Vi er dårlige vitner til vår egen produktivitet

Du har sannsynligvis fått et slikt dokument. Det ser riktig ut. Strukturen er der, avsnittene er velformede, ingenting er direkte galt. Men når du har lest det ferdig, vet du ikke stort mer enn før — og du bruker den neste timen på å finne ut hva avsenderen egentlig mente.

Amerikanske forskere har gitt fenomenet et navn: workslop. BetterUp Labs og Stanford Social Media Lab spurte 1 150 kontoransatte i USA høsten 2025. Fire av ti hadde mottatt slikt innhold den siste måneden. Snittet de brukte på å rydde opp i hver hendelse var to timer.

Det er et irriterende funn, men ikke et overraskende et. Det overraskende kommer nå.

Tallet som handler om oss selv

Forskningsinstituttet METR gjorde i 2025 et kontrollert forsøk med seksten erfarne utviklere. Ikke nybegynnere — folk som hadde bidratt i årevis til store kodebaser de kjente godt. De løste 246 oppgaver, halvparten med AI-verktøy, halvparten uten.

19 % Målt: tregere

20 % Opplevd: raskere

Det er den siste delen jeg ikke får ut av hodet. De tok ikke feil på forhånd og korrigerte seg. De tok feil, opplevde det motsatte, og trodde det samme etterpå.

Hvorfor vi bommer

Dette er ikke en historie om at AI ikke virker. Det er en historie om hvor dårlig instrumentet vårt er når vi skal måle vårt eget arbeid.

Vi vurderer sjelden egen produktivitet i timer. Vi vurderer den i anstrengelse. Arbeid som var tungt, kjentes tidkrevende; arbeid som gikk lett, kjentes raskt. Det er en rimelig tommelfingerregel gjennom det meste av arbeidslivets historie, fordi anstrengelse og tid stort sett fulgte hverandre.

AI bryter den koblingen. Det tunge blir borte. Det som blir igjen er lesing, kontroll og retting — og den slags arbeid registrerer vi dårlig, fordi det ikke føles som produksjon.

Den blanke siden, den første setningen, det å komme i gang — alt det forsvinner. Igjen står oppryddingen, og opprydding teller vi ikke. Så: mindre anstrengelse, samme eller mer tid. Og vi rapporterer anstrengelsen.

Harvard Business Review formulerte det i februar i år som at AI ikke reduserer arbeid, det intensiverer det. Jeg tror det er mer presist å si at arbeidet flytter seg — fra å lage til å verifisere. Og at vi ikke har blitt flinkere til å se det arbeidet som ligger etter.

Hva vi faktisk ikke vet

Det er slik man leser en studie: ikke bare hva den fant, men hvor godt den vet det, og hva de som gjorde den selv mener om saken.

Det vi kan si, er at avstanden mellom målt og opplevd effekt er stor nok, og godt nok dokumentert, til at den bør bekymre alle som har lovet noen en gevinst de ikke har målt.

Konsekvensen for dem som skal regne på dette

De fleste virksomheter som nå anslår hva AI har spart dem for, gjør det ved å spørre de ansatte. Det er den billigste metoden, og etter dette er det også den minst pålitelige — den måler nettopp den variabelen vi vet er skjev.

Skal du forsøke å finne ut om det faktisk virker hos dere, er dette tre ting som koster lite:

1. Mål gjennomløpstid, ikke opplevd tidsbruk.

   Hvor lang tid tar en sak fra den kommer inn til den er ferdig — inkludert rundene med retting. Ikke hvor lenge noen følte at de holdt på.

2. Tell arbeidet som ligger etter.

   Hvor mange runder går et dokument før det er godt nok? Det tallet er det interessante, og nesten ingen fører det.

3. Spør mottakeren, ikke avsenderen.

   Den som lagde noe med AI, er systematisk feil person å spørre om hvor bra det ble. Den som fikk det tilsendt, vet mye mer.

En liten språksak til slutt

Vi mangler et norsk ord for workslop. Noen har sikkert forsøkt seg allerede — jeg har ikke funnet et forslag som har festet seg.

Selv har jeg tenkt på skinnarbeid: arbeid som ser ut som arbeid. Ordet finnes allerede i formen, i skinnhellig og skinnprosess, og det peker på det som er problemet — ikke at innholdet er dårlig, men at det utgir seg for å være noe.

Det er ikke en stor sak. Men det er lettere å bli enige om å slutte med noe når man har et ord for det.