Ingen bestämde väl att kunderna skulle ta över? Butiken räknade på sina kostnader, jag ville slippa kön och så flyttade arbetet. Så har arbetsdelningen kanske alltid ändrats, i små steg som vart och ett verkar självklart.

För drygt hundra år sedan beskrev John Maynard Keynes hur en Londonbo kunde beställa världens varor per telefon, med teet i sängen. Hundra år dessförinnan hade David Ricardo förklarat varför sådan arbetsdelning lönar sig: även ett land som är bäst på nästan allt tjänar på att handla, för tiden räcker inte till allt. Var och en gör det man är relativt bäst på, och kakan blir större, om än inte varje bit. Det är principen om komparativa fördelar.

Principen gäller faktiskt också mellan människor och algoritmer: så länge algoritmernas tid och datorkraft är knapp är vårt arbete värt något. Då gör vi det vi är relativt bäst på. Till skillnad från ett land går datorkraft däremot att bygga mer av, och takten och riktningen i den utbyggnaden avgör vad vi får betalt.

Jag tror knappast att alla mänskliga behov någonsin blir uppfyllda, så efterfrågan på vår arbetskraft lär inte ta slut. Frågan är inte om det finns jobb, utan vilka, till vilka löner och hur inkomsterna fördelas mellan dem som äger tekniken och dem som arbetar. Där avgörs också skatteintäkterna, och med dem välfärden.

Utvecklingen är inte förutbestämd och bestäms inte av teknikjättarna. Ekonomen David Autor skriver att vi inte ska fråga vad AI gör med oss, utan vad vi vill att den ska göra för oss. Hur skatter, utbildning och spelregler utformas bestämmer vi tillsammans.

Betyder det att vi kan luta oss tillbaka? Nej. Tidigare teknikskiften tog decennier, det här ser ut att gå snabbare. I registerdata över hela arbetsmarknaden ser vi en tendens att unga, främst unga kvinnor, tappar lite mark mot äldre kolleger hos de mest AI-exponerade arbetsgivarna. Det är alltså fördelningen mellan unga och äldre som förskjuts, inte nödvändigtvis antalet jobb.

Mest AI-exponerade, alltså yrken där AI är mest användbart, är analytiska yrken som ekonomer och programmerare, men även rutinbetonat kontorsarbete ligger högt. I företagsdata ser vi framför allt en förskjutning: där exponeringen är högre ökar andelen kvalificerade tjänstemän, medan andelen rutinbetonade jobb minskar. I offentlig sektor, där vi räknat på tjugo år framåt, ser tekniken snarast ut att kunna lindra personalbristen.

Samtidigt pekar en del åt andra hållet. Arbetsställen med större AI-exponering vill anställa fler, också i roller utan AI-krav. I statistik från Tyskland ser vi att lönerna vuxit snabbare i AI-exponerade yrken än i robotexponerade, och att de anställda där rapporterar lägre stress. Det mesta är samband, inte belagda orsaker, och mätt olika: yrken i ett fall, arbetsställen i ett annat.

Tillbaka till självutcheckningen. Vi brukar fråga om en maskin kan göra jobbet. Minst lika viktigt är vad som händer med människan. Tvätterskan konkurrerades inte ut av en robot utan av tvättmaskinen hemma. Finns bemannad kassa kvar är självscanningen ett val. Försvinner den blir det obetalda arbetet obligatoriskt, och den som har bråttom eller behöver hjälp förlorar.

Är tekniken genuint produktiv kommer vinsten tillbaka som lägre priser och högre reallöner, om konkurrensen fungerar. Är den mest en omflyttning av arbete från butiken till mig ser siffrorna bättre ut utan att ekonomin växer.

Och helavstämningen? Den påminner om att någon måste kontrollera att det blir rätt. Min reflektion är att gränsen mellan människa och maskin ofta dras just där, och den kontrollen vill jag ha kvar hos människor som kan sitt område.

Snabba svar om AI och framtidens arbetsmarknad finns inte, och utbildnings- och skattesystem är trögrörliga. Men tre saker kan var och en göra: pröva verktygen i ditt eget arbete, skaffa dig djup kunskap om något, och se till att den som är ny på jobbet får lära sig det på riktigt.

Även om valet är över är det rimligt att begära att politiken prioriterar detta, hur långt bort det än kan kännas från fikabordet. Själv är jag optimist. Blir tekniken så produktiv som den ser ut att kunna bli har vi råd att hjälpa dem som drabbas, om vi ser det i tid. Då bygger vi ett samhälle som tar vara på både människors och algoritmers komparativa fördelar.