Digitalt klasseskille: Hvorfor bruker noen deler av Norge KI mye mer enn andre?
Sist faktasjekket:
Kort oppsummert
Nei, KI brukes ikke likt over hele Norge. KPMGs AI-undersøkelse 2025 viser at 17 prosent i Oslo bruker generativ KI på jobb, mot bare 7 prosent i Midt-Norge. Forskjellen handler lite om tilgang, for verktøyene er gratis for de fleste. Den handler om opplæring, ledelse og hvilke jobber som finnes lokalt.
Hva viser tallene faktisk?
KPMG gjennomfører hvert år en nasjonal undersøkelse om KI i norsk arbeidsliv, i samarbeid med Norstat. I 2025-utgaven kommer det frem at bruken av generativ KI på jobb varierer kraftig mellom landsdelene. Generativ KI er verktøy som ChatGPT, som selv lager nytt innhold som tekst eller bilder i stedet for bare å søke opp informasjon. Oslo ligger klart øverst med 17 prosent, mens Midt-Norge ligger nederst med 7 prosent. Det er mindre enn halvparten:
| Region | Andel som bruker generativ KI på jobb |
|---|---|
| Oslo | 17 % |
| Midt-Norge | 7 % |
Kilde: KPMGs AI-undersøkelse 2025
Tom Einar Nyberg er partner i KPMG og leder selskapets satsing på data og KI. Han kommenterer forskjellen direkte: “Det er bekymringsfullt at forskjellene er så store. Risikoen er at vi får et digitalt utenforskap mellom regionene.”
Funnet er påfallende fordi det ikke handler om tilgang. De fleste generative KI-verktøy er gratis eller billige, og alt de krever, er en internett-tilkobling. Det har nesten alle i Norge. Forskjellen ligger altså et annet sted.
Hvorfor handler dette ikke bare om tilgang?
Forskning på digital ulikhet skiller mellom flere “nivåer” av digitalt skille. Det første nivået handler om hvem som i det hele tatt har tilgang til internett og utstyr, og det problemet er i stor grad løst i Norge. Forskerne har også et nyere begrep, som ofte kalles et tredje nivås digitale skille. Det handler om hvem som faktisk kan bruke teknologien godt nok til å få reell nytte av den, ikke bare om hvem som har tilgang.
For KI betyr det at forskjellen mellom Oslo og Midt-Norge trolig ikke skyldes dårlig nett i distriktene. Mer sannsynlig handler den om tre ting. Den første er hvilke jobber som finnes lokalt, for kunnskapsintensive kontorjobber er mer samlet i og rundt Oslo. Den andre er hvor mye opplæring arbeidsgiverne faktisk gir. Den tredje er om ledelsen aktivt legger til rette for at de ansatte skal teste nye verktøy. Et beslektet spørsmål er hvorfor noen arbeidsplasser går lenger og pålegger de ansatte å bruke KI, mens andre overlater det helt til den enkelte.
Det handler også om inntekt og utdanning, ikke bare geografi
Regionale forskjeller henger ofte sammen med andre faktorer som ligger bak. Internasjonal forskning finner nemlig et tilsvarende mønster langs andre skillelinjer enn geografi. En studie fra 2026 fant en betydelig forskjell i KI-bruk mellom folk med lav og folk med høyere sosioøkonomisk status. Lav status betyr her lav inntekt kombinert med begrenset utdanning. Andelen som faktisk tok i bruk KI, skilte seg med flere prosentpoeng mellom de to gruppene. Andre studier peker på at eldre arbeidstakere tar i bruk KI saktere enn yngre. De får ofte mindre opplæring fra arbeidsgiveren, og frykten for å bli erstattet av teknologien kan gjøre det tyngre å prøve den.
Geografi, inntekt, utdanning og alder henger dermed sammen og forsterker hverandre. En region med færre kunnskapsintensive arbeidsplasser har gjerne også en eldre befolkning, og der er det mindre formell KI-opplæring å få gjennom jobben.
Hvorfor bekymrer dette fagfolk?
Fagfolk er ikke bekymret fordi KI-bruk er et mål i seg selv. De er bekymret for hva forskjellene kan bety over tid. Tenk deg at KI gradvis blir en vanlig del av mange yrker. Da kan regioner og grupper som bruker lite KI, havne bak i produktivitet, lønnsvekst og konkurransekraft. Det skyldes at de har hatt færre muligheter til å øve seg, og ikke at menneskene der er mindre dyktige.
Nyberg og KPMG peker på at det som skal til for å lykkes med KI, er aktiv ledelse, og ikke å vente på det perfekte verktøyet. Bruken øker når virksomhetene selv tester, investerer og kommuniserer tydelig. Den kommer ikke av seg selv bare fordi verktøyene finnes.
Aktiv ledelse er også kjernen i et beslektet fenomen, nemlig algoritmisk ledelse. Da er det KI-systemet selv som styrer og måler de ansatte. De to temaene er hver sin ende av samme utvikling: hvem som får bruke KI godt, og hvem som blir styrt av den.
Vanlige spørsmål
Betyr dette at folk i distriktene ikke har tilgang til KI-verktøy?
Nei. De aller fleste generative KI-verktøy er gratis eller billige, og alle med internett kan bruke dem. Forskjellen handler mer om opplæring, jobbtype og hvor mye arbeidsgiverne legger til rette for bruk.
Er dette bare et problem i Norge?
Nei. Internasjonal forskning finner lignende mønstre knyttet til inntekt, utdanning og alder i mange land. KPMG-funnet er et konkret, tallfestet eksempel fra Norge på et mer generelt fenomen, som forskere kaller «AI-skillet», eller digitalt klasseskille.
Kan dette endre seg over tid?
Ja. Historisk har digitale skiller hatt en tendens til å minske etter hvert som teknologien blir mer utbredt og kjent. Men det skjer ikke automatisk bare fordi verktøyene blir eldre. Det krever aktive tiltak som opplæring, ledelse og tilrettelegging.
Hva kan en arbeidsgiver i distrikts-Norge gjøre for å tette gapet?
KPMG peker på aktiv ledelse, i stedet for å vente på at de ansatte finner det ut på egen hånd. Konkret betyr det å sette av tid til testing, investere i opplæring og forklare tydelig internt hvorfor og hvordan KI skal brukes.
Oppsummering og kilder
Det viktigste å huske:
- 17 % i Oslo mot 7 % i Midt-Norge bruker generativ KI på jobb (KPMG AI-undersøkelsen 2025)
- KPMG advarer eksplisitt mot risiko for “digitalt utenforskap mellom regionene”
- Forskjellen handler mer om opplæring og jobbtype enn om tilgang til teknologien
- Internasjonal forskning finner lignende mønstre knyttet til inntekt, utdanning og alder
- Aktiv ledelse og opplæring, ikke bare tid, er det som faktisk tetter gapet ifølge KPMG
Kilder brukt i denne artikkelen:
- KPMG: AI i norsk næringsliv – funn fra AI-undersøkelsen 2025 (primærkilde for regionstallene og Nyberg-sitatet)
- KPMG: AI-undersøkelsen 2026 (nyere, oppfølgende undersøkelse; brukes her kun som bakgrunn om at KPMG følger temaet årlig, ikke som kilde til 17/7-prosent-tallene)
- ScienceDirect: Inclusive generative AI and the dynamics of inequality (2026, sosioøkonomisk adopsjonsforskjell)
- Frontiers in Computer Science: AI and the digital divide in education (2026, “tredje nivås digitale skille”)
Sist oppdatert: August 2026
Les også
Hva er algoritmisk ledelse, og hvorfor bekymrer det norske arbeidstakere?
Stadig flere arbeidsplasser bruker KI-systemer til å fordele oppgaver, måle prestasjoner og ta beslutninger om ansatte. En fersk norsk rapport advarer om at dette kan svekke arbeidsmiljøet. Her er hva algoritmisk ledelse faktisk er, og hva forskerne har funnet.
Ansiktsgjenkjenning og politiet: Hva har de faktisk lov til i Norge?
KI-forordningen forbyr som hovedregel sanntids ansiktsgjenkjenning i det offentlige rom, men åpner for at land kan lovfeste tre snevre unntak for politiet. Norge har foreløpig IKKE tatt i bruk noen av dem. Her er hva EU-regelverket tillater, hva Norge faktisk regulerer nå, og hvorfor "ansiktet ditt" plutselig er blitt et lovspørsmål.
Kan du bli feilaktig anklaget for KI-juks? Slik fungerer detektorene, og slik svikter de
Skoler og universiteter bruker i økende grad KI-detektorer for å avsløre tekst skrevet av en chatbot. Forskning viser nøyaktighet ned mot 61 prosent, og norske studenter er allerede blitt anklaget feilaktig. Her er hvordan detektorene faktisk fungerer, og hva du bør vite hvis du blir anklaget.