I sommer skrev Kampanje at KI spiser juniorene først, og at byråene ikke gjør noe med det. Vi kjenner oss ikke igjen. Hos Tind Studio er juniorene den viktigste grunnen til at vi tar i bruk AI så raskt som vi gjør, ikke en salderingspost når budsjettene strammes.
Denne artikkelen handler om hvorfor. Ikke som en festtale om at «de unge er fremtiden», men som en konkret observasjon av hva som faktisk driver AI-adopsjon i en organisasjon, og hvorfor det beste resultatet kommer når juniorenes eksperimentlyst møter seniorenes erfaring.
Bransjen kutter juniorer. Vi gjør det motsatte
Logikken bak kuttene er lett å forstå. Hvis AI kan gjøre research på ti minutter som en junior tidligere brukte en dag på, hvorfor betale for junioren? Det er en logikk som ser fornuftig ut på et regneark, og feil ut i praksis.
For juniorrollen har aldri først og fremst handlet om hvor raskt research kan gjøres. Den har handlet om at noen i organisasjonen har tid og overskudd til å teste, feile og lære, uten at hele virksomheten bremser opp mens det skjer. Kutter du den rollen bort samtidig som AI gjør akkurat den typen eksperimentering billigere enn noen gang, kutter du bort motoren i din egen AI-adopsjon.
Hvorfor juniorer lærer AI raskere enn seniorer
Det finnes ingen formell tittel for det juniorer bidrar med her, men egenskapen er lett å kjenne igjen: nysgjerrighet kombinert med evnen til å kaste seg over noe nytt uten å frykte konsekvensene av å gjøre det feil. En senior som har bygget sin karriere på å levere riktig, nøler naturlig nok før hun tester et ukjent AI-verktøy på en kunderelasjon hun har brukt ti år på å bygge. En junior har mindre å tape, og eksperimenterer derfor mer, oftere og friere.
Det er ikke en svakhet ved seniorene. Det er en annen type kompetanse, og den blir avgjørende når de to kombineres.
Forskjeller mellom juniorers og seniorers bidrag til AI-adopsjon | ||
Egenskap | Juniorer | Seniorer |
|---|---|---|
Forhold til nye verktøy | Tester raskt, redd for lite | Vurderer risiko før de tester |
Læringstempo på nye AI-verktøy | Høyt, få vaner å bryte med | Lavere, mer å avlære |
Organisatorisk gjennomslag | Lavt, få lytter automatisk | Høyt, kan «dytte ting gjennom styrerommet» |
Domenekunnskap og kunderelasjoner | Bygges over tid | Etablert og verdifull |
Risiko ved feil eksperiment | Lav kostnad å teste | Høy kostnad om det går galt |
Alene er ingen av kolonnene nok. En organisasjon full av eksperimentlystne juniorer uten seniorer som kan vurdere hva som faktisk er verdt å ta i bruk, ender med mye støy og lite substans. En organisasjon der bare seniorene bestemmer tempoet på AI-adopsjonen, ender med at forsiktighet blir standard, fordi det alltid finnes en god grunn til å vente til neste kvartal.
Konkurransefortrinnet oppstår i kombinasjonen. Juniorene finner ut hva som fungerer i praksis, i det små, uten at det koster organisasjonen noe å prøve. Seniorene gjenkjenner når noe er verdt å skalere, og har autoriteten og relasjonene til faktisk å få det gjennomført, i styrerommet, hos kunden, i budsjettprosessen.
Slik gjør vi det hos Tind Studio
Vi lar ikke juniorene eksperimentere i det blå. Alle får et konkret mandat, en fadder blant seniorene, og et sted å eksperimentere hvor feil er billige. Tre eksempler fra sommeren og høsten 2026:
Jacob Skomsvold startet som AI-rådgiver på deltid rett før sommeren. Mandatet han fikk var: bruk AI-verktøy til å researche og kvalifisere potensielle kunder, og book møter der en senior blir med. Han bruker Claude Cowork til å analysere hvordan bedrifter faktisk fremstår i ChatGPT og Google AI Overviews, før han tar kontakt, og bygger hver eneste henvendelse på ett konkret funn om mottakeren. Resultatet er en salgsprosess der en junior driver volumet, og en senior lukker avtalen. Underveis har Jacob lært oss i Tind mye om hvordan vi kan jobbe smartere med salg.
Ola Polmar har brukt praksisperioden sin til å teste AI på tvers av konkrete kundeoppgaver: annonseforslag i Meta for en av våre e-handelskunder, kundesegmentering for en annen, og systematisk sammenligning av hvordan Claude, ChatGPT og Gemini løser de samme oppgavene forskjellig.
Jesper Schilvold var intern hos oss i sommer - han har også vært intern i Ernst & Young, og brukte tiden på agentisk bruk av AI innen økonomi og teknisk onboarding av nye kunder via agentiske workflows. Fordi han kom med et ferskt blikk og erfaring fra konsulentvirksomhet, kom han også opp med konkrete innspill til hvordan vi bør bygge om rådgivningstjenestene våre. Det er et godt eksempel på at juniorenes iver og nysgjerrighet kan sørge for at vi får nye perspektiver som ikke er farget av «sånn gjør vi det hos oss».
Dette fungerer godt
Gi juniorer et konkret mandat, ikke et vagt «prøv deg litt frem med AI»
Koble hver junior til en senior som kan vurdere hva som er verdt å skalere
La eksperimentene skje på oppgaver med lav risiko først: research, utkast, analyse
Mål læring og forsøk, ikke bare ferdig leveranse
Del funnene internt, uansett om eksperimentet lyktes eller ikke
Gi juniorene eierskap til egne resultater, ikke bare oppgavelisten
La seniorene bruke sin autoritet til å få gode funn implementert, ikke bare godkjent
Vanlige feil å unngå
Å behandle AI-adopsjon som et prosjekt for å kutte kostnader, i stedet for å skape verdi
Å la juniorer eksperimentere uten noen å eskalere gode funn til
Å kutte juniorstillinger fordi enkeltoppgaver blir raskere, uten å se hva rollen faktisk gir organisasjonen (duh...)
Å forvente at seniorer skal drive eksperimenteringen selv, ved siden av alt annet de har ansvar for
Norsk kontekst: hvorfor dette haster nå
Ifølge NHOs KI-rapport for 2026 bruker nå 55 prosent av norske virksomheter kunstig intelligens, opp fra 24 prosent i 2023. Det er en dobling på tre år, og det betyr at konkurransefortrinnet ved å være tidlig ute begynner å bli mindre. Samtidig har KI-loven, den norske versjonen av EU AI Act, begynt å tre i kraft fra august 2026, med krav til dokumentasjon og risikovurdering som særlig rammer AI-bruk knyttet til rekruttering, kundedata og økonomiske beslutninger.
Det gjør juniorenes rolle enda viktigere, ikke mindre viktig. Noen i organisasjonen må ha tid til å forstå de nye verktøyene godt nok til å bruke dem riktig, samtidig som noen med erfaring sikrer at eksperimenteringen skjer innenfor forsvarlige rammer for personvern og datahåndtering.
I byråbransjen og konsulentbransjen spesielt, der presset for å levere mer med færre folk er størst, er dette forskjellen mellom å bygge reell AI-kompetanse og å bare kutte kostnader et par kvartaler til det jevner seg ut.
Vanlige spørsmål om juniorkompetanse og AI
Betyr dette at vi ikke lenger trenger seniorer?
Nei, tvert imot. Seniorenes erfaring og evne til å få gode funn implementert i organisasjonen er selve forutsetningen for at juniorenes eksperimentering skal bli til noe mer enn interessante forsøk.
Hvordan sikrer vi kvalitet når juniorer eksperimenterer fritt med AI?
Gi eksperimenteringen klare rammer: lavrisiko-oppgaver, en fast fadder blant seniorene, og en fast rutine for å dele og vurdere funn. Fri utprøving uten noen struktur rundt gir mye støy og lite læring som faktisk kommer organisasjonen til gode.
Er dette bare relevant for byråer og konsulentselskaper?
Nei. Mønsteret gjelder alle bransjer der noen må bruke tid på å forstå nye verktøy før resten av organisasjonen kan ta dem i bruk trygt. Byråbransjen er der debatten er høylytt akkurat nå, men prinsippet er det samme i økonomi, kundeservice og administrasjon.
Hvordan kommer vi i gang med å la juniorer drive AI-adopsjon?
Start smalt. Gi én junior ett konkret mandat på ett avgrenset område, koble på en fadder, og sett av tid til å evaluere resultatene etter noen uker, ikke bare la det gå av seg selv.
Hva skiller en AI-operatør-junior fra en tradisjonell juniorrolle?
Forskjellen er ikke oppgavene, det er verktøykassen og mandatet. En AI-operatør-junior bruker AI aktivt til å utvide hvor mye hun kan teste og levere, og har eksplisitt mandat til å eksperimentere, ikke bare utføre.
Oppsummering
Byråbransjen diskuterer akkurat nå om AI gjør juniorroller overflødige. Vi mener spørsmålet er stilt feil. Det som gjør juniorer verdifulle i AI-tiden er ikke at de er billige, det er at de er nysgjerrige og tørr å teste. Kombinert med seniorer som har erfaringen og gjennomslagskraften til å ta gode funn videre, blir det et reelt konkurransefortrinn, ikke bare en kostnadsbesparelse.
De tre viktigste takeawayene: juniorer driver AI-adopsjon fordi de eksperimenterer uten frykt for konsekvensene, seniorer gjør eksperimentene til organisatorisk verdi, og kombinasjonen av de to er vanskeligere å kopiere enn noe enkeltverktøy.
Vil du vite mer om hvordan dette kan fungere for din bedrift? Ta kontakt med oss i Tind Studio. Vi er her for å hjelpe deg komme i gang.
