Disruptionrådet Disruption, teknologisk udvikling og arbejdsmarkedet

Kontorchef Lasse Bank Analyseenheden - Beskæftigelsesministeriet

Hvad er disruption?

Modeord, mange (uklare) definitioner af disruption Go-to definition fra professor på Harvard Clayton Christensen: "A process by which a product or service takes root initially in simple applications at the bottom of a market and then relentlessly moves up market, eventually displacing established competitors.” Fx at ny teknologi Forstyrrer/forskubber en branche eller marked

• Blockbuster vs Netflix

• Kodak film vs digitalkamera

• Taxibranchen vs. Uber

SLIDE 2

0

10

20

30

40

50

60

2.000

2.100

2.200

2.300

2.400

2.500

2.600

2.700

2.800

2.900

3.000

19

66

19

68

19

70

19

72

19

74

19

76

19

78

19

80

19

82

19

84

19

86

19

88

19

90

19

92

19

94

19

96

19

98

20

00

20

02

20

04

20

06

20

08

20

10

20

12

20

14

1.000 persons Pct.

Kilde: Danmarks Statistik, Nationalregnskabet og ADAMs databank

• Digitalisering og robotter kan måske styrke Danmark som produktionsland

• Et fleksibelt arbejdsmarked og nye måder at være ansat på

• Nye og flere job kan opstå i gamle og nye brancher

Der har altid været forandring

Slide 3

Samlet beskæftigelse Landbrugs andel af samlet beskæftigelse (h. akse)

En ny digital virkelighed?

Tid

Disruptiv udvikling

– hurtig spredning, kortere levetid

Traditionel udvikling

– langsommere spredning, længere levetid

Digitalisering ændrer forretningsmodeller

Digitale produkter kan have meget hurtigere spredning

Tidsperiode for at nå 50 mio. brugere

Kilde: Egen tilvirkning på baggrund af Downes & Nunes (2013) Kilde: Egen tilvirkning på baggrund af McKinsey & Company (2012)

SLIDE 5

Robotics

Big data

Artificial

Intelligenxce

Virtual /

augmented reality

Internet

of things

Blockchain

Hvorfor taler så mange om disruption?

Nye, avancerede teknologier har medført nye problemstillinger • Avancerede robotter og kunstig

intelligens vil automatisere en række jobfunktioner

• Internet of things kan betyde

digitalisering af nuværende arbejdsfunktioner

• Big data, blockchain og stadig mere avancerede algoritmer vil kunne påvirke finanssektoren

• Singularity – Hvad sker der når vi kombinerer nye teknologier (cocktail-effekten)?

Fem temaer

• Nye teknologier & forretningsmodeller

• Fremtidens kompetencer

• Frihandel & udenlandsk arbejdskraft

• Tidssvarende, smidige og gunstige rammevilkår for virksomhederne

• Flexicurity 4.0

SLIDE 6

Hovedkonklusioner fra McKinseys analyse I

Automatiseringens effekter på det danske arbejdsmarked

Hvilken omstilling vil det kræve på arbejdsmarkedet?

Hvordan kan en fremtid med automatisering se ud?

Eksisterende teknologi kan automatisere

mindst én dag om ugen for otte ud af

ti danskere

1 Udviklingen er

først og fremmest en mulighed for

øget velstand, og Danmark har et

stærkt udgangspunkt

2 Den brede del af arbejdsstyrken:

Beskæftigede i alle faggrupper skal

fremover udvikle nye færdigheder

4 Dem der skal drive

udviklingen: Der er et specifikt

behov for flere med avancerede

digitale og analytiske evner til

at drive udviklingen

5 Dem der skal skifte til nye jobs: En lang række dynamikker, inkl. teknologi, kan drive efterspørgsel

efter eksisterende og nye jobs fremover,

herunder ikke-tekniske færdigheder

6 Dem der kan blive

særligt udsatte: En gruppe af

danskere med højt automatiserings-potentiale og lav

historisk mobilitet kan få særlig brug

for støtte fremover

7 Automatisering

kan drive produktivitet og

dynamik i alle brancher, men effekterne vil

variere

3

SLIDE 7

16

Hovedkonklusioner fra McKinseys analyse II

Automatiseringspotentiale omfatter ikke længere kun fysiske opgaver

KILDE: Danmarks Statistik, McKinsey Global Institute; McKinsey-analyse

17

Ledelse og personale- udvikling

Anvendelse af ekspertise

Interaktion med andre

Databehandling

8

Forudsigeligt fysisk arbejde

13 12 18

Uforudsigeligt fysisk arbejde

Informations- indsamling

15 17

De tre mest automatiserbare aktivitetsgrupper udgør 50 pct. af samlet tidsforbrug

Tid brugt på tværs af job pct.

Automati- serings- potentiale per aktivitetsgruppe, pct. af arbejdstimer

Total

100

74 67

62

30

17

8

20

~40

SLIDE 8

Hovedkonklusioner fra McKinseys analyse III Mindre rutineprægede færdigheder bliver vigtigere når automatiseringspotentialet indfries

-4

-12-11-10

7

22

28

32

KILDE: McKinsey Global Institute; Danmarks Statistik; McKinsey-analyse

Ændring i tidsforbrug på aktiviteter, der trækker på færdighed, pct. af nuværende tidsforbrug

25% 13% 43% 36% 28% 95% 28% 90% Andel af arbejdstid, hvor der trækkes på færdighed i dag i pct.

Sociale færdigheder

Basale kognitive færdigheder

Problemløsning Koordination med andre

Kreative færdigheder

Basale menneskelige færdigheder

Finmotoriske færdigheder

Fysiske færdigheder

Kreativitet består i bl.a. at skabe alsidige og nye idéer – eller nye kombinationer af idéer, og skabe og genkende nye mønstre/kategorier; og vil derfor i høj grad også være

analytisk-betonet

SLIDE 9

KILDE: Danmarks Statistik, OECD, Beskæftigelsesministeriet, McKinsey-analyse

Omkring 250.000-300.000 beskæftigede kan være særligt udsat i forbindelse med

automatisering (1/2) Hver cirkel angiver en stillingsbetegnelse. Størrelsen indikerer andel af arbejdsstyrke

Operatører og

transportarbejdere

Teknikere

Specialister

Håndværks-

arbejdere

Kontorarbejdere

Ledere

Servicearbejdere

Plejere og

undervisere

Høj (100)

(50)

0 80 Lav (0)

100 60 20 40

Teknikerarbejde inden for fysisk videnskab og ingeniørvirksomhed

Undervisning og pædagogisk arbejde

Transport- og lagerarbejdere

Mobilitetsindeks 0-100 (Vægtet indeks af historisk jobtypemobilitet, mobilitet til lavt automatiserbare jobs, gennemsnitlig jobzone og gennemsnitligt færdighedsniveau)

Automatiseringspotentiale Andel af nuværende aktiviteter der kan automatiseres, pct. af arbejdstimer

Chauffører af busser og lastbiler

Omsorgsarbejde inden for sundhedsområdet

Almindeligt kontorarbejde

SLIDE 9

Sikre tilstrækkelig talent

Bistå særligt påvirkede beskæftigede

Mu

liggø

r ge

vin

ster

ne

ved

au

tom

atis

erin

g

Imø

dek

om

u

dfo

rdri

nge

r ve

d

tran

siti

on

en

▪ Indførelse af automatiseringsteknologi kan potentielt skabe 90.000-150.000 nye jobs

▪ Dette kan overstige det forventede udbud af 70.000-80.000 kvalificerede personer

Indsigt fra rapport

▪ Automatisering vil påvirke alle faggrupper:

▪ En stor del af fremtidig jobvækst vil ikke være direkte relateret til teknologi

▪ Arbejdsdagen for alle faggrupper vil påvirkes af automatiseringsteknologi

▪ Relevans af forskellige kompetencer vil forskubbes

▪ Omkring 250.000-300.000 danskere kan blive særligt udsatte ifm. Transitionen

▪ ~30 pct. af danskerne er i højt automatiserbare jobs (>60 pct.)

▪ Omkring halvdelen af disse har svage forudsætninger for at flytte til andre dele af arbejdsmarkedet.

Hvilken omstilling vil det kræve på arbejdsmarkedet?

KILDE: Danmarks Statistik, McKinsey Global Institute; McKinsey-analyse

Udvikle kompetencer for den bredde arbejdsstyrke

Slide 10

New opportunities, new challenges

Slide 12

Udfordringer • Vækst kræver investeringer

• Kravene til kompetencer og

uddannelse ændres

• Unge skal uddannes til en ukendt fremtid

Muligheder

• Digitalisering og robotter kan måske styrke Danmark som produktionsland

• Et fleksibelt arbejdsmarked og nye måder at være ansat på

• Nye og flere job kan opstå i gamle og nye brancher

www.regeringen.dk/partnerskab www.facebook.com/partnerskab

Tak for ordet