høyere realkompetanse enn utdanningsnivået alene tilsier. Det innebærer at kompetansen deres ikke kan erstattes av en nyutdannet med samme utdanningsnivå, og at den fremtidige etterspørselen etter høyt utdannet arbeidskraft kan være undervurdert.

Cedefops fremskrivninger er ikke ment å erstatte nasjonale fremskrivninger. Enkeltland bruker ofte mer detaljerte metoder og data, i tillegg til å innarbeide inngående kunnskap om arbeidsmarkedet i landet og de kan derfor lage bedre nasjonale fremskrivninger. I neste delkapittel omtaler vi SSBs fremskrivninger av behovet for ulike typer arbeidskraft i Norge frem mot 2035.

Figur 8.1 Arbeidsstyrken i EU28+31 (15 år+) etter kvalifikasjonsnivå, 2011–2030

Figur 8.1 Arbeidsstyrken i EU28+31 (15 år+) etter kvalifikasjonsnivå, 2011–2030

1 Fremskrivningene inkluderer EU28, Island, Sveits og Norge. Kvalifikasjoner er definert ut fra den internasjonale standarden for klassifisering av utdanning, ISCED. Lave kvalifikasjoner tilsvarer grunnskole. Mellomnivået tilsvarer kvalifikasjoner på videregående nivå eller fagskole inntil 1,5 år. Høye kvalifikasjoner tilsvarer 2-årig fagskole, eller bachelor-/master-/ph.d.-nivå (Barrabés og Østli 2016).

Kilde: Fremskrivninger fra Cambridge Econometrics, på oppdrag fra dokumentasjons- og analysesenteret Cedefop, som ligger under EU (Cedefop, Eurofound 2018).

Boks 8.1 Fremtidsstudier internasjonalt og i Norden

OECD har et omfattende, løpende arbeid i å måle kompetanse i arbeidsmarkedssammenheng. Dokumentasjons- og analysesenteret Cedefop fikk i 2010 i mandat fra Europarådet å fremskaffe fremskrivninger for Europa annet hvert år. Cedefop har et nettverk av nasjonale eksperter på fremtidige utviklinger i arbeidsmarkedet, som deler på analytisk ekspertise og landkunnskap for å forbedre fremskrivningene. I 2015 lanserte Cedefop nettportalen Skills Panorama, som visualiserer etterspørselsfremskrivningene for EU28-landene. De nyeste Cedefop-fremskrivningene er fra 2018, og er gjennomført av Cambridge Econometrics. Fremskrivningene dekker EU28, Norge, Sveits og Island. Databasen bygger i hovedsak på data fra Eurostat. I de nyeste fremskrivningene har Cedefop samarbeidet med Eurofound for å analysere endringer i lønnsstruktur og arbeidsoppgaver i EU28 (Cedefop, Eurofound 2018).

Blant de nordiske landene ligner Sverige mest på Norge i hvordan fremtidige kompetansebehov analyseres nasjonalt. I Sverige, slik som i Norge, publiserer statistikkbyrået med jevne mellomrom langsiktige fremskrivninger av utdanningsbehovet. Men i motsetning til SSB, lager Statistiska centralbyrån (SCB) i Sverige ikke selv de makroøkonomiske fremskrivningene som danner grunnlaget for utdanningsfremskrivningene. I stedet bestilles disse fra Konjunkturinstitutet, som ligger under det svenske Finansdepartementet. I tillegg til SCBs analyser, publiserer Arbetsförmedlingen i Sverige med jevne mellomrom også relevant statistikk og analyser. Dette analysearbeidet har flere likhetstrekk med arbeidet utredningsseksjonen i NAV gjør i Norge. Arbetsförmedlingen involverer imidlertid lokale aktører i større grad enn NAV når de kartlegger rekruttering.

I Danmark gjøres analyser av fremtidige kompetansebehov mer sporadisk enn i Sverige og Norge. I Finland analyseres kompetansebehov jevnlig, både regionalt og nasjonalt. Det er etablert en egen fremtidskomité i Finlands parlament (Committee for the Future). I Finland kombineres kvantitative og kvalitative analyser i stor grad (Berge mfl. 2015).

8.2 Fremskrivninger i Norge

8.2.1 Fremskrivninger av befolkningen

Ifølge SSBs nyeste befolkningsfremskrivninger vil det være flere eldre (65 år og eldre) enn barn og unge (0–19 år) i Norge i år 2033. Det antas at i 2040 vil nesten hver fjerde innbygger i Norge være 65 år eller eldre, opp fra 17 prosent ved inngangen til 2018. Figur 8.2 viser hvordan befolkningens alderssammensetning endrer seg mellom 2018 og 2040 i SSBs beregninger.

I de forrige befolkningsfremskrivningene fra 2016 overvurderte SSB antall barn per kvinne, så vel som nettoinnvandringen. I 2017 fødte kvinner i gjennomsnitt rekordlave 1,62 barn (samlet fruktbarhetstall, 15–49 år). I fremskrivningene fra 2016 anslo SSB at samlet fruktbarhetstall ville være 1,73 barn per kvinne i 2017. Dette illustrerer noe av usikkerheten i befolkningsfremskrivningene. Endringer i forutsetningene i SSBs befolkningsfremskrivninger gir endrede resultater i yrkes- og utdanningsfremskrivningene. Endringene i forutsetningene er illustrert i rapportvedlegget. I de nye befolkningsfremskrivningene øker samlet fruktbarhetstall til rundt 1,76 barn per kvinne på lang sikt, som er noe høyere enn i forrige fremskrivning.

Figur 8.2 Befolkningens sammensetning etter kjønn og alder 1. januar 2018 og fremskrevet til 2040

Figur 8.2 Befolkningens sammensetning etter kjønn og alder 1. januar 2018 og fremskrevet til 2040

Hovedalternativet i befolkningsfremskrivningene er lagt til grunn.

Kilde: SSBs kildetabeller 10211 og 11667.

Det langsiktige nivået på samlet fruktbarhetstall er et vektet gjennomsnitt av de siste ti årene, der senere år er tillagt større vekt. Denne beregningsmåten skiller seg fra tidligere befolkningsfremskrivninger, der fremtidig samlet fruktbarhetstall ofte har vært satt nær startåret for fremskrivningene. Rogne (2016) finner at et historisk snitt av samlet fruktbarhetstall ofte ville ha truffet bedre på litt lengre sikt enn å basere seg på dagens nivå.

Til tross for justeringene i forutsetningene, er hovedkonklusjonene i befolkningsfremskrivningene de samme: SSB forventer at befolkningen vil fortsette å vokse i overskuelig fremtid, at flere vil bo i sentrale strøk, at det vil bo flere innvandrere i Norge og at det blir stadig flere eldre. Alt dette får konsekvenser for fremtidig tilbud av og etterspørsel etter kompetanse. Aldringen av befolkningen har betydning for både ressursbruk og inntektskilder, og er ujevnt fordelt geografisk (Rogne og Syse 2017).

8.2.2 Fremskrivninger av arbeidsstyrke og sysselsetting etter utdanning

SSB har siden 1990-tallet fremskrevet tilbud av og etterspørsel etter ulike utdanningsgrupper på nasjonalt nivå. De nyeste fremskrivningene er presentert i Cappelen mfl. (2018), og hovedresultatene er gjengitt her. SSB foretrekker å bruke utdanning fremfor yrke, fordi de mener det er en mer presis indikator på kompetanse (Cappelen mfl. 2013: 9). Yrker kan forsvinne og nye yrker kan komme til, blant annet som følge av den teknologiske utviklingen. Det er imidlertid rimelig å anta at de brede utdanningsgruppene SSB bruker ikke vil forsvinne i fremskrivningsperioden.

Hvilke utdanningsgrupper som etterspørres i en økonomi avhenger både av etterspørselen innen hver næring, og størrelsen på de ulike næringene. SSBs fremskrivninger av næringsstrukturen bygger på antagelser om internasjonal økonomi, finanspolitikk og petroleumsvirksomheten. Fremskrevet næringsutvikling er med andre ord ikke en ren forlengelse av den historiske utviklingen, men bygger snarere på gjeldende prognoser for norsk økonomi. Innad i hver næring forlenger imidlertid SSB den historiske utviklingen i sysselsettingen etter utdanningsnivå. Til slutt fordeler SSB sysselsettingen på ulike fagfelt, basert på historiske mønstre.

SSBs fremskrivninger viser økt sysselsetting innen offentlig forvaltning og privat tjenesteproduksjon, og redusert sysselsetting i de andre næringene i 2035, sammenlignet med 2017, se figur 8.3. Sysselsettingen innen offentlig forvaltning øker som følge av økt sysselsetting innen helse og omsorg. Sysselsettingen innen privat tjenesteproduksjon følger av husholdningenes realdisponible inntekt. Sysselsettingen innen industrien faller i fremskrivningene som følge av nedgangen i petroleumsnæringen. SSB skriver at nedgangen i oljerelatert virksomhet kan frigjøre arbeidskraft til andre næringer.

Figur 8.3 Relativ endring i sysselsetting etter næring. 2000–2035 (2017 = 100)

Figur 8.3 Relativ endring i sysselsetting etter næring. 2000–2035 (2017 = 100)

Sysselsetting etter næring fremskrives med modellen KVARTS.

Kilde: Cappelen mfl. (2018). SSBs fremskrivninger.

Sysselsettingen av personer med grunnskoleutdanning er svakere enn i de forrige fremskrivningene fra 2016, som følge av en nedjustering av forventet fremtidig innvandring og svakere utvikling innen bygge- og anleggsvirksomhet.

SSB bruker nå en annen modell enn tidligere til å fremskrive sysselsettingen. I 2016-fremskrivningene lå det inne en økning i relativ lønn for personer med videregående fag- og yrkesopplæring, som dempet veksten i etterspørselen etter denne typen arbeidskraft. I 2018-fremskrivningen antas det at relative lønninger er uendret innenfor næringene. I tillegg vil ikke utviklingen i arbeidsmarkedet etter utdanning, herunder relativ lønn, virke inn på samlet sysselsetting (Dapi og Hungnes 2017).

Lavere arbeidsinnvandring i 2018-fremskrivningene bidrar til lavere yrkesdeltakelse, siden arbeidsinnvandrere er en gruppe med relativt høy yrkesdeltakelse. I tillegg var utgangsnivået for yrkesdeltakelsen lavere for 2018-fremskrivningene enn 2016-fremskrivningene. Yrkesdeltakelse er her definert som yrkesaktive personer som andel av befolkningen (15–74 år). Kombinert resulterer dette i at både fremskrevet arbeidsstyrke og fremskrevet sysselsetting vokser med rundt 350 000 færre personer enn i 2016-fremskrivningene.

Veksten i arbeidsstyrken etter utdanning (tilbudet) fremskrives ved bruk av registerdata. SSB bruker observasjoner om hvordan befolkningen fordeler seg etter utdanning og arbeid sammen med befolkningsfremskrivningene til å simulere befolkningens fremtidige fordeling etter utdanning og deltagelse på arbeidsmarkedet.

Utdanningsvalgene og arbeidsmarkedsadferden er i fremskrivningsperioden satt lik gjennomsnittet av årene fra 2009 til 2016, gitt alder, utdanning og kjønn. Siden utdanningsvalgene avhenger av kjønn og alder i fremskrivningene, skaper befolkningsfremskrivningene dynamikk. Fremskrivningene etter utdanning og fagfelt er gjort uavhengig av utviklingen i norsk økonomi. Det vil si at utdanningsvalgene i modellen ikke avhenger av arbeidsledighet eller lønnsnivå.

For å simulere utdanningen til nye innvandrere, tar SSB utgangspunkt i tidligere innvandreres utdanningsbakgrunn ved ankomst, og deres videre utdanningsvalg.

I fremskrivningene stiger antall personer i arbeidsstyrken med utdanning på bachelor- og masternivå, holder seg nokså uendret for personer med videregående fag- og yrkesopplæring, og faller for personer med videregående studieforberedende eller grunnskole/uoppgitt som høyeste fullførte utdanning. Figur 8.4 viser vekstfaktoren SSB har fremskrevet for arbeidsstyrken for hvert utdanningsnivå. SSB har her gjort en liten etterjustering i fremskrevet vekstfaktor for å kunne sammenligne arbeidsstyrke og sysselsetting etter utdanning, omtalt i rapportvedlegget.

Figur 8.4 Vekst i arbeidsstyrken etter utdanning (2016 = 1). Justert vekstfaktorer.

Figur 8.4 Vekst i arbeidsstyrken etter utdanning (2016 = 1). Justert vekstfaktorer.

Vekst i arbeidsstyrken fremskrives med modellen MOSART. Den justerte veksten brukes av SSB for å kunne sammenligne arbeidsstyrke og sysselsetting. Se rapportvedlegget for en nærmere forklaring. Fagskolekandidater er slått sammen med videregående nivå og ph.d.-kandidater er slått sammen med masternivået i SSBs fremskrivninger.

Kilde: Cappelen mfl. (2018). SSBs fremskrivninger.

SSBs nye fremskrivninger fra 2018 viser et fortsatt økende utdanningsnivå i arbeidsstyrken. Dette skyldes at de som går av med pensjon har mindre utdanning enn de nye kullene som kommer inn i arbeidsstyrken, samlet sett.

Veksten i sysselsetting etter utdanning og veksten i arbeidsstyrken etter utdanning fremskrives separat. Dette innebærer at aktørenes fortløpende tilpasninger til ubalansene ikke er del av beregningen, verken fra virksomheter, arbeidstakere eller myndighetene. En slik tilpasning kunne for eksempel være at virksomhetene tilbyr bedre arbeidsbetingelser (lønn eller annet) for en bestemt type arbeidskraft fordi det er knapphet på arbeidskraften, og at flere som følge av dette velger denne utdanningen og motvirker en ubalanse. Historisk har det skjedd tilpasninger, men SSB ser ikke nærmere på årsakene til dette i rapporten. Fremskrivningene peker på utdanninger der tilpasninger vil kunne være nødvendige fremover for å unngå ubalanser (Cappelen mfl. 2018).

Fremskrivningene viser tilnærmet balanse i 2035 mellom arbeidsstyrke og sysselsetting for personer med grunnskole som høyeste fullførte utdanning, se figur 8.5. Fremskrivningene viser svakere utvikling i arbeidsstyrken enn i sysselsettingen for personer med utdanning på videregående nivå eller fagskole (samlet). For personer med utdanning på bachelor- og masternivå viser fremskrivingene derimot større vekst i arbeidstilbudet enn i sysselsettingen.

Figur 8.5 Fremskrevet arbeidsstyrke (heltrukken) og sysselsetting (stiplet) etter høyeste fullførte utdanning. Andel av arbeidsstyrken

Figur 8.5 Fremskrevet arbeidsstyrke (heltrukken) og sysselsetting (stiplet) etter høyeste fullførte utdanning. Andel av arbeidsstyrken

Veksten i arbeidsstyrken fremskrives med modellen MOSART, mens sysselsetting fremskrives med modellen KVARTS (samlet) og en etterberegning (etter utdanning). Nivåene på arbeidsstyrken etter utdanning er justert i startåret for fremskrivningene, se rapportvedlegget for detaljer. Fagskolekandidater er slått sammen med videregående nivå og ph.d.-kandidater er slått sammen med masternivået i SSBs fremskrivninger.

Kilde: Cappelen mfl. (2018). SSBs fremskrivninger.

Når SSB fremstiller ubalanser mellom arbeidsstyrke og sysselsetting etter utdanningsnivå, er nivået på arbeidsstyrken i startåret satt lik summen av observert sysselsetting og utdanningsfordelt arbeidsledighet, se tabell 8.1. Den prosentvise arbeidsledigheten i startåret 2016 er lavere for personer med videregående fag- og yrkesopplæring eller høyere utdanning enn for arbeidskraft med grunnskole / uoppgitt utdanning eller videregående studieforberedende som høyeste fullførte utdanning.

Tabell 8.1 Observert sysselsetting og arbeidsledighet (AKU) etter utdanning i 2016

Grunnskole/uoppgitt

Videregående studieforberedende

Videregående fag- og yrkesopplæring

Bachelor

Master

Observert sysselsetting

611 000

407 000

739 000

728 000

280 000

Arbeidsledighet (AKU)

50 000

20 000

27 000

24 000

10 000

Sum

661 000

427 000

766 000

752 000

290 000

Avrundet til nærmeste 1 000. Fagskolekandidater er slått sammen med videregående nivå og ph.d.-kandidater er slått sammen med masternivået.

Kilde: Cappelen mfl. (2018).

I årene etter startåret, det vil si i fremskrivningsperioden, kan ikke forskjellen mellom fremskrevet arbeidsstyrke og sysselsetting tolkes som arbeidsledighet når vi ser på det enkelte utdanningsnivået. SSBs fremskrivninger sier ikke noe om forventet fremtidig ledighet fordelt etter utdanning.

Gapene i figur 8.5 må vurderes opp mot hverandre. Dersom overskudd på en gruppe kan bidra til å dekke mangel på en annen gruppe, det vil si dersom det er gode substitusjonsmuligheter mellom gruppene, er det ikke så problematisk at det oppstår gap. Vi diskuterer derfor substitusjonsmulighetene mellom gruppene i teksten som følger.

Slik SSB påpeker, fanger fremskrivningene ikke opp at de som går av med pensjon etter et langt arbeidsliv har høyere realkompetanse enn utdanningsnivået alene tilsier. Det innebærer at kompetansen deres ikke kan erstattes av en nyutdannet med samme utdanningsnivå, men snarere av en nyutdannet med et høyere utdanningsnivå. Dette betyr at den fremtidige etterspørselen etter arbeidskraft med kun grunnskole eller studieforberedende opplæring sannsynligvis er overvurdert i fremskrivningene, mens den fremtidige etterspørselen etter høyt utdannet arbeidskraft kan være undervurdert.

Selv om arbeidsstyrken for personer med høyere utdanning vokser sterkt i fremskrivningene, er det ikke grunn til å vente høy ledighet for personer med høyere utdanning i et generelt stramt arbeidsmarked. Arbeidsoppgaver endrer seg løpende, og blir stadig mer komplekse. SSBs fremskrivninger bygger på eksisterende trender, og tar ikke hensyn til eventuelle endringer i arbeidsoppgavene fremover som kan øke etterspørselen etter høyt utdannet arbeidskraft utover den teknologiske veksten som er lagt inn i fremskrivningene.

SSB peker på at personer med universitets- eller høyskoleutdanning i mindre grad kan erstatte mangelen på personer med videregående fag- og yrkesopplæring, som er illustrert i figur 8.6. Denne ubalansen gir dermed større grunn til bekymring. Arbeidsinnvandringen fra de østeuropeiske EU-landene har bidratt til å dekke mangel på arbeidskraft innen håndverksfag. I de nye befolkningsfremskrivningene fra SSB (Leknes mfl. 2018) ligger nettoinnvandringen fra disse landene gjennomgående lavere enn i de forrige befolkningsfremskrivningene fra 2016, som illustrert i rapportvedlegget. Dersom innvandringen fra de østeuropeiske EU-landene avtar, taler det isolert sett for at mangelen på arbeidskraft innen håndverksfag blir større enn tidligere antatt.

Figur 8.6 Fremskrevet arbeidsstyrke og sysselsetting, videregående håndverksfag. Andel av samlet arbeidsstyrke

Figur 8.6 Fremskrevet arbeidsstyrke og sysselsetting, videregående håndverksfag. Andel av samlet arbeidsstyrke

Håndverksfag inkluderer her elektrofag, mekaniske fag og maskinfag, bygg- og anleggsfag og andre håndverksfag. Fagskole er slått sammen med videregående opplæring i SSBs fremskrivninger.

Kilde: Cappelen mfl. (2018). SSBs fremskrivninger.

SSBs fremskrivninger viser også mangel på arbeidskraft med fag- og yrkesfaglig opplæring innen helse- og omsorgsfag, som inkluderer blant annet utdanning til helsefagarbeider og barne- og ungdomsarbeider. Som tidligere, fremskriver SSB også mangel på arbeidskraft med pleie- og omsorgsfag på bachelornivå. Denne gruppen består i hovedsak av sykepleiere og vernepleiere. SSB forklarer at en aldrende befolkning mot 2035 vil føre til økt behov for helsepersonell, se figur 8.7 og figur 8.8. SSB antar at personer med ‘andre helsefag’ i noen grad vil kunne dekke disse ubalansene. Videre argumenterer SSB at behovet for arbeidskraft i noen grad kan dekkes av innvandrere og opplæring av ufaglærte.

Kvaliteten på helsetjenestene er avhengig av arbeidsinnsats per bruker og arbeidsproduktiviteten. Arbeidsinnsats per bruker er antatt uendret over tid i SSBs fremskrivninger, men arbeidsproduktiviteten i offentlig sektor er forutsatt å øke årlig med 0,5 prosent. Dette er en beregningsmessig forutsetning som SSB gjør, og som brukes i fremskrivningene. Dette betyr at verdiskapningen, eller bruttoproduktet, som kommer fra en sysselsettingstime antas å øke årlig med 0,5 prosent. Selv om brukerne ikke får flere timer av personalet, kan timene som personalet bruker anvendes bedre. Eksempelvis kan bedre bygninger og utstyr legge til rette for at personalet bruker mer (av en gitt) tid til pasientomsorg.

Figur 8.7 Fremskrevet arbeidsstyrke og sysselsetting, videregående helse- og omsorgsfag. Andel av samlet arbeidsstyrke

Figur 8.7 Fremskrevet arbeidsstyrke og sysselsetting, videregående helse- og omsorgsfag. Andel av samlet arbeidsstyrke

Helse- og omsorgsfag inkluderer blant annet utdanning til helsefagarbeider og barne- og ungdomsarbeider. Fagskole er slått sammen med videregående opplæring i SSBs fremskrivninger.

Kilde: Cappelen mfl. (2018). SSBs fremskrivninger.

Figur 8.8 Fremskrevet arbeidsstyrke og sysselsetting, pleie- og omsorgsfag på bachelornivå. Andel av samlet arbeidsstyrke

Figur 8.8 Fremskrevet arbeidsstyrke og sysselsetting, pleie- og omsorgsfag på bachelornivå. Andel av samlet arbeidsstyrke

Pleie- og omsorgsfag inkluderer i hovedsak sykepleiere og vernepleiere.

Kilde: Cappelen mfl. (2018). SSBs fremskrivninger.

For arbeidskraft med pedagogisk utdanning på bachelornivå fremskriver SSB at arbeidsstyrken vil være noe større enn sysselsettingen, men at det vil være en relativt god balanse. Tidligere har SSB fremskrevet en mangel på personer med pedagogisk utdanning, men veksten i fremskrevet sysselsetting for gruppen er dempet som følge av lavere vekst i barnetallene, grunnet lavere innvandring og lavere antall barn per kvinne (i første del av fremskrivningsperioden) enn i forrige befolkningsfremskrivning. Gunnes mfl. (2018) bruker en annen modell og skiller mellom ulike grupper av lærere og fremskriver en fremtidig mangel på grunnskolelærere, som omtalt i kapittel 8.3.

I SSBs fremskrivninger antas teknologiutviklingen å være som i senere år. Det innebærer at dersom teknologien utvikler seg i en annen takt i fremtiden enn historisk, vil det ikke fanges opp i fremskrivningene. SSB presenterer fremskrivningene for arbeidskraft med utdanning som ingeniører, teknologer eller i andre naturvitenskapelige fag samlet. Resultatene viser (ikke illustrert her) et fremtidig overskudd. Dette skyldes en forventning om svakere utvikling i petroleumsnæringen. I siste del av kapitlet ser vi nærmere på temaet automatisering og digitalisering, og peker på at blant annet behovet for IKT-kompetanse antagelig vil øke fremover.

8.2.2.1 Endret sannsynlighet for å fullføre videregående opplæring

SSB har gjennomført en skiftanalyse for å vise virkningen av en endring i fullføringssannsynligheten for de som er i gang med videregående opplæring. I skiftanalysen forutsettes det at alle elevene som fremdeles er i videregående opplæring etter fire år greier å fullføre opplæringen det femte året. Endringen innebærer at omtrent 3 prosent flere fullfører studieforberedende og omtrent 15 prosent flere fullfører videregående fag- og yrkesopplæring.

SSB forklarer at lengre tid i utdanning betyr senere inngang i arbeidsmarkedet, men at arbeidstilbudet generelt er høyere for personer med lengre utdanning. Dermed innebærer økt fullføring av videregående opplæring at størrelsen på arbeidsstyrken øker i fremskrivningene. Arbeidsstyrkens sammensetning etter utdanning endrer seg, med en vridning fra grunnskole mot både videregående nivå og høyere utdanning, siden det er vanlig å fortsette med høyere utdanning etter fullført studieforberedende opplæring. Dette er antagelig en sterk forutsetning, siden noen av de som bruker lang tid på å fullføre videregående opplæring, og kanskje normalt ikke ville fullført, antagelig vil kunne oppleve det krevende å gjennomføre høyere utdanning.

Blant de ulike fagområdene innen videregående opplæring, fører antakelsene i skiftanalysen særlig til økt tilbud av personer med helse- og omsorgsfag og personer med elektrofag, mekaniske fag og maskinfag. Figur 8.9 viser økningen i antall personer i arbeidsstyrken med fag- og yrkesopplæring i 2035, etter utvalgte fagområder, som følge av økt fullføring i videregående.

Figur 8.9 Økning i antall personer i arbeidsstyrken i 2035, etter utvalgte fagområder, som følge av økt fullføring i videregående

Figur 8.9 Økning i antall personer i arbeidsstyrken i 2035, etter utvalgte fagområder, som følge av økt fullføring i videregående

SSB antar her at alle elever som er i videregående etter fire år, fullfører det femte året.

Kilde: Cappelen mfl. (2018).

8.3 Fremskrivninger av tilbud og etterspørsel etter ulike typer lærerutdanningsgrupper

SSB fremskriver en fremtidig mangel på grunnskolelærere og et overskudd på barnehagelærere, lærere med praktisk pedagogisk utdanning (PPU og PPU-Y), faglærere og andre lærere (her inngår lektorer). Beregningene er basert på modellen LÆRERMOD (Gunnes mfl. 2018). De nye befolkningsfremskrivningene fra 2018 er lagt inn her.

Modellen omfatter ingen andre utdanningsgrupper enn de ulike lærertypene. Se rapportvedlegget for en nærmere omtale.

SSB fremskriver en mangel på rundt 4 700 årsverk grunnskolelærere i grunnskolen i 2040. Mangelen på grunnskolelærere har økt, sammenlignet med forrige fremskrivning (Gunnes og Knudsen 2015). SSB forklarer at den økte mangelen på grunnskolelærere, sammenlignet med forrige fremskrivning, skyldes lavere kandidatproduksjon, som følge av både lavere studenttall og lavere fullføringsprosent for grunnskolelærere.

De nye fremskrivningene er basert på studenttallet for 2017 og fullføringsprosenten for studentkullene i 2012–2016 (2012–2017 for grunnskolelærere). SSB peker på at innføringen av strengere karakterkrav for å komme inn på utdanningen, og etablering av en masterutdanning, kan tenkes å bedre gjennomføringsevnen til de som nå går inn i grunnskoleutdanningen. I en alternativ fremskrivning, der det legges til grunn en høyere gjennomføringsevne, øker det fremtidige tilbudet av grunnskolelærere og dermed reduseres mangelen noe. Det ble innført en lærernorm for grunnskolen høsten 2018, og i en annen alternativ bane øker dette den fremtidige mangelen på grunnskolelærere.

En fremskrevet mangel på grunnskolelærere kan innebære økt bruk av arbeidskraft som ikke har lærerutdanning i grunnskolen. Grunnskolelærerutdanningen er todelt i Norge, og deles mellom 1.–7. trinn og 5.–10. trinn. Gunnes mfl. (2018) peker på at mangelen på grunnskolelærere kan tenkes å være ujevnt fordelt, med større mangel på lavere trinn. SSB har imidlertid ikke registerdata med hvilke trinn grunnskolelærerne jobber på, og får dermed ikke undersøkt dette.

Modellen legger forholdstallet mellom antall barn og lærere i 2017 til grunn for beregningene. Et fremskrevet overskudd betyr færre barn per lærer, mens en fremskrevet mangel betyr flere barn per lærer. SSB forklarer at et fremskrevet overskudd på barnehagelærere kan tolkes som rom for å øke barnehagelærertettheten, utover det faktiske forholdstallet som er lagt inn i startåret.

Fremskrivningene er gjort på nasjonalt nivå, som betyr at eventuelle regionale ubalanser ikke fremkommer av analysene. Det kan for eksempel være mangel på barnehagelærere i noen deler av landet, og overskudd i andre deler av landet, uten at dette fremgår av fremskrivningene. Tilbud og etterspørsel fremskrives separat, som innebærer at justeringsmekanismer som endring i lønnsnivået ikke er tatt inn i beregningene.

8.4 Fremskrivninger av etterspørselen etter yrkesgruppe i kommunesektoren

KS beregner årsverks- og rekrutteringsbehovet i kommunesektoren samlet, og definerer kommunesektoren som kommunal og fylkeskommunal forvaltning. KS' fremskrivninger er for en noe kortere periode enn SSBs fremskrivninger, frem til 2028 fremfor 2035. I motsetning til SSB, fremskriver ikke KS det fremtidige tilbudet på ulike typer arbeidskraft, kun etterspørselen.

KS legger til grunn hovedalternativet i SSBs nyeste befolkningsfremskrivninger (Leknes mfl. 2018). Dermed vil KS’ fremskrivninger til dels være preget av samme usikkerhet som i SSBs fremskrivninger. I begge tilfeller vil befolkningsberegningene for barn og unge virke inn på etterspørselen etter ulike typer lærere, mens befolkningsberegningene for de eldre delene av befolkningen vil virke inn på etterspørselen etter arbeidskraft innen helse, sosial og omsorg.

KS fremskriver også årsverks- og rekrutteringsbehovet for yrker, men disse yrkesfremskrivingene publiseres ikke. KS er nå i gang med å omstrukturere rekrutteringsmodellen, og endrer både sektorinndeling og personellkategorier. Avhengig av når dette arbeidet ferdigstilles, kan det bli aktuelt å inkludere yrkesfremskrivninger i neste års rapport fra KBU. KS antar implisitt at yrkesgruppene i fremskrivningene deres ikke forsvinner de neste ti årene. For bredt definerte yrkesgrupper, og en såpass kort periode, virker det som en rimelig antagelse.

8.4.1 Årsverk for å opprettholde dagens nivå

KS’ beregninger viser hvor mange årsverk som er nødvendig for å opprettholde dagens nivå på kommunale tjenester, gitt en forventet vekst i antall brukere på grunn av den demografiske utviklingen. Fremskrivningene for årsverksbehovet skiller ikke mellom eksisterende ansatte og nyrekruttering, og viser med andre ord ikke hvor mange nye ansatte som må rekrutteres.

Det var rundt 377 000 årsverk i kommuner og fylkeskommuner ved inngangen til 2018. Befolkningen forventes å øke med rundt 6,9 prosent i perioden fra 2018 til 2028. Det innebærer at kommunesektoren må øke antall årsverk med rundt 40 000 frem mot 2028 for å kunne tilby tjenester på samme nivå den nærmeste tiårsperioden. Det tilsvarer en økning i antall årsverk på rundt 10,5 prosent (KS 2018).

En av grunnene til at årsverksbehovet vokser raskere enn befolkningen er den store etterspørselen som er ventet i helse- og omsorgssektoren, som er en arbeidskraftintensiv sektor.

Ved inngangen til 2018 utgjorde andelen årsverk innen helse- og omsorgssektoren i overkant av 38 prosent av totalt antall årsverk i kommunesektoren. KS venter at denne andelen vokser til litt over 44 prosent i 2028. Undervisningssektorens andel ventes å synke fra 34 prosent til rundt 31 prosent fra 2018 til 2028. De andre sektorenes andeler ventes å gå noe ned, se figur 8.10.

Siden en stor andel av ansatte i kommunal sektor ikke jobber i fulle stillinger, er det flere ansatte enn årsverk. Hvorvidt behovet for ansatte øker i samme grad som behovet for årsverk, avhenger av om gjennomsnittlig stillingsstørrelse endres over tid. Gjennomsnittlig stillingsstørrelse varierer med alder, og aldersfordelingen per yrkesgruppe er derfor viktig i estimeringen av fremtidige behov for ansatte (KS 2018).

Siden KS venter at helse- og omsorgssektoren vil øke markant, og denne sektoren har relativt lav gjennomsnittlig stillingsstørrelse, forventes behovet for ansatte å øke noe raskere enn behovet for årsverk i KS’ fremskrivninger.

Figur 8.10 Årsverksbehov i kommunesektoren, etter sektor. Andel av samlet behov. 2018–2028

Figur 8.10 Årsverksbehov i kommunesektoren, etter sektor. Andel av samlet behov. 2018–2028

Kilde: KS (2018).

8.4.2 Årlig rekrutteringsbehov

KS har også beregnet rekrutteringsbehovet per år. For å kunne tilby de samme tjenestene i fremtiden, må de som slutter erstattes av nye. I tillegg innebærer det økte behovet for ansatte at flere må ansettes enn de som slutter. Turnover i kommunesektoren har i gjennomsnitt vært 13,4 prosent per år de siste fire årene. Hvert år frem mot 2028 vil rundt 55 000 personer forlate kommunal sektor, gitt at turnover holder seg på samme nivå for de ulike yrkesgruppene. Det må rekrutteres omtrent 60 000 personer hvert år frem mot 2028 for å dekke opp for de som slutter og for å møte fremtidig behov for ansatte (KS 2018). Figur 8.11 viser estimerte antall avganger og rekrutteringsbehov per år frem mot 2028.

Det å slutte defineres av KS som å slutte helt å være ansatt i kommunal sektor, som betyr at man ikke lenger er ansatt i en kommune eller fylkeskommune. De som må rekrutteres hvert år må med andre ord komme fra statlig eller privat sektor, eller være nyutdannet. Bytte av jobb mellom kommuner/fylkeskommuner og mellom stillinger er ikke medregnet (KS 2018).

Figur 8.11 Estimerte antall avganger og rekrutteringsbehov per år i kommunesektoren. 2019–2028

Figur 8.11 Estimerte antall avganger og rekrutteringsbehov per år i kommunesektoren. 2019–2028

Kilde: KS (2018).

8.5 Scenarioanalyser

8.5.1 Scenariometodikk som verktøy til å analysere alternative utviklingsbaner

Samfunnsøkonomisk analyse (SØA) har i 2018 gjennomført en scenarioanalyse på oppdrag fra KBU. Hensikten med scenarioanalysen er å få utviklet alternative utviklingsbilder for norsk økonomi og analysere implikasjoner for kompetansebehovene. I tillegg bidrar scenarioanalysen med kvalitativ innsikt, forståelse og innspill til dialog og diskusjoner om fremtidige kompetansebehov og hvordan politikk og utvikling påvirker samfunnet, arbeidsmarkedet og levekårene. Gjennom scenarioanalysen blir søkelyset i stor grad rettet mot mulige utviklingstrekk, gitt en rekke hendelser og beslutninger som analyseres på en strukturert måte. Disse bidrar til forståelse om hvilke kompetansebehov som følger ulike veivalg og illustrerer hvordan samfunnsutviklingen påvirker arbeidsmarkedet.

I tillegg til å lage og analysere disse scenarioene, har SØA også beregnet hvilke kvantitative endringer disse medfører for sysselsettingen og arbeidsmarkedets fremtidige kompetansebehov. Selv om beregningene legger SSBs befolkningsfremskrivninger og sentrale prognoser knyttet til fremtidig utvikling til grunn, er modellen som anvendes enklere enn det SSB bruker for sine fremskrivninger. Til forskjell fra SSBs fremskrivninger forutsettes det i scenarioene at tilbudet av kompetanse tilpasser seg etterspørselen.

Analysen bidrar til å illustrere det mulighetsrommet vi kan stå overfor, og hvilke kompetansemessige behov som vil følge med utviklingsbaner som bryter med trender vi observerer i dag. Historien har vist at samfunnsutviklingen ikke alltid følger en forutsigbar bane, og de mange påvirkningsfaktorer og hendelser som preger samfunnet i ulik grad til ulik tid kan ta oss i retninger som det er vanskelig å forutse og se konsekvensene av.

SØA har gjort flere scenarioanalyser på kompetanseområdet i senere år på oppdrag fra Kunnskapsdepartementet (Bjørnstad mfl. 2015, 2016). Scenariometoden er videreutviklet ved å øke antall endringskrefter, etter forslag fra KBU i prosjektutlysningen, som blir integrert i scenarioene i forskjellig grad. Denne metoden gir større fleksibilitet, og tillater en grundigere analyse av fremtidsbildene enn tofeltstabellene som ble lagt til grunn i de tidligere analysene fra SØA.

For å bidra til at relevante endringskrefter er integrert i analysene, arrangerte SØA i samarbeid med KBU et arbeidsverksted høsten 2018 med bred deltakelse fra arbeidslivets parter, forskere og andre samfunnsaktører. Hensikten var å identifisere endringskrefter som er usikre og som forventes å få stor betydning for fremtidige kompetansebehov.

SØA anvender PESTEL-metoden, eller PØSTML på norsk, for en systematisk gjennomgang av sentrale endringskrefter som det knytter seg varierende usikkerhet til og som tenkes å påvirke fremtidsutviklingen i alle tilfeller. Disse omfatter en diskusjon av politikk (P), økonomi og demografi (Ø), sosiokulturelle forhold (S), teknologi (T), miljø og klima (M), og lovreguleringer (L). Blant disse er klimaendringer, demografiske utviklingstrekk og teknologisk utvikling identifisert som (ganske) sikre endringskrefter som ligger til grunn for alle scenarioene.

Med utgangspunkt i dette utviklet SØA en modell med fem sentrale endringskrefter:

  • Aksept for å ta i bruk nye teknologiske løsninger,

  • Prioritering av eksportrettede teknologinæringer ,

  • Graden av internasjonal proteksjonisme,

  • Preferanse for klima- og miljøvennlige løsninger,

  • Preferanse for egen fritid.

Figur 8.12 viser hvordan de tre foreslåtte scenarioene Digitale Norge, Nyt Norge og Teknologilandet påvirkes av disse endringskreftene. Hver av disse endringskreftene er gradert. Dagens situasjon er markert med stiplet linje, slik at utviklingsrommet er åpent og kan innebære en økning eller en reduksjon i påvirkning fra endringskreftene fra dagens tilstand. Figuren viser hvordan fremtidsbildene påvirkes i varierende grad av de fem endringskreftene, og hva som skiller scenarioene fra hverandre.

Aksen «prioritering av vekst i teknologinæringer» dreier seg i stor grad om prioritering av hvordan de offentlige ressursene brukes. Det er stor aksept for å ta nye teknologiske løsninger i bruk i private virksomheter, men det tar tid i offentlige virksomheter, og det er ikke sikkert det er ønskelig heller. Aksen «internasjonal proteksjonisme» dreier seg om usikkerhet i verdensøkonomien og i hvilken grad varer og tjenester flyter fritt over landegrensene. Aksen «preferanse for fritid» dreier seg om befolkningens ønsker om for eksempel tidlig pensjonering og omfang av deltidsarbeid.

Figur 8.12 Scenariofortellingene etter hvordan de påvirkes av forskjellige endringskrefter

Figur 8.12 Scenariofortellingene etter hvordan de påvirkes av forskjellige endringskrefter

Kilde: Samfunnsøkonomisk analyse (2018b).

SØA beskriver hvordan utviklingen av de fem sentrale endringskreftene kan tenkes å komme til uttrykk, gir eksempler på hendelser som fører samfunnsutviklingen inn i scenarioene, og peker på andre forhold som vil være med å styre samfunnsutviklingen og økonomien. Endringskreftene påvirker hverandre gjensidig, og henger til en viss grad sammen. Det er eksempelvis vanskelig å se for seg et vesentlig mer proteksjonistisk internasjonalt handelsregime og samtidig styre mot en sterk eksportdrevet vekst av teknologinæringene. Andre faktorer er mer uavhengige og kan tenkes å utvikle seg likt i scenarioer som ellers er veldig forskjellige.

SØA har utviklet tre scenarioer med utgangspunkt i figur 8.12, blant mange mulige, som denne metoden legger til rette for. Dette gir anledning til å analysere et bredt spekter av mulige utviklingstrekk, samtidig som det er et begrenset antall fremtidsbilder som er håndterlig for leserne.

Innen hvert scenario er det lagd konsistente historier om hva som tok utviklingen dit. SØA gir også i hvert scenario en analyse av kompetansebehov som kommer til uttrykk og som er konsistent med utviklingen.

I scenarioet Teknologilandet er eksport av teknologi blitt «den nye oljen», etter en storstilt omstilling av næringslivet. Inntektsutviklingen har fortsatt og økonomien er konkurransedyktig og gir høy sysselsetting. Det er stor tro på at teknologi vil løse klima- og miljøutfordringene.

I scenarioet Digitale Norge preges økonomien av lav proteksjonisme og varer og tjenester flyter lett mellom landene. Godt hjulpet av høy grad av tillit, har digitale løsninger blitt tatt i bruk i både privat og offentlig sektor. Dette fører til store effektivitetsgevinster, særlig i offentlig sektor. Sysselsettingen faller som følge av dette og befolkningens preferanse for fritid er høy.

I scenarioet Nyt Norge har befolkningen virkelig tatt innover seg klima- og miljøutfordringene og har lagt om livsstil merkbart og prioriterer bærekraftig atferd. Dette innebærer at sysselsettingen reduseres. En kraftig reduksjon i internasjonal reisevirksomhet bidrar til en vekst i primærnæringene nasjonalt, samtidig som økt etterspørsel etter kortreiste opplevelser fører til en desentralisering i økonomisk aktivitet. Inntektsveksten er relativt lav.

8.5.2 Beregninger av kompetansebehov knyttet til scenarioene

Figur 8.13 Etterspørsel etter arbeidskraft med grunnskole som høyeste fullførte utdanning eller uoppgitt utdanning, frem mot 2040

Figur 8.13 Etterspørsel etter arbeidskraft med grunnskole som høyeste fullførte utdanning eller uoppgitt utdanning, frem mot 2040

Kilde: Samfunnsøkonomisk analyse (2018b).

SØA har tallfestet sysselsettingen av forskjellige utdanningsgrupper som følger de tre scenarioene. Disse analysene viser mulige utviklingstrekk som kan påvirke kompetansesituasjonen i årene fremover. SØA har brukt statistikk og beregninger fra SSB for befolkningsutviklingen, sysselsetting etter utdanning og næringer. Blant annet gir dette begrensninger for hvor mange personer som er tilgjengelige for arbeid innen forskjellige næringer og sektorer. Hvis man antar at sysselsettingen øker i en næring, må den derfor reduseres i andre for å oppnå intern konsistens i scenarioet.

Utviklingen av scenarioene gir en del innsikt og begrunner brudd i sentrale utviklingstrekk som får betydning for fremtidige kompetansebehov. Dette er også hensikten med scenarioanalysen, som gjør det mulig å analysere større endringer enn mer tradisjonelle fremskrivningsmetoder.

Sysselsettingen av personer med grunnskole som høyeste utdanning eller med uoppgitt utdanning er betydelig, men fallende, i alle tre scenarioene, se figur 8.13. Sysselsettingen faller fra rundt 600 000 personer i 2017 til i underkant av 500 000 i 2040 i Nyt Norge. Fallet er vesentlig sterkere i Digitale Norge, til 300 000 personer i 2040. Teknologilandet ligger mellom de to andre scenarioene.

Også sysselsettingen med videregående opplæring som høyeste fullførte utdanning forventes å falle i alle de tre scenarioene, slik det illustreres i figur 8.14. Nyt Norge er det scenarioet som sysselsetter slik arbeidskraft i størst grad, mens det også her er Digitale Norge som sysselsetter færrest. Forskjellen mellom de to er rundt 150 000 sysselsatte. I denne analysen skilles det ikke mellom sysselsatte med studieforberedende utdanningsprogram og fag- og yrkesopplæring. Disse to gruppene har svært forskjellige arbeidsmarkedstilpasning.

Figur 8.14 Etterspørsel etter arbeidskraft med videregående opplæring som høyeste fullførte utdanning, frem mot 2040

Figur 8.14 Etterspørsel etter arbeidskraft med videregående opplæring som høyeste fullførte utdanning, frem mot 2040

Kilde: Samfunnsøkonomisk analyse (2018b).

I alle tre scenarioene øker sysselsettingen av personer med lang høyere utdanning sterkt, og mer enn i SSBs fremskrivninger. Sysselsettingen av personer med lang høyere utdanning mer enn dobles fra under 300 000 personer i 2017 til over 600 000 i 2040 i Teknologilandet. I Digitale Norge er veksten av denne typen arbeidskraft også merkbar, men vesentlig svakere enn i Teknologilandet, og går mot 450 000 personer i 2040. I Nyt Norge er veksten mer moderat, men positiv, og ender på rundt 350 000 personer, se figur 8.15.

Sysselsettingen av personer med henholdsvis kort høyere utdanning eller doktorgrad øker også i alle tre scenarioene. Behovet for sysselsatte med kort høyere utdanning vokser mest i Digitale Norge, og minst i Teknologilandet. Behovet for sysselsatte med doktorgrad øker fra 30 000 personer i 2017 til 85 000 i 2040 i Teknologilandet. Nyt Norge er scenarioet som vil sysselsette færrest personer med doktorgrad, her vokser antallet til 50 000 i 2040. Vi viser ikke disse figurene her.

SØA har også beregnet utviklingen i sysselsetting etter fagområde innen ulike nivå, som vi ikke viser her.

Figur 8.15 Etterspørsel etter arbeidskraft med lang høyere utdanning, frem mot 2040

Figur 8.15 Etterspørsel etter arbeidskraft med lang høyere utdanning, frem mot 2040

Kilde: Samfunnsøkonomisk analyse (2018b).

De tre scenarioene gir svært forskjellige kompetansebehov, og de arbeidsmarkedene som beskrives sysselsetter forskjellige typer arbeidskraft definert etter utdanning. Uavhengig av scenario og de forskjellige utviklingsbildene som beskrives, er det likevel noen felles utviklingstrekk som går igjen.

  • Fremtidens sysselsatte vil i gjennomsnitt ha høyere utdanningsnivå enn i dag. Utskiftingen vi ser i dag vil fortsette, ved at de som går ut av arbeidsmarkedet på grunn av pensjonering har lavere utdanning enn de som kommer inn. Antallet og andelen av de sysselsatte med grunnskole som høyeste fullførte utdanning vil falle, og antallet og andelen med høyere utdanning vil øke i perioden frem mot 2040.

  • Antallet og andelen sysselsatte med videregående opplæring som høyeste utdanning vil falle, men analysen skiller ikke mellom studieforberedende og fag- og yrkesopplæring, og dermed blir dette en veldig heterogen gruppe.

  • Antallet sysselsatte innen håndverksfag vil øke i to scenarioer, men vil falle svakt i Teknologilandet som følge av at høyteknologiske løsninger reduserer behovet for denne type arbeidskraft.

  • Sysselsettingen vil falle for yrkesgruppene kontoryrker, salgs- og serviceyrker og for prosess- og maskinoperatører og transportarbeidere.

  • Den demografiske utviklingen vil kreve at andelen med utdanning innen helsefag vil øke. Hvor sterk veksten blir, og hvilket utdanningsnivå etterspørselen særlig vil rette seg mot, avhenger av innfasing av teknologi i helse- og omsorgssektoren.

  • Sysselsettingen av personer med utdanning innen naturvitenskapelige fag, håndverksfag og teknologi vil øke. Årsaken varierer i scenarioene, fra industrielle behov og eksport til klimaendringer og investeringer i infrastruktur. Hvilket nivå og mer spesifikke fag det særlig vil bli vekst innenfor, avhenger av scenarioet.

  • Generelt vil teknologisk utvikling føre til at enkelte arbeidsoppgaver automatiseres og jobber fases ut, mens komplementaritet mellom teknologi og en del typer høyere utdanning vil tilsi økt behov for spesialisert teknologisk arbeidskraft. Hvor rask utviklingen er og omfanget av kompetansebehov det fører til, avhenger i stor grad av scenarioene.

  • Sysselsettingen av personer utdannet i samfunnsfag, juridiske fag og humanistiske fag øker, men sysselsetting av personer i yrker som samfunnsviter, jurist og humanist faller. Dette innebærer at personer med disse utdanningene blir brukt i en rekke ulike yrker i fremtiden.

  • SØA peker på at behovet for etter- og videreutdanning vil øke i takt med økte endringer i kompetansebehovene.

Utviklingen av et fremtidig samfunn, med et arbeidsmarked som trenger nye og andre typer kompetanse for å kunne realiseres, krever tilgjengelighet av arbeidskraft med annen kompetanse og i annet omfang enn i dag. Dette har konsekvenser for både samfunnets og enkeltpersoners valg knyttet til utdanning og arbeid. Samtidig kan ikke arbeidstilbudet utvikle seg i isolasjon; det vil være avhengig av sysselsettingsmuligheter. Kompetansetilbudet og sysselsettingen er derfor gjensidig avhengige av hverandre, og bidrar i et nært samspill til samfunnsutviklingen. Spissformulert kan det sies at man kun kan utvikle det arbeidsmarkedet og oppnå den samfunnsutviklingen man har tilgjengelig arbeidskraft til å realisere.

8.6 Fremtidige kompetansebehov som følge av digitalisering, automatisering og teknologisk utvikling

Digitalisering påvirker hele arbeidslivet og bidrar til å effektivisere oppgaveløsningen. Digitalisering har påvirket samfunnet vårt i mange år allerede, ved at vi har omgjort papir til digital form, som blant annet overgangen til e-post og elektronisk arkivering, eller innføringen av nettbank. Slik blant annet Skjølsvik (2017) beskriver, har i senere tid nye muligheter åpnet seg innen digitalisering, som følge av bedre datakraft, bedre samhandlingsmuligheter og større mengde data. Dermed påvirker digitaliseringen organisasjoner, yrkesgrupper og profesjoner på nye måter.

Det er faglig uenighet om hvilke følger digitalisering og innføring av ny teknologi vil ha for arbeidslivet og samfunnet vårt. Optimistene mener digitalisering vil gjøre hverdagen vår enklere og arbeidsoppgavene mer spennende, mens kritikerne tror maskinene tar over jobbene, medfører jobbpolarisering og økt arbeidsledighet. Elon Musk, Bill Gates og Stephen Hawking har advart mot konsekvensene av generell kunstig intelligens, der maskinene kan bli smartere enn og kan lure mennesker (NRK 2015).

8.6.1 Andel jobber utsatt for automatisering i ulike land

En rekke studier forsøker å anslå hvor stor andel av jobbene som vil automatiseres i fremtiden. En mye sitert studie fra Frey og Osborne (2013) presenterer sannsynligheter for at ulike yrker ville automatiseres de neste 10–20 årene. Frey og Osborne skiller mellom høy-, mellom- og lavrisikojobber ut fra automatiseringssannsynligheten. Frey og Osborne anslår at nær halvparten (47 prosent) av de sysselsatte i USA har høyrisikojobber.

I studien legger Frey og Osborne til grunn at jobber er mindre utsatte for å bli automatisert dersom kjerneoppgavene krever enten høy presisjon og finmotorikk/fingerferdighet, kreativ intelligens eller sosial intelligens. Dette er med andre ord områder som mennesker er antatt å være bedre på enn maskiner. Eksempelvis er kirurger, motedesignere og familieterapeuter vurdert som lavrisikojobber i Frey og Osbornes oversikt.

Samlet er en tredjedel av jobbene i Norge høyrisikojobber, ifølge Pajarinen mfl. (2015), basert på SSBs tall for arbeidsforhold fra 2013 og automatiseringssannsynlighetene fra Frey og Osborne. I beregningene for Norge er det ikke skilt mellom bijobb og hovedjobb. Det betyr at det blir en dobbelttelling for personer med bijobb og hovedjobb innen samme yrke. På den annen side, dersom personer har ulikt yrke i bijobb og hovedjobb, kan man under- eller overvurdere hvor mange som blir berørt av automatisering ved å kun bruke hovedarbeidsforhold. Pajarinen mfl. (2015) understreker at regneøvelsen om automatisering ikke tar høyde for at yrkenes oppgavesammensetning er i fortløpende endring.

KBU har gjentatt regneøvelsen til Pajarinen mfl. (2015) med nyere tall, som et supplement. Hovedresultatet (total andel høyrisikoyrker) påvirkes i liten grad av hvorvidt vi anvender statistikken for alle arbeidsforhold, som også dekker bijobber, og som dekker bosatte og ikke-bosatte i alle aldre (SSBs kildetabell 11658), eller statistikken for hovedarbeidsforhold, som kun dekker bosatte i aldersgruppen 15–74 år (SSBs kildetabell 11411).

Figur 8.16 viser resultatene ved bruk av statistikken for hovedarbeidsforhold fra 4. kvartal 2017. Figuren viser koblingen mellom antall lønnstakere og yrkets automatiseringssannsynlighet. Blant yrkene med høyest automatiseringssannsynlighet er de to største i Norge, målt i antall lønnstakere, butikkmedarbeidere og kontormedarbeidere. Det er lærefag på videregående nivå som er rettet mot disse yrkene. Tilbudsstrukturen i videregående opplæring er imidlertid i endring, og kontor- og administrasjonsfaget skal erstattes. Læreplanutkast utvikles i 2019 (Utdanningsdirektoratet 2018g).

Næsheim og Bye (2016) skriver at sannsynlighetene fra Frey og Osborne nok må tolkes mer som en rangering av hvilke yrker som vil være mest utsatt for automatisering enn at prosenten de angir skal tolkes helt bokstavelig.

Figur 8.16 Antall lønnstakere, 15–74 år, 4. kvartal 2017, koblet til yrkets automatiseringssannsynlighet

Figur 8.16 Antall lønnstakere, 15–74 år, 4. kvartal 2017, koblet til yrkets automatiseringssannsynlighet

Populasjonen er bosatte lønnstakere og dekker kun hovedarbeidsforholdet, slik at hver person telles én gang. SSB har ikke yrkesstatistikk for selvstendig næringsdrivende. Der det mangler beregnet automatiseringssannsynlighet i Pajarinen mfl. (2015), har KBU brukt beregnet automatiseringssannsynlighet for et nærliggende yrke.

Kilde: Sannsynligheter oppgitt i Pajarinen mfl. (2015), som er basert på Frey og Osborne (2013), er anvendt av KBU på registerbasert statistikk for lønnstakere 4. kvartal 2017, SSBs kildetabell 11411.

Pajarinen mfl. (2015) finner at den største andelen høyrisikojobber er lavtlønnet, krever lite utdanning, er i privat sektor, og innen industri. De trygge jobbene er gjerne høytlønnet, krever høy utdanning, er innen tjenestenæringene og i offentlig sektor. Pajarinen mfl. (2015) understreker at dette kun er generelle tendenser og at det ikke er slik at alle høyt utdannede er i trygge jobber. De nevner regnskapsførere som et konkret eksempel på en høyrisikojobb, som kan kreve høyere utdanning. Kvinner er samlet sett noe mer skjermet fra automatisering enn menn. Dette henger sammen med yrkesvalg. Blant kvinner er det samlet sett en lavere andel av de sysselsatte som har jobber med automatiseringssannsynlighet over 70 prosent. SSBs statistikk (kildetabell 11411) viser imidlertid at det er flere kvinner enn menn i de aller mest utsatte jobbene med mange lønnstakere, butikkmedarbeidere og kontormedarbeidere.

Andre studier benytter data fra den internasjonale undersøkelsen PIAAC og viser at det er betydelig variasjon i arbeidsoppgavene i yrker med lignende titler. Når dette tas høyde for, reduseres andelen yrker som er utsatt for automatisering betydelig. Nedelkoska og Quintini (2018) tar utgangspunkt i PIAAC-data, og forsøker i tillegg til å anslå andelen som er utsatt for automatisering, også å belyse jobbendringene som følger av at ny teknologi anvendes. De finner at rundt 14 prosent av jobbene i OECD-landene som har deltatt i PIAAC er høyrisikojobber, det vil si at beregnet automatiseringssannsynlighet er over 70 prosent. Dette tilsvarer 66 millioner arbeidstakere i de 32 landene som dekkes av studien.

Nedelkoska og Quintini (2018) finner stor variasjon i resultatene på tvers av land. Mens 33 prosent av jobbene i Slovakia er høyrisikojobber, gjelder dette kun 6 prosent av jobbene i Norge. Det gjelder mer generelt at de nordiske landene har lavere andel høyrisikojobber enn de østeuropeiske landene. Nedelkoska og Quintini forklarer 30 prosent av variasjonen på tvers av land med ulik næringsstruktur, og de resterende 70 prosentene av variasjonen med ulik yrkesstruktur innad i næringene. Arbeidsoppgavene varierer også på tvers av land for de samme yrkene. Ulik yrkesstruktur innad i næringene og ulike arbeidsoppgaver innad i yrkene kan gjenspeile i hvor stor grad landet allerede har vært gjennom en automatisering. Land som enda ikke har vært gjennom en automatisering vil ha en oppgavestruktur som er mer utsatt for automatisering.

Nedelkoska og Quintini skriver at PIAAC-dataene mangler informasjon om noen oppgaver som krever sosial intelligens, slik som omsorg for andre, noe som kan føre til at automatiseringssannsynligheten overdrives. På den annen side peker Nedelkoska og Quintini på at det er rask fremgang i hva som kan automatiseres. Dette gjør at det kan være for strenge antagelser om at oppgaver som krever sosial intelligens, kognitiv intelligens, høy presisjon og finmotorikk i liten grad kan automatiseres.

Beregninger om hvilke jobber og andel jobber som er utsatt for automatisering er nyttige som illustrasjon på hva som kan skje. Men beregningene bygger på enkle mekanismer, og kan ikke ta høyde for alle de ulike faktorene som kan påvirke utviklingen fremover.

8.6.2 Endringer i yrkesstrukturen i Norge

Kompetansekravene i norsk arbeidsliv har økt. I en rapport SSB har levert på oppdrag fra KBU forklarer Næsheim (2018) dette med en kombinasjon av endringer i næringsstrukturen, endret produksjonsmåte og at varene/tjenestene som produseres krever høyere kompetanse å produsere.

Næsheim skriver at automatisering vil påvirke arbeidsoppgaver som er rutinepregede og som følger faste forutsigbare mønstre, og at dette ofte gjelder yrker med lavere krav til utdanningsnivå. Automatisering antas å være medvirkende til den store nedgangen i kontoryrker, som har vært nær 15 prosent i perioden 2011–2017, se figur 8.17.

Figur 8.17 viser den faktiske endringen i sysselsatte for ulike yrkesfelt i perioden 2011–2017, både målt i antall sysselsatte og prosentvis endring. Figuren viser også endringen i sysselsettingen som følger av endringer i antall sysselsatte i de enkelte næringene. For eksempel har sysselsettingen økt i næringer der det er mange personer i akademiske yrker og høyskoleyrker, som bidrar til positiv sysselsettingsvekst for dette yrkesfeltet. Den faktiske endringen i sysselsettingen i akademiske yrker og høyskoleyrker har imidlertid økt enda mer enn det som kan forklares med endringer i næringenes størrelse i perioden 2011–2017. Næsheim skriver at dette kan skyldes at virksomhetene har endret produksjonsmåte, men også at det i større grad produseres varer og tjenester som krever høyere kompetanse.

Figur 8.17 Endringer i sysselsatte. 2011–2017

Figur 8.17 Endringer i sysselsatte. 2011–2017

Den ene søylen viser hva endringen i sysselsettingen ville vært dersom virksomhetene i hver næringsgruppe hadde samme prosentvise yrkesfordeling som i 2011. På grunn av skifte i både nærings- og yrkesstandard er perioden avgrenset til 2011–2017. Personer uten yrkeskode er utelatt.

Kilde: Næsheim (2018), med tallgrunnlag er fra Arbeidskraftsundersøkelsen (AKU).

Det er en sterk vekst i antall ledere, men ifølge Næsheim kan den reelle veksten i antall ledere være overvurdert, ved at kodeinstruksen ikke er fulgt om at ledere i virksomheter med færre enn 5 ansatte ikke skal kodes som ledere. Det ser ut til å være en økende bruk av ledertitler, også i tilfeller der jobben ikke inneholder bredden av lederoppgaver som SSB krever for innplassering som leder i statistikken.

Det er stor variasjon innad i yrkesfeltene. For å undersøke endringene på mer detaljert nivå, bruker Næsheim den registerbaserte sysselsettingsstatistikken for lønnstakere i privat sektor. Perioden avgrenses til 2005–2013 som følge av skifte i datagrunnlaget for registerstatistikken etter dette. Blant yrkene med sterkest vekst er systemutviklere og programmerere, som ifølge Næsheim illustrerer at effektivisering også gir vekst i noen yrker.

Blant yrkene med sterkest nedgang i antall sysselsatte i perioden 2005–2013, finner vi blant annet sekretærer, kontormedarbeidere og reisebyråmedarbeidere. Næsheim skriver at dette er yrker som har vært klart påvirket av digitaliseringen på ulike måter. Bare i årene 2009–2013 ble antall kontormedarbeidere redusert med over 6 000 personer, ifølge den registerbaserte statistikken for lønnstakere i privat sektor. Næsheim har ikke informasjon om hvilke oppgaver som er blitt redusert, men peker på at eksempler kan være økt bruk av elektroniske løsninger for håndtering av fakturaer og oppgaver mer generelt knyttet til regnskap og rapportering.

Selgere (engros) er et av enkeltyrkene med aller sterkest nedgang i antall sysselsatte i perioden 2005–2013. I hovedsak har denne sterke nedgangen kommet blant ansatte med utdanning på grunnskolenivå eller videregående nivå. Mye av dette skyldes trolig økt digitalisering av arbeidsoppgaver. Når de med høyere utdanning har hatt mindre nedgang, kan det skyldes at deres arbeidsoppgaver er vanskeligere å automatisere. Vurderinger og forhandlinger i salgsprosessen er vanskeligere å automatisere, og krever høyere kompetanse å håndtere. Næsheim kommenterer at slike høykompetansejobber burde vært kodet under akademiske yrker og høyskoleyrker. Dermed er den reelle nedgangen i selgere (engros) antagelig sterkere enn tallene viser.

Det er svært liten vekst i antall butikkmedarbeidere i siste del av perioden, 2009–2013. Næsheim skriver at dette er brudd i en langsiktig trend, der økende befolkning og økende disponibel inntekt per husholdning tidligere har gitt økt vekst i yrket. Næsheim forklarer at bruddet til dels kan forklares med en overgang til større butikker som krever færre ansatte per omsatt krone, men at det også har vært et fall i antall butikker de siste årene. Detaljhandel over nett har derimot økt, men ansatte i denne næringen kodes ikke som butikkansatte.

Blant yrkene med sterkest vekst i den registerbaserte statistikken er servitører og kokker, så vel som elektrikere og tømrere. Næsheim forklarer veksten i disse yrkene med økonomisk vekst i samfunnet. Når yrkesfeltet håndverkere samlet sett likevel ikke har økt, skyldes det nedgang i sysselsettingen i andre håndverksyrker. Næsheim skriver at dette eksempelvis gjelder der håndverkspreget produksjon er erstattet av mer industrielle og automatiserte produksjonslinjer, slik som for grafikere. Arbeidskraftundersøkelsen dekker bare personer bosatt i Norge, som kan bety at veksten blant håndverkere i figur 8.17 er undervurdert.

Næsheim peker på at digitalisering kan være årsak til den økte andelen høyt utdannede i fagfelt som tradisjonelt har krevd videregående opplæring. Han forklarer at enklere oppgaver kan være automatisert bort eller endret, slik at oppgavene som gjenstår krever høyere kompetanse for å kunne ta i bruk de nye tekniske løsningene.

Næsheim ser på koblinger av utdanning og yrke ved hjelp av Arbeidskraftundersøkelsen, som ikke inkluderer sysselsatte på korttidsopphold. I kapittel 3 pekte vi på at i overnattings- og serveringsvirksomhet kan tall fra nasjonalregnskapet fra perioden 2008–2014 (siste tilgjengelige tall fra nasjonalregnskapet med slike koblinger) tyde på at arbeidskraft med lite formell kompetanse møter økende konkurranse fra sysselsatte med uoppgitt utdanning, som i hovedsak er innvandrere eller sysselsatte på korttidsopphold i Norge, så vel som økende konkurranse fra høyt utdannet arbeidskraft. Sysselsatte på korttidsopphold med uoppgitt utdanning er personer som er i Norge kortere enn 6 måneder i forbindelse med oppdrag eller som er bosatt fast i utlandet, men som pendler til arbeid i Norge.

8.6.3 Endringer i etterspurte ferdigheter, samlet og etter næring

Automatisering fører ikke bare til at yrker forsvinner, men endrer også yrker, og kan skape nye yrker (McKinsey 2017). Det innebærer at også i «trygge» yrker vil arbeidskraften måtte tilpasse seg endringer fortløpende, og ha behov for å fylle på kompetansen enten gjennom læring på arbeidsplassen, kurs eller videreutdanning. McKinsey (2017) skriver at positiv netto jobbvekst, der antall nye jobber er større enn antall jobber som forsvinner, ikke skjer av seg selv. Det krever aktiv jobbskaping, både fra næringslivet og myndighetene.

McKinsey (2018) skiller mellom 25 ferdigheter og tallfester hvor mye tid de sysselsatte bruker på hver ferdighet. McKinsey beregner, ved bruk av deres egen automatiseringsmodell, hvordan automatisering vil endre arbeidskraftens ferdigheter i 2030. Beregningen er gjort samlet for USA og 14 europeiske land, inkludert Norge. McKinsey finner at arbeidskraften i 2030 vil bruke en større andel av tiden på teknologiske, sosiale, emosjonelle og høyere kognitive ferdigheter, se figur 8.18. McKinsey peker på at avansert teknologi krever arbeidstakere som forstår, kan anvende og utvikle teknologien. McKinsey venter aller sterkest vekst fra 2016 til 2030 i tidsbruken på avanserte IKT- og programmeringsferdigheter, og grunnleggende digitale ferdigheter.

Abelias Omstillingsbarometer peker på at Norge er verdensledende på bruk av IKT og at samfunnet vårt blir stadig mer digitalisert. Samtidig problematiseres det i barometeret at Norge ikke satser mer på teknologisk spisskompetanse (NyAnalyse 2018).

Figur 8.18 Tidsbruk på ferdigheter, 2016 og 2030. Beregning for utvalgte europeiske land1

Figur 8.18 Tidsbruk på ferdigheter, 2016 og 2030. Beregning for utvalgte europeiske land1

1 De 14 europeiske landene inkludert er Belgia, Danmark, Finland, Frankrike, Hellas, Italia, Nederland Norge, Spania, Storbritannia, Sveits, Sverige, Tyskland og Østerrike.

Kilde: McKinsey (2018).

McKinseys analyse legger til grunn at andelen av tiden brukt på emosjonelle og sosiale ferdigheter, så vel som teknologiske ferdigheter, øker på tvers av næringer. Hvor stor andel av tidsbruken som brukes på slike ferdigheter i 2030 varierer derimot på tvers av næringer, og er høyest innen bank og forsikring. Andelen av tiden brukt på fysiske og manuelle ferdigheter antas å være størst innen industri i 2030, etterfulgt av energi og gruvedrift, se figur 8.19.

Figur 8.19 Tidsbruk på ferdigheter i 2030. Beregning for ulike næringer i utvalgte europeiske land1

Figur 8.19 Tidsbruk på ferdigheter i 2030. Beregning for ulike næringer i utvalgte europeiske land1

1 De 14 europeiske landene inkludert er Belgia, Danmark, Finland, Frankrike, Hellas, Italia, Nederland Norge, Spania, Storbritannia, Sveits, Sverige, Tyskland og Østerrike.

Kilde: McKinsey (2018).

Finansnæringen har vært ledende i digitaliseringen, og McKinsey forventer store endringer innen bank og forsikring også i årene som kommer. McKinsey antar at blant annet sekretærer og administrative assistenter vil være mindre etterspurt i 2030, mens programvareutviklere og personlige finansrådgivere vil være mer etterspurt.

I januar 2017 omtalte DNB-sjef Rune Bjerke overgangen «fra bank til teknologiselskap» (DN 2017a). Han antok da at digitalisering og ny teknologi ville kunne føre til en halvering av de bankansatte i løpet av kort tid (DN 2017b). FINN Jobbindeks skriver at banker har blitt IT-selskaper, og at markedet er «støvsugd for kloke IT-hoder» (FINN 2017). Den etterspurte fagbakgrunnen i finansnæringen er i endring, ifølge Finans Norge. I 2016 var økonomiske og administrative fag den vanligste fagbakgrunnen i næringen. De siste årene har særlig kompetanse innen kontroll, dataanalyse, forretningsutvikling og datateknologi fått økt betydning (Finans Norge 2018).

Nettløsninger og e-handel har ført til store endringer innen detaljhandel. McKinsey skriver at kunstig intelligens og smart automatisering transformerer handelsopplevelsen, med selvbetjente kasser og maskinlæring som forutser kundeetterspørselen bedre. McKinsey (2018) forventer at jobber som laste- og lossearbeidere vil være mindre etterspurt i 2030, så vel som sjåfører av tungt kjøretøy, mens demonstratører og produktpromotører forventes å bli mer etterspurt.

Utviklingen innen varehandelen påvirker utviklingen i post- og distribusjonsvirksomhet. For samtidig som det har vært en kraftig reduksjon i fysiske brevvolum, handler vi mer på nett. E-handel, pakker og logistikk står nå for en stor del av postens omsetning. I dag står logistikkmarkedet for rundt to tredeler av Postens inntekter (Dagens Perspektiv 2018). I årene fremover vil fysiske butikker antagelig i stadig større grad fungere kun som «prøverom», mens selve handelen foregår på nett. Over tid kan også funksjonen som prøverom bli overflødig, etter hvert som det utvikles gode digitale løsninger for å vurdere varen på nett visuelt og returmulighetene blir stadig bedre.

8.6.4 Samfunnsmessige krefter og veivalg

Betydningen av den teknologiske utviklingen for kompetansebehovene i fremtiden vil avhenge av samfunnsmessige krefter, som lover og reguleringer, holdninger og verdier. Eksempelvis vil personvernhensynet kunne bremse bruk av kunstig intelligens i Norge (Datatilsynet 2018). Lover og reguleringer kan bremse, men også fremme digitalisering (Riksrevisjonen 2016b).

Næsheim (2018) skriver at lover og reguleringer gir rammebetingelser som påvirker virksomhetenes behov for ulike typer arbeidskraft, slik som miljøkrav, sertifiseringskrav og bemanningskrav. Eksempelvis forklarer Næsheim den sterke veksten i antall sysselsette barne- og ungdomsarbeidere i perioden 2005–2013 (privat sektor) med politiske prioriteringer med utbygging av barnehager, der også private fikk delta i å drive disse.

Nedelkoska og Quintini (2018) understreker at estimatene deres gjelder teknologiske muligheter, og ser bort fra hvor raskt endringene vil inntreffe eller hvor sannsynlig det er at ny teknologi vil tas i bruk. De peker på at anvendelsen av ny teknologi vil avhenge av reguleringer i arbeidslivet, arbeidskraftkostnader og sosiale preferanser knyttet til automatisering. Næsheim (2018) skriver at prisen på roboter eller automatisering vil være viktig for om arbeidskraften automatiseres.

Arbeidstakernes ønske om og lovpålagte rett til medvirkning kan ha betydning både for hvor raskt endringer innføres og hvor vellykkede disse endringene blir på sikt (Agenda 2017). Et samfunnsvitenskapelig arbeid fra 1984 vitner om at betydningen av elektronisk databehandling (EDB) i sin tid kunne være vanskelig å forutse eller godta. Kontorarbeid ble beskrevet som slett ikke enkelt eller rutinepreget, og snarere vanskelig å automatisere. Heftet fikk Fafo-prisen for «beste samfunnsvitenskapelige arbeide overhodet», blant annet på bakgrunn av relevans for fagbevegelsen (Aftenposten 1985).

Slik som det så sent som på midten av 80-tallet kunne være vanskelig å akseptere eller forutse betydningen av ny teknologi for kontoryrker, kan det samme gjelde en rekke arbeidsoppgaver eller yrker som er utbredt i dag. Hvorvidt arbeidsoppgavene faktisk vil automatiseres og i så fall hvor raskt det skjer og hvilke konsekvenser det får, avhenger av holdninger og rettigheter, og som nevnt av lovreguleringer, ikke bare teknologiske muligheter.

En undersøkelse gjennomført blant arbeidstakere i Norge, YS Arbeidslivsbarometer (Steen mfl. 2018), viser at en økende andel ser for seg at arbeidsoppgavene kan utføres digitalt eller av en maskin. Arbeidstakerne blir ikke spurt hvor lang tid de tror det vil ta før oppgavene kan digitaliseres. Fordelt etter bransje, er andelen som svarer nei på dette spørsmålet høyest innen barnehage/skole/undervisning, og lavest innen bank/forsikring/finans (tallgrunnlag tilgjengeliggjort fra YS).

Innen pleie- og omsorgstjenester og innen helsetjenester, er det ifølge tallgrunnlaget fra YS Arbeidslivsbarometer en høy andel som svarer nei på spørsmålet om arbeidsoppgavene kan utføres digitalt eller av en maskin. I en undersøkelse gjennomført av de fire helseforbundene som er medlemmer av Unio svarte over 90 prosent at de er enige eller svært enige i at teknologi kommer til å bli en større del av arbeidsdagen de neste 5–10 årene (NyAnalyse 2017). Intervjuer med representanter fra helseforbundene beskriver en hverdag der teknologi blir stadig viktigere, i samspill med den ansatte. Figur 8.20 viser at menn i større grad enn kvinner mener at kompetansen deres vil være tilstrekkelig de neste 5–10 årene, gitt hvordan de forventer at stilling og yrke vil være teknologisk, og i større grad i spesialisthelsetjenesten enn i kommunal sektor.

Figur 8.20 Andel ansatte i kommunal sektor og spesialisthelsetjenesten som mener at deres kompetanse vil være tilstrekkelig de neste 5–10 årene gitt hvordan de forventer at stilling og yrke vil være teknologisk. Svar fra Unios fire helseforbund

Figur 8.20 Andel ansatte i kommunal sektor og spesialisthelsetjenesten som mener at deres kompetanse vil være tilstrekkelig de neste 5–10 årene gitt hvordan de forventer at stilling og yrke vil være teknologisk. Svar fra Unios fire helseforbund

Kilde: En spørreundersøkelse gjennomført for Unios helseforbund (NyAnalyse 2017).

Sosiokulturelle forskjeller kan være med på å forklare hvorfor land som i utgangspunktet har samme teknologiske forutsetninger, velger ulike løsninger. Diskusjonene om anvendelse av kunstig intelligens i helsesektoren eksemplifiserer dette. Anvendelse av kunstig intelligens i helsesektoren dreier seg ikke bare om hensynet til personvern, men også hvilke oppgaver menneskene vurderes å være bedre egnet enn maskinene til å løse. Bruk av nye teknologiske løsninger innen eldreomsorgen vil kunne variere på tvers av land også i fremtiden, så lenge holdningene til hvordan omsorgen for eldre bør være varierer mellom landene.

Holdninger til ny teknologi kan variere på tvers av land som følge av ulik kultur, etiske vurderinger, samfunnsforståelse, tradisjoner og tidligere erfaring med innføring av teknologi. I Japan brukes menneskelignende roboter (androider) som resepsjonister, sko- og klesselgere (VPRO 2015). I Norge kan også noen av de samme arbeidsoppgavene tenkes å automatiseres som i Japan, men ikke nødvendigvis ved bruk av androider. Holdninger og verdier virker ikke bare inn på hvorvidt ny teknologi innføres, men også i hvilken form den innføres, eksempelvis hvorvidt vi bruker selvbetjeningsmaskiner eller androider.

Konsumentenes adferd og holdninger til teknologi er i fortløpende endring. I dag tar mange, særlig barn og unge, en rekke digitale løsninger for gitt. Noen tilbakeblikk i Aftenposten røper hvor annerledes hverdagen var for bare noen tiår tilbake. I 1970 forklarte avisen i detalj hvordan man skulle bruke ‘kontant-automaten’, senere kjent som minibanker. En gang i fremtiden ville det også være mulig å handle på kreditt – og et slikt kort ville «være enestående i sitt slag». Så sent som i 1994 skrev Aftenposten at internett «allerede har 40 000 brukere» og et par år senere forklarte avisen hvordan flere banker gjorde «forsøksprosjekter med betalingsformidling på Internett». I dag sender ni av ti nordmenn i alderen 16–74 år regelmessig e-post, og like mange bruker nettbank (Fjørtoft 2017).

Villigheten til å gi fra oss data virker inn på etterspørselen etter digitale tjenester. Dette henger sammen med tilliten eller skepsisen mellom ulike aktører i samfunnet, og tilliten til myndighetene. Frykt for at opplysninger ikke behandles på en god måte vil kunne begrense villigheten til å dele opplysninger (Datatilsynet 2018). I litteraturen er det funnet en positiv samvariasjon på tvers av land mellom generell tillit til andre mennesker og produktivitet (Beinhocker 2006, Berg mfl. 2016).

Hvordan vi lever og våre preferanser har sterk påvirkning på etterspørselen etter ulike varer og tjenester. I Norge øker eksempelvis omsetningen fra butikksalg med kaffe og te betydelig (SSBs kildetabell 07312) og antall virksomheter innen kultur, underholdning og fritid og innen personlig tjenesteyting øker (SSBs kildetabell 09029). Valget mellom fritid og arbeid, og mellom alternativ bruk av fritiden, virker inn på etterspørselen etter ulike digitale tjenester. Livsstilen vi foretrekker forteller om det er et marked for eksempelvis bestilling på nett og hjemkjøring av dagligvarer. Det er grunn til å forvente at etterspørselen etter denne type tjenester vil øke i fremtiden, i takt med at kommende generasjoner forbrukere er stadig mer vant til digitale tjenester.

Livsstilen vår er med på å bestemme hvilke yrker som bevares, og hvilke nye yrker som skapes: Dette avgjøres ikke av teknologiske muligheter alene, og et yrke som er naturlig å automatisere i ett land, kan være naturlig å bevare i et annet. Som vi skrev i forrige rapport (NOU 2018: 2), kan det se ut til at vi i Norge er på vei mot et høydigitalisert samfunn der konsumentene krever personlig service og skreddersydde løsninger i større grad enn tidligere, i takt med den økte velstanden.

8.6.5 Polarisering i arbeidsmarkedet?

Et mye diskutert tema i lys av digitaliseringen er hvorvidt det vil oppstå polarisering i arbeidsmarkedet, med en økning i jobbene som krever lav og høy kompetanse, og færre jobber som krever kompetanse på mellomnivå.

I hvor stor grad mellomnivået rammes, som inkluderer jobber som krever fag- og yrkesopplæring, vil variere på tvers av land. Det samme vil fremveksten av lavkompetansejobber. Dette avhenger blant annet av politiske satsinger, lovreguleringer og lønnsstruktur. Næsheims (2018) analyse tyder på en generell kompetanseoppgradering i arbeidslivet i Norge, ikke fremvekst av lavkompetansejobber. Blant jobber med mange sysselsatte i Norge, er butikkmedarbeidere og kontormedarbeidere høyrisikojobber, ifølge Frey og Osbornes beregnede automatiseringssannsynligheter. Dette er eksempler på yrker der enkle arbeidsoppgaver effektiviseres bort eller endres, slik Næsheim beskriver, og gjenstående oppgaver vil kunne kreve høyere kompetanse enn tidligere, blant annet på grunn av digitalisering.

Frey og Osborne (2013) forventer også at tømrere og snekkere, som har kompetanse på mellomnivå (Gjelsvik 2013), vil være blant høyrisikoyrkene for automatisering. Helsefagarbeidere, som også har kompetanse på mellomnivå, vurderes av Frey og Osborne å være i kategorien mellomrisiko for automatisering. SSBs fremskrivninger viser derimot fremtidig vekst i sysselsettingen for arbeidskraft med fag- og yrkesopplæring innen håndverksfag (samlet) og helsefag.

OECD (2018e) presenterer en oversikt over utviklingen i sysselsettingen i perioden 1995–2015, fordelt på lavkompetanse-, mellomkompetanse- og høykompetanseyrker. Oversikten viser en reduksjon i sysselsettingen i mellomkompetanseyrker på tvers av land, og vekst i sysselsettingen i høykompetanseyrker, så vel som (med få unntak) vekst i sysselsettingen i lavkompetanseyrker. OECD (2018e) kategoriserer imidlertid salgs- og serviceyrker som del av lavkompetanseyrker, selv om salgs- og serviceyrker ifølge den internasjonale standarden for klassifisering av yrker er mellomkompetanseyrker (www.ilo.org). Hvis man legger denne yrkesklassifiseringen til grunn, slik at salgs- og serviceyrker vurderes som mellomkompetanseyrker, vil det kunne påvirke resultatene til OECD.

Beslutningen om å inkludere salgs- og serviceyrker blant lavkompetanseyrkene i OECD-rapporten er basert på at den internasjonale litteraturen om jobbpolarisering gjerne kategoriserer kompetansenivå ut fra lønnsnivå (e-postutveksling med OECD). I denne litteraturen plasseres salgsyrker gjerne blant lavkompetanseyrker, mens serviceyrker noen ganger inkluderes blant mellomkompetanseyrker. Siden OECD måtte bruke et aggregert yrkesgruppenivå, og ikke kunne skille mellom salgs- og serviceyrker, ble yrkesgruppen samlet kategorisert som lavkompetanseyrker. Dette eksemplifiserer en av utfordringene med å jobbe med yrkesdata på tvers av mange land.

Dølvik og Steen (2018) skriver at hvorvidt digitalisering fører til polarisering eller en generell kompetanseoppgradering avhenger av institusjonelle faktorer og politisk respons. Hvorvidt en eventuell polarisering i jobbveksten målt etter kompetanse innebærer stor lønnsspredning eller ikke avhenger av lønnsstrukturen i det enkelte landet. Bjørnstad og Nymoen (2015) peker på at land med høy grad av koordinering i lønnsdannelsen, som Norge, gjennomgående har små lønnsforskjeller. Von Brasch mfl. (2018) peker på at dersom organiseringsgraden reduseres og lønnsforskjellene øker, vil det kunne føre til et mer polarisert arbeidsmarked, der etterspørselen etter arbeidskraft med lav kompetanse øker på bekostning av arbeidskraft med kompetanse på mellomnivå. Berg mfl. (2016) argumenterer at de små lønnsforskjellene i Norge bidrar til investeringer i kapital, teknologi og kompetanse. Dølvik og Steen (2018) argumenterer at læring og kompetansepåfyll er nødvendig for å unngå voksende ubalanser i arbeidsmarkedet, lønnsgap og utenforskap.

8.7 Drøfting og vurderinger

SSBs fremskrivninger bygger blant annet på historiske mønstre i sysselsettingen, observerte utdanningsvalg fra 2009 til 2016, og forventet fremtidig næringsutvikling og fremskrevet befolkningsutvikling. Veksten i arbeidsstyrken etter utdanning og veksten i sysselsettingen etter utdanning fremskrives separat. Dette innebærer at fortløpende tilpasninger til ubalansene fra virksomheter, arbeidstakere eller myndighetene ikke er del av beregningen.

SSBs fremskrivninger viser tilnærmet balanse i 2035 mellom arbeidsstyrke og sysselsetting for personer med grunnskole som høyeste fullførte utdanning. Fremskrivningene viser svakere utvikling i arbeidsstyrken enn i sysselsettingen for personer med utdanning på videregående nivå eller fagskole (samlet). For personer med utdanning på bachelor- og masternivå anslås det derimot større vekst i arbeidstilbudet enn i sysselsettingen.

SSBs fremskrivninger tar ikke høyde for eventuelle nye taktskifter i den teknologiske utviklingen, at innholdet i ulike jobber reflekterer utviklingen i arbeidsstyrkens utdanningsnivå og fanger heller ikke opp at de som går av med pensjon etter et langt arbeidsliv har høyere realkompetanse enn utdanningsnivået alene indikerer. Dette tilsier at fremtidig etterspørsel etter høyt utdannet arbeidskraft sannsynligvis undervurderes i fremskrivningene.

SSBs fremskrivninger viser mangel på arbeidskraft med fag- og yrkesopplæring i ulike håndverksfag. Det er forventet en tydelig nedgang i denne arbeidsstyrken, mens etterspørselen er forventet å øke. Å erstatte denne typen arbeidskraft med personer med universitets- og høyskoleutdanning kan være vanskelig. Denne ubalansen gir grunn til bekymring. Med forventet avtagende arbeidsinnvandring fra Øst-Europa kan mangelen på arbeidskraft med videregående fag- og yrkesopplæring bli større enn tidligere antatt. Lavere arbeidsinnvandring fra Øst-Europa kan imidlertid tenkes å virke positivt på rekrutteringen til fag- og yrkesopplæringen i Norge.

Kvaliteten til helsetjenestene er avhengig av arbeidsinnsats per bruker og arbeidsproduktivitet. I fremskrivningene antar SSB at arbeidsinnsats per bruker vil være uendret fremover. For arbeidsproduktiviteten i offentlig sektor følger SSB sin beregningstekniske antagelse om at produktiviteten øker med 0,5 prosent i året. Dette betyr at verdiskapningen, eller bruttoproduktet, som kommer fra en sysselsettingstime øker årlig med 0,5 prosent. En gitt arbeidsinnsats per bruker antas dermed å kunne anvendes bedre over tid. Dersom arbeidsinnsatsen per bruker øker, vil dette isolert sett bidra til at sysselsettingen av arbeidskraft med pleie- og omsorgsfag øker mer enn fremskrivningene viser.

Analyseselskapet Samfunnsøkonomisk analyse bidrar med en alternativ fremtidsanalyse gjennom scenarioer som definerer mulige fremtidige samfunnsbilder, og viser hva slags kompetanse som gjør disse mulig. Scenarioene bygger på en rekke drivere som er både innenfor og utenfor politikernes kontroll og som ender med tre nye alternative samfunn med tilhørende arbeidsmarkeder i 2040. Scenarioanalysen tegner opp alternative baner for utvikling som følger med forskjellige utfall på fem forskjellige drivere, som i stor grad definerer utviklingen, sammen med en del utviklingstrekk som legges til grunn uavhengig av scenario. SSBs befolkningsfremskrivninger legges til grunn, og definerer arbeidstilbudet sammen med antakelser om befolkningens arbeidsdeltakelse og utdanningsvalg. Arbeidstilbudets tilpasning til arbeidsmarkedsbehovene er en sentral antakelse i scenariofortellingene.

Scenarioanalysen illustrerer at arbeidskraftsbehovene i stor grad varierer med ulike samfunnsbilder. Felles for scenarioene er imidlertid at de som er sysselsatt i 2040 vil ha merkbart høyere utdanningsnivå enn dagens arbeidsstyrke. Antallet og andelen med grunnskole som høyeste utdanning vil falle, og det samme vil skje med arbeidskraft med videregående opplæring. Analysen skiller ikke mellom yrkesfaglige studieprogram og studieforberedende. Andelen med høyere utdanning vil øke tilsvarende, men med variasjon mellom scenarioene.

I alle scenarioene forventes en økt sysselsetting av arbeidskraft innen helse- og omsorgssektoren, med økt antall på både videregående nivå og innen høyere utdanning.

Et annet fellestrekk mellom scenarioene er økt sysselsetting for personer med utdanning innen naturvitenskapelige fag og teknologi. Hvor mye denne gruppen øker, varierer mellom scenarioene. I ett scenario er det særlig sterk vekst i sysselsettingen blant dem med lang høyere utdanning, mens i et annet er det særlig videregående yrkesfaglig nivå og kort høyere utdanning som får mesteparten av veksten. Dette er i kontrast til SSBs fremskrivninger, som tegner en begrenset fremtidig utvikling i behovet for teknologer og naturvitere med høyere utdanning som følge av den forventede reduksjonen i olje- og gassrelaterte næringer. Grunnen til at SSBs fremskrivninger viser en begrenset utvikling av sysselsettingen av denne gruppen er at SSB ikke inkluderer noen brå skift i industriell utvikling som bryter med de trendene de observerer i dag.

Nytten i SSBs fremskrivninger ligger i at de illustrerer hvilken utvikling vi får dersom relevante faktorer og forhold videreføres som i dag, eller følger dagens trend og teknologiutvikling, samt SSBs makroøkonomiske prognoser. Spenninger som oppstår i fremskrivningene som følge av dette, tillates ikke absorbert gjennom tilpasning i utdannings- og arbeidsmarkedene. De vil dermed slå ut i ubalanser mellom etterspørsel og tilbud for ulike utdanningsgrupper. Det kan hjelpe myndighetene og sentrale aktører og berørte grupper til å identifisere endringer som kan komme og bidra til rask tilpasning. Historisk har det skjedd tilpasninger, men SSB ser ikke nærmere på årsakene til dette i fremskrivningsrapporten.

Hensikten med scenarioanalysen fra Samfunnsøkonomisk analyse er å utvikle alternative utviklingsbilder for norsk økonomi, for å illustrere mulighetsrommet vi kan stå ovenfor og hvilke kompetansemessige behov som kan følge med utviklingsbaner som bryter med trender vi observerer i dag. I scenariofortellingene forutsettes det likevekt mellom tilbud av og etterspørsel etter kompetanse, og det legges derfor i analysen til grunn et arbeidsmarked som alltid vil utvikle seg i den retningen som kreves, uten å begrenses av manglende kompetanse.

SSBs fremskrivninger og scenarioene fra Samfunnsøkonomisk analyse kompletterer hverandre og bidrar sammen til forståelse av fremtidig utvikling på kompetanseområdet. Scenarioene peker på en økning i sysselsettingen for personer med høyere utdanning, som er konsistent med at det er en tydelig økning i arbeidsstyrken med slik utdanning i SSBs fremskrivninger.

I den norske arbeidslivsmodellen har arbeidstakerne i stor grad sluttet opp om innføringen av ny teknologi og automatisering. Høy grad av tillit på begge sider og langsiktige perspektiver blant arbeidslivets parter, har bidratt til dette. Teknologiutviklingen har bidratt til et høyt produktivitetsnivå, og ifølge Nedelkoska og Quintini (2018) har Norge den laveste andelen jobber i høyrisikokategorien for automatisering blant OECD-landene i studien. Dette er et klart fortrinn for Norge som det er viktig å utvikle og utnytte videre.

Næsheim (2018) skriver at automatisering vil påvirke arbeidsoppgaver som er rutinepregede og som følger faste forutsigbare mønstre, og at dette nok er medvirkende til en nedgang i sysselsettingen av blant annet sekretærer, kontormedarbeidere og reisebyråmedarbeidere. Derimot har håndverksyrker vært mindre påvirket av automatisering. Veksten i bygge- og anleggsnæringen har som følge av økte inntekter i privat og offentlig sektor gitt økt sysselsetting av blant annet elektrikere og tømrere. Den økte etterspørselen har veid opp for effektivisering i produksjonen i disse yrkene. Befolkningsvekst og økte inntekter kan antakeligvis forklare veksten også i noen andre yrker uten krav til høyere utdanning, som servitører.

Betydningen av den teknologiske utviklingen for kompetansebehovene i fremtiden vil avhenge av samfunnsmessige krefter, som lover og reguleringer, holdninger og verdier. Automatisering fjerner ikke bare yrker, men endrer også yrker, og kan skape nye yrker. McKinsey (2018) argumenterer for at arbeidskraften i 2030 vil bruke en større andel av tiden på teknologiske, sosiale, emosjonelle og høyere kognitive ferdigheter. IKT-ferdigheter, kritisk tenkning, sosiale og emosjonelle ferdigheter vil kunne regnes som grunnleggende ferdigheter i fremtiden. Slike ferdigheter kan bli nødvendige for å kunne takle et mer teknologiintensivt arbeids- og samfunnsliv med økende krav til omstillinger og livslang læring.

Det er en pågående diskusjon internasjonalt om digitalisering vil føre til jobbpolarisering, med flere lav- og høykompetansejobber, og færre jobber som krever kompetanse på mellomnivå. Hvorvidt digitalisering fører til en fremvekst av ufaglærte jobber, og færre jobber til faglærte, vil kunne variere på tvers av land blant annet som følge av politiske satsinger, lovreguleringer og lønnsstruktur.

I Norge er det relativt små lønnsforskjeller, og det gir virksomhetene insentiv til å investere i kompetanseutvikling gjennom formell utdanning, ikke-formell eller uformell opplæring. En tilnærmet gratis høyere utdanning og økonomiske støtteordninger under studiene gir også enkeltindivider insentiver til å fylle på kompetansen.

8.8 Oppsummering

Dette kapitlet omtaler analyser av fremtidige kompetansebehov de neste 10–20 årene.

  • SSBs fremskrivninger viser fremtidig mangel på arbeidskraft med fag- og yrkesopplæring innen håndverksfag (samlet) og helsefag. Den største sysselsettingsgruppen som inngår i helsefag er helsefagarbeidere.

  • Fremskrivningene viser også en fremtidig mangel på pleie- og omsorgsfag på bachelornivå. Sykepleiere og vernepleiere inngår i denne gruppen. Separate fremskrivninger for ulike typer lærere viser fremtidig mangel på grunnskolelærere.

  • I scenarioanalysen fra Samfunnsøkonomisk analyse antas tilbudet av arbeidskraft å tilpasse seg etterspørselen. Alle scenarioene viser sterkt økt etterspørsel etter høyt utdannet arbeidskraft

  • Eksempler på store yrkesgrupper i Norge som antas å være særlig utsatt for automatisering fremover er kontormedarbeidere og butikkmedarbeidere. Det er lærefag på videregående nivå som er rettet mot disse yrkene. Tilbudsstrukturen i videregående opplæring er imidlertid i endring, og kontor- og administrasjonsfaget skal erstattes.

  • I Norge har det på 2000-tallet vært en vridning bort fra yrker med kompetansekrav som tilsvarer grunnskole eller videregående opplæring. Unntak her er yrker som elektrikere og tømrere, så vel som servitører og kokker.

  • Arbeidsoppgaver endrer seg løpende, og blir stadig mer komplekse. SSBs fremskrivninger bygger på eksisterende trender, og tar ikke hensyn til eventuelle endringer i arbeidsoppgavene fremover som kan øke etterspørselen etter høyt utdannet arbeidskraft utover den teknologiske veksten som er lagt inn i fremskrivningene.

Til toppen
Til dokumentets forside