01
Kapacitetskluster
- Resultatkvalitet
- Producerar AI arbete som går att använda som det är?
- Tillsynsbehov
- Minuter mänsklig granskning per producerad enhet.
- Latens
- Snabb nog för uppgiftens verkliga takt?
Metodik · Öppen, versionerad, månadsvis
Hur varje siffra byggs.
Läs den inte — se den. Börja med resultatet och öppna sedan hur varje siffra härleds. Varje siffra levereras med sin metod och ett konfidensintervall.
Se det först
En roll, fullt prissatt.
Vad metodiken ger, före all teori: ett Wagecard i verklig form — utbytbarhetssiffran med sitt konfidensintervall, den operativa AI-kostnaden och uppgiftsmixen i fyra klasser.
Finansanalytiker · US Tier-2 · mellannivå
FörstärkningsterritoriumEkonomisk utbytbarhet (ESE)
44/ 100±6 p
038–50-intervall · hög konfidens100
Operativ AI-kostnad
$3,100/mo
Tillsyn, omförsök och felkostnad inräknade.
Marknadslön (p50)
$98k/yr
Medianlön × stad × erfarenhetsnivå.
Uppgiftsfördelning
Ersättbar16%
AI-förstärkt41%
Människoledd + AI-assisterad28%
Människokritisk15%
/m/v8 · beräknas live · illustrativt urval
Siffran
Ekonomisk utbytbarhet på en skala 0–100 — alltid med sitt ±-konfidensintervall, aldrig en naken siffra.
Operativ AI-kostnad
Vad det faktiskt kostar att köra rollen på AI när tillsyn, omförsök och felkostnad är inräknade. Inte licensavgiften.
Uppgiftsmixen
Varje uppgift hamnar i en av fyra substitutionsklasser. Blandningen är avläsningen — inte en enda dom.
- Konfidensintervall
- Operativ AI-kostnad
- Marknadslön
- Fyra uppgiftsklasser
De nio axlarna
Vad som flyttar siffran.
En viktad produkt, inte en summa: kapaciteten sätter grinden, tillförlitligheten multiplicerar, felkostnaden drar ned och människofördelen dämpar.
02
Kluster för tillförlitlighet och risk
- Tillförlitlighet
- Eskalerings- och omförsöksfrekvens under produktionslika förhållanden.
- Hallucinationsrisk
- Hur ofta resultaten är självsäkert felaktiga.
- Felkostnad
- Hur allvarligt det blir — ekonomiskt, regulatoriskt och anseendemässigt — när AI har fel.
03
Kluster för operativ ekonomi
- Integrationsomkostnad
- Kontextförberedelse, övervakning och promptiteration, utslaget över tid.
- Passform mot enhetsekonomi
- Håller AI-kostnaden per uppgift vid rollens lönereferens?
04
Kluster för människofördel
- Dämpare för människofördel
- Sammanvägt av uppgiftens oreducerbara värde över fem axlar: förtroende, tvetydighet, ansvar, övertygelse och kontext.
Gå djupare
Hela metoden, när du vill ha den.
Klasserna, axeln som avgör om AI duger i produktion, CFO-avläsningen och de externa beläggen — ihopfällda som standard, så du bara öppnar det du behöver.
De fyra substitutionsklasserna — där varje uppgift hamnar
Hög substitution
Ersättbar
AI kör uppgiften från början till slut med minimal mänsklig tillsyn. Hög utbytbarhet.
Förstärkningsterritorium
AI-förstärkt
AI gör större delen av arbetet; människan äger besluten och kontexten.
Hybridoptimalt
Människoledd, AI-assisterad
Människan leder uppgiften; AI snabbar upp verktygen (utkast, sökning, sammanfattning).
Människokritiskt arbete
Människokritisk
AI tillför inget nettovärde (eller ett negativt) på grund av förtroende, reglering, ansvar eller relationell komplexitet.
Tillförlitlighet — axeln som faktiskt avgör om AI duger i produktion
Kapacitet är vad de flesta publika inramningar av AI-substitution kokar ned till: kan modellen klara uppgiften överhuvudtaget? Det är den enklare axeln att mäta, så den dominerar samtalet. Axeln som faktiskt avgör om AI duger i produktion är tillförlitligheten — gör modellen uppgiften rätt tillräckligt ofta för att en människa ska kunna sluta bevaka varje resultat?
Kapaciteten har sprungit ifrån tillförlitligheten över hela matrisen: 31 uppgift–modell-celler får kapacitet ≥ 75, men bara 5 får tillförlitlighet ≥ 80. Det är i det gapet de flesta av dagens utrullningar av oövervakad AI rivs upp.
Varje Wagecard lyfter fram tre tillförlitlighetssiffror: timviktad genomsnittlig kapacitet över dina uppgifter, timviktad genomsnittlig tillförlitlighet och gapet däremellan. Vi rapporterar också hur stor andel av dina rolltimmar som ligger i zonen ”kapabel men opålitlig” — kapacitet ≥ 75 med tillförlitlighet < 80.
Kapacitetsgap
- 31
- celler kapacitet ≥ 75
- 5
- celler tillförlitlighet ≥ 80
Klarna rev upp sin AI-utrullning över 700 roller när CSAT sjönk på komplexa ärenden. Kapaciteten räckte; tillförlitligheten gjorde det inte.
Hur en CFO läser detta — NPV, IRR och återbetalning
Beslut om AI-utrullning i företag passerar tre vanliga finansiella grindar. Vi beräknar alla tre för varje Wagecard med en löneuppgift — och behandlar AI-substitution som vilket annat kapitalprojekt som helst.
NPV
5-årig
Summan av de diskonterade årliga besparingarna minus omställningskostnaden år 0. Ett positivt NPV betyder att utrullningen skapar värde vid den angivna diskonteringsräntan.
IRR
Internränta
Den årliga avkastning projektet ger på sitt kapital, ställd mot företagets avkastningskrav (WACC). En IRR på 35 % med billigt kapital betyder ”gör det nu”.
Återbetalning
Period
Antalet år innan de ackumulerade besparingarna har tjänat in omställningskostnaden. En rimlighetskontroll mot NPV/IRR — ett positivt NPV med sex års återbetalning kan ändå tackas nej till.
Ett fullständigt räkneexempel — varje siffra med sin metod — finns i investeringsvyn på varje Wagecard. Diskonteringsräntan är förvald till 10 % (typiskt WACC för mellanmarknaden) och kan justeras där på Pro-konton. Vi modellerar medvetet varken optionsvärde, värdet av strategisk omfördelning eller restvärde efter år 5 — modellen är kalibrerad för att hålla sig på den försiktiga sidan för individ- och mellanmarknadsavläsningen.
Extern validering — tesen, oberoende bekräftad
Att kapacitet inte är detsamma som ekonomisk bärkraft — och att den verkliga kostnaden för AI-substitution ligger i tillsyn, omförsök, felkostnad och integrationsomkostnad — är inte bara vår tes. De som faktiskt driftsätter tekniken säger samma sak.
Nvidias VP of Applied Deep Learning
April 2026“För mitt team är kostnaden för beräkningskraft långt högre än kostnaden för de anställda.”
Fortune ↗MIT CSAIL
studie 2024“AI-automation är ekonomiskt bärkraftig i bara 23 % av de synberoende rollerna med dagens kostnadsstrukturer.”
Studie ↗BCG
2025“Bara 5 % av företagen tar ut AI-värde i stor skala; omkring 60 % rapporterar inget påtagligt värde trots investeringarna.”
BCG ↗Klarna + Uber
2025–2026“Klarna backade från en AI-utrullning över 700 roller när CSAT föll. Uber gjorde slut på hela sin AI-kodningsbudget för 2026 på fyra månader.”
Det är det här gapet Wagecore prissätter. Kapaciteten stiger. Den ekonomiska bärkraften gör det inte — ännu, och inte överallt. Vår fyraklasstaxonomi är kalibrerad efter var AI är operativt billigare idag, inte var den skulle kunna vara 2030.
Utvärderare och versionering — så poängsätts och uppdateras matrisen
Matris v1 (i drift) poängsätts av en enda kalibrerad utvärderare mot en transparent bedömningsmall. En utvidgad utvärderarmetodik kommer med v1.5 under Q3 2026. Metodiken är öppen och versioneras varje månad; betalplaner lägger till djup och detalj på rollnivå.
Öppen metodik
Bedömningsmallen och formeln är offentliga, så att varje siffra kan stämmas av mot metoden som tog fram den.
Versioneras varje månad
Kapacitetsmatrisen uppdateras i en publicerad takt.
Konfidensintervall på varje siffra
Inga nakna poäng — varje siffra kommer med sitt ±-intervall.
En enda kalibrerad utvärderare
v1 poängsätts mot en transparent bedömningsmall; v1.5 utvidgar den.
Räkna på din egen roll.
Välj en roll och se den operativa AI-kostnaden, uppgiftsmixen och var lagret av mänsklig fördel slår in. Två minuter, anonym förhandsvisning.