Det är höst, och vi går återigen till val
Men valrörelsen den här gången låter annorlunda än den gjorde fyra år tidigare. 2026 pratade många fortfarande om AI som något separat, något för techbolagen, något som antingen skulle förbjudas, fruktas eller skjutas över till IT-avdelningen. I många organisationer handlade diskussionen mer om vad man inte fick göra än om vad man borde lära sig.
År 2030 har AI blivit en del av vardagen på arbetsplatserna, ungefär som internet, smartphones och BankID en gång blev det. Sverige har lagt kraft på att utbilda människor, ändra arbetssätt och få verktygen att fungera i verksamheten. Det har krävt beslut både i politiken och hos arbetsgivarna.
Skolan blev startpunkten
Ett av de första stora besluten efter valet 2026 gällde lärarnas kompetens. Skolverket fick i uppdrag att se till att varje lärare i landet kompetensutvecklades i kritisk, etisk och praktisk användning av AI. Det skulle ingå i arbetet och var ett krav som skolorna behövde avsätta tid för. AI blev också ett moment i lärarutbildningen, så att nya lärare själva hade arbetat med tekniken när de mötte eleverna.
Eleverna behövde fortfarande läsa, skriva och tänka själva. De fick också lära sig när AI är ett hjälpmedel, när det är en genväg, när det är farligt och när det ska läggas åt sidan. På kort tid blev AI i skolan ungefär vad miniräknaren en gång blev i matematiken.
Eleverna fick lära sig att tänka med och mot maskinen, att ställa bättre frågor, kontrollera källor, jämföra svar, hitta fel och förstå skillnaden mellan ett svar som låter bra och ett svar som faktiskt håller.
AI genom hela utbildningen
Universiteten rörde sig långsammare, som de ofta gör, men även där började något hända. Regeringen använde regleringsbrev och regeringsuppdrag för att driva på lärosätenas arbete, och Universitetskanslersämbetet följde upp. Utbildningarna behövde förbereda studenterna för hur deras yrken förändrades, oavsett om de skulle bli ekonomer, jurister, lärare, sjuksköterskor, socionomer, kommunikatörer eller chefer.
Lärosätena vävde in AI i utbildningarnas olika delar. Studenterna fick formulera problem, pröva lösningar med AI och bedöma vad som var rimligt. Ämneskunskapen behövdes för att kunna granska svaren. En enstaka introduktionskurs hade inte räckt för det arbetet.
En student som började plugga 2027 och tog examen 2030 hade därför fått öva på hur hennes yrke förändrades av AI under hela utbildningen. Hon visste hur man använde AI för att analysera, strukturera, simulera, öva och skapa, men hon visste också att AI aldrig bar ansvaret. Det gjorde hon.
Yrkeskunskap fick större utrymme
Samtidigt satsade Sverige på yrkesutbildningen. Gymnasiet och komvux utbildade människor till bland annat elektriker och undersköterskor, medan yrkeshögskolan byggde vidare med eftergymnasial utbildning och specialisering. AI-kompetens behövdes på båda nivåerna.
När AI tog över mer administration, enklare analysarbete och fler rutinuppgifter i tjänstemannasektorn blev det tydligt hur mycket arbete som fortfarande krävde händer, närvaro, relationer och yrkesskicklighet. Elektriker, rörmokare, undersköterskor, installationstekniker och driftstekniker kunde använda AI som stöd i sitt arbete.
En installationstekniker som kombinerade gediget yrkeskunnande med AI för felsökning, dokumentation och planering kunde lösa problem snabbare. Den kombinationen gjorde svenska yrkesarbetare eftertraktade även utanför Sverige.
En AI-reform för företagen
Svenska företag fick skattesubventioner på inköp av AI-verktyg. För utbildningsdelen införde Sverige ett kompetensavdrag för investeringar i de anställdas lärande. Det blev billigare att både skaffa verktygen och utbilda dem som skulle använda dem.
Arbetsgivare och fack behövde komma överens om hur arbetet skulle förändras och vilken kompetens personalen behövde. Där kunde Sverige bygga vidare på partsmodellen och erfarenheterna från tidigare strukturomvandlingar.
Reformen gav extra incitament för europeiska modeller, samtidigt som amerikanska modeller fortsatte att användas brett. Svenska företag fick bättre möjligheter att anpassa och finjustera modeller för sina behov. Kompetens att välja, använda och granska verktygen gav också större förhandlingskraft gentemot leverantörerna.
Elen, datan och beräkningskraften
Den som hade tillgång till el, datacenter, beräkningskraft och användbar data kunde bygga snabbare och testa billigare. Den som saknade det blev beroende av andra. Sveriges utbildningssatsningar bidrog med tekniker, driftspecialister och installatörer, men elnätsanslutningar och nya datacenter tog tid.
Sent 2029 lanserade Sverige AI-kraft Sverige, en nationell reform för el, data och beräkningskapacitet. Staten pekade ut AI-infrastruktur som samhällskritisk, prioriterade elnätsanslutningar och tillstånd för datacenter där de kunde byggas hållbart, och såg till att spillvärme, säkerhet och lokal nytta vägdes in från början. Företag, forskare, kommuner och myndigheter skulle få tillgång till beräkningskraft till subventionerad kostnad.
Sverige började också bygga gemensamma datarum för vård, skola, arbetsmarknad, energi och offentlig sektor. Information i system som inte pratade med varandra behövde kunna användas under kontrollerade former. Det krävde beslut om vem som fick tillgång till vilka uppgifter, för vilka ändamål och med vilket ansvar.
Hösten 2030 pågick det arbetet fortfarande. Reformen hade ännu inte hunnit ge fullt utslag. Utbildning, fungerande verktyg och gemensamma arbetssätt gick att bygga vidare på medan infrastrukturen kom på plats.
AI för alla, men tillsammans
Vid sidan av företagssubventionerna gjorde Sverige något för medborgarna direkt. Vi tog AI-kommissionens förslag ”AI för alla” på allvar och byggde en modern motsvarighet till hem-pc-reformen. Staten gjorde det enkelt och billigt att få tillgång till flera AI-verktyg, inklusive betalversionerna, tillsammans med kostnadsfria utbildningar.
Men individuell tillgång räckte inte. Tusen människor kunde hitta tusen egna knep utan att kollegorna fick nytta av dem. Därför kopplades reformen till gemensamma arbetssätt på arbetsplatserna, delade metoder och uppföljning. Chefer och medarbetare behövde ta ställning till vad som skulle automatiseras, vad som skulle göras med AI som stöd och vilka beslut en människa alltid skulle fatta.
Myndigheterna fick konkreta uppdrag
I vårbudgeten 2027 avsattes medel för statens AI-arbete, och generaldirektörerna fick i uppdrag att ta fram en plan för sin myndighet. Planerna skulle ange vilka processer som kunde förenklas, vilka medborgartjänster som kunde bli snabbare, vilken administration som kunde tas bort och vilka beslut som krävde fortsatt mänskligt ansvar. Även regeringen och riksdagen började använda AI i sitt eget arbete.
Myndigheter, regioner och kommuner behövde också samordna sig. Kommunerna började dela lösningar i stället för att beställa samma arbete var för sig, och regionerna använde AI för att minska administrationen i vården.
Sverige införde tidsgränser för utvalda tillståndsprocesser. För avgränsade ärenden med låg risk kunde ett uteblivet svar inom tidsgränsen räknas som ett ja. Ärenden som krävde prövning av exempelvis miljö, säkerhet eller enskildas rättigheter behövde fortfarande ett uttryckligt beslut. Myndigheterna fick också i uppdrag att främja innovation inom sina ansvarsområden.
Praktikerna kom in i rådgivningen
Regeringen breddade sin AI-rådgivning. Forskare och företrädare för de stora institutionerna fick sällskap av människor som byggde system, utbildade organisationer och arbetade med säkerhet, datacenter, upphandling och förändringsledning.
De behövde kunna svara på hur en kommun skulle komma igång, hur cheferna skulle utbildas och vilket stöd småföretag utan egen IT-avdelning behövde. Det gav kommuner och företag mer praktisk hjälp med att få AI att fungera i deras verksamheter. Arbetet krävde också att människor litade på systemen och förstod när de kunde använda dem.
Nya vägar in för de unga
AI förändrade arbetsmarknaden. Vissa roller behövde färre människor, administrativa uppgifter försvann och vissa tjänstemannajobb blev svårare att få, särskilt på juniora nivåer.
Redan före omställningen hade Erik Brynjolfsson, Bharat Chandar och Ruyu Chen vid Stanford undersökt hur sysselsättningen utvecklades i AI-exponerade yrken i USA. Deras studie Canaries in the Coal Mine pekade på en svagare utveckling för unga i de mest exponerade yrkena. Forskarna betonade att flera faktorer kunde bidra. Sverige behövde följa utvecklingen här och förbereda nya vägar in.
Partsmodellen och omställningsstudiestödet gav stöd att bygga vidare på för dem som redan arbetade. För unga som skulle in på arbetsmarknaden behövdes andra vägar. Sverige byggde därför ut lärlingsspår i kunskapsarbete, omformade traineeprogram och utvecklade praktikplatser och mentorskap.
Där fick unga bygga erfarenhet av kvalitetsgranskning, kundförståelse, kreativt arbete, riskbedömning och ansvar, med handledning och tillgång till AI-verktyg. Arbetsgivarna behövde fortsätta ge nybörjare uppgifter som utvecklade deras kompetens och omdöme.
Det krävde att vi organiserade oss
Sverige hade erfarenheter att använda. Vi kunde utbilda brett, förhandla om förändringar på arbetsplatserna och få offentlig sektor, näringsliv och akademi att samarbeta. Det behövdes också tid, pengar och människor som tog ansvar för genomförandet.
Lärare hade fått utbildning, studenter hade övat med AI under sin studietid och fler unga kunde bygga yrkeserfarenhet genom praktik och mentorskap. Hösten 2030 behövde infrastrukturen fortfarande byggas ut. På arbetsplatserna fortsatte chefer, fackliga företrädare och medarbetare att planera utbildningen och följa upp hur AI påverkade arbetet.