Digitalt klasseskille: Hvorfor bruker noen deler av Norge KI mye mer enn andre?
Sist faktasjekket:
TL;DR (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. Generativ KI er varianten som selv lager nytt innhold, som tekst eller bilder, i stedet for bare å søke opp informasjon, altså verktøy som ChatGPT. Det er mer enn en halvering av bruken fra hovedstaden til deler av distrikts-Norge. Tom Einar Nyberg, partner i KPMG og leder for selskapets satsing på data og KI, kaller utviklingen bekymringsfull. Han advarer mot et digitalt utenforskap mellom regionene. Dette handler ikke bare om tilgang til teknologi: de aller fleste har tilgang til de samme gratis KI-verktøyene. Det handler om opplæring, ledelse og hvilke jobber som faktisk finnes lokalt. Denne artikkelen forklarer hva forskjellene består i og hvorfor de kan bli et reelt samfunnsproblem hvis de ikke tettes.
Hva viser tallene faktisk?
KPMG gjennomfører en årlig 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. Oslo ligger klart øverst med 17 prosent. Midt-Norge ligger nederst med 7 prosent, altså mindre enn halvparten:
| Region | Andel som bruker generativ KI på jobb |
|---|---|
| Oslo | 17 % |
| Midt-Norge | 7 % |
Kilde: KPMGs AI-undersøkelse 2025
Nyberg kommenterer forskjellen direkte: “Det er bekymringsfullt at forskjellene er så store. Risikoen er at vi får et digitalt utenforskap mellom regionene.”
Det som gjør funnet påfallende, er at det ikke handler om tilgang. De fleste generative KI-verktøy er gratis eller billige. De krever bare en internett-tilkobling, noe som i praksis er tilgjengelig for 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. Det er et problem som i stor grad er løst i Norge. Et nyere forskningsbegrep, ofte kalt et tredje nivås digitale skille, handler om noe annet. Det handler om hvem som faktisk vet hvordan de skal bruke teknologien godt nok til å få reell nytte av den, ikke bare tilgang til den.
For KI spesifikt betyr dette at forskjellen mellom Oslo og Midt-Norge trolig ikke handler om manglende internett-tilkobling i distriktene. Den handler mer sannsynlig om tre ting: hvilke jobber som finnes lokalt (kunnskapsintensive kontorjobber er mer konsentrert i og rundt Oslo), hvor mye opplæring arbeidsgivere faktisk tilbyr og om ledelsen aktivt legger til rette for at ansatte skal teste nye verktøy. Dette henger sammen med et beslektet spørsmål: 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, bakenforliggende faktorer. Internasjonal forskning finner et tilsvarende mønster langs andre skillelinjer enn geografi alene. En studie fra 2026 fant en betydelig forskjell i KI-bruk mellom personer med lav sosioøkonomisk status (lav inntekt kombinert med begrenset utdanning) og personer med høyere sosioøkonomisk status. Forskjellen i hvor mange som faktisk tok i bruk KI, var på flere prosentpoeng mellom de to gruppene. Andre studier peker på at eldre arbeidstakere tar i bruk KI saktere enn yngre. Ofte får de mindre opplæring fra arbeidsgiver, og frykten for å bli erstattet av teknologien kan gjøre terskelen for å prøve den høyere.
Geografi, inntekt, utdanning og alder henger dermed sammen på måter som forsterker hverandre. En region med færre kunnskapsintensive arbeidsplasser har også gjerne en eldre befolkning og mindre tilgang på formell KI-opplæring gjennom jobben.
Hvorfor bekymrer dette fagfolk?
Bekymringen handler ikke om at KI-bruk er et mål i seg selv, men om hva forskjellene kan bety over tid. Hvis KI gradvis blir en vanlig del av hvordan mange yrker utføres, kan regioner og grupper som henger etter i bruk også henge etter i produktivitet, lønnsvekst og konkurransekraft. Det er ikke fordi menneskene der er mindre dyktige, men fordi de har fått mindre mulighet til å øve seg opp. Nyberg og KPMG peker på hva som skal til for å lykkes med KI: ikke å vente på det perfekte verktøyet, men aktiv ledelse. Testing, investering og tydelig kommunikasjon fra virksomheter selv er det som faktisk driver bruken, ikke noe som skjer av seg selv bare fordi verktøyene finnes. Aktiv ledelse er også kjernen i et annet, beslektet fenomen: algoritmisk ledelse, altså når det er KI-systemet selv som styrer og måler de ansatte. De to temaene handler om 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 lavkost og tilgjengelig for alle med internett. Forskjellen handler mer om opplæring, jobbtype og hvor mye arbeidsgivere legger til rette for bruk, ikke om selve tilgangen.
Er dette bare et problem i Norge?
Nei, internasjonal forskning finner lignende mønstre knyttet til inntekt, utdanning og alder i mange land. Det norske KPMG-funnet er ett konkret, tallfestet eksempel på et mer generelt fenomen forskere kaller «AI-skillet», eller digitalt klasseskille.
Kan dette endre seg over tid?
Ja, digitale skiller har historisk sett en tendens til å minske etter hvert som teknologien blir mer utbredt og kjent. Men det krever aktive tiltak som opplæring, ledelse og tilrettelegging. Det skjer ikke automatisk bare fordi verktøyene blir eldre og mer kjent.
Hva kan en arbeidsgiver i distrikts-Norge gjøre for å tette gapet?
KPMG peker på konkret, aktiv ledelse: sette av tid til testing, investere i opplæring og kommunisere tydelig internt om hvorfor og hvordan KI skal brukes, fremfor å vente på at ansatte skal finne det ut på egen hånd.
Oppsummering og kilder
KPMGs AI-undersøkelse 2025 dokumenterer et tydelig, tallfestet digitalt klasseskille i norsk KI-bruk: 17 prosent i Oslo mot 7 prosent i Midt-Norge bruker generativ KI på jobb. Forskjellen handler trolig ikke om tilgang til verktøyene, men om opplæring, jobbtype og ledelse, faktorer som også henger sammen med inntekt, utdanning og alder i internasjonal forskning. Fagfolk advarer om at forskjellene kan forsterke seg over tid hvis de ikke møtes med aktive tiltak.
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.