Tyvärr rapporteras fall av falska jobberbjudanden i vårt namn. Kontakta oss om du är osäker.

Vad ska juniorerna faktiskt göra?

IT-rekryterare som diskuterar vad juniorer ska arbeta med

I juni skrev jag om Entry-level-paradoxen: att bolag som slutar anställa juniorer med AI som argument sparar i dag, men kommer att betala om senare när seniorer är en bristvara. Men artikeln lämnade en fråga obesvarad: okej, vi behåller eller rekryterar juniorerna men vad ska de göra?

Jag håller med om att det är en rimlig fråga. De uppgifter juniorer traditionellt lärde sig på, enkel kod, tester, buggfixar, dokumentation, är precis de uppgifter AI nu gör snabbast. Och Arbetsgivarorganisationen Almega konstaterade nyligen att produktionen i it-sektorn har ökat med 30 procent på tre år, medan antalet jobb har minskat. Enligt chefsekonomen Patrick Joyce handlar det framför allt om att nya jobb som borde ha skapats aldrig blev av.

I den här artikeln argumenterar jag inte för att man ska anställa juniorer utan det argumentet har jag redan gjort. Den här handlar mer om vad du konkret ger en junior att göra 2026, och hur du organiserar arbetet så att de faktiskt blir seniorer.

Varför den gamla lärlingsmodellen har slutat fungera

Juniorer har aldrig lärt sig av de enkla uppgifterna i sig. De har lärt sig av det som hände medan de gjorde dem: de läste okänd kod, körde fast, felsökte, fick sin kod granskad och gjorde om. De enkla uppgifterna var förpackningen och lärandet var innehållet.

AI tar bort förpackningen och därmed ofta även innehållet. Problemet blir då dubbelt. Dels försvinner många av uppgifterna. Dels lär man sig sämre även när en junior gör samma uppgift med AI-hjälp eftersom AI:n tar bort just det motstånd som bygger förståelse. Det man inte har kämpat med, förstår man sällan på djupet.

Samtidigt har kraven stigit. Enligt PwC:s AI Jobs Barometer 2026, som bygger på amerikanska platsannonser, efterfrågar de instegsjobb som påverkas mest av AI allt oftare färdigheter som tidigare var förbehållna seniora roller, som omdöme och ledarskap. Juniorer förväntas alltså kunna mer från start, samtidigt som vägen dit har blivit otydligare.

Ingen har heller löst det här ännu. World Economic Forum konstaterade i en rapport i somras (läs 2026) att det saknas en etablerad metod för hur arbete ska designas om i AI:s tidevarv. Det betyder att det inte finns någon mall att kopiera men också att de som hittar ett fungerande sätt får ett försprång.

Vad en junior faktiskt kan göra 2026

Frågan är inte vilka uppgifter som är tillräckligt enkla för en junior. Det är vilka uppgifter som tvingar fram lärande. En bra tumregel: en uppgift lär ut något först när junioren måste förutsäga, förklara, få återkoppling och gradvis ta mer ansvar. Att bara lämna över en uppgift räcker inte.

Här är sex typer av uppgifter att utgå från. Det är inga färdiga recept, några sådana finns inte än om vi litar på World Econommic, utan se de mer som principer att testa och anpassa efter ert team:

UppgiftVad junioren görVad hen lär sig
Äga en liten funktion hela vägenTar en avgränsad funktion från krav till produktion, med AI som stöd men med eget ansvar för helhetenHur alla delar hänger ihop, och att ansvar inte går att delegera till ett verktyg
Förklara innan mergeFår använda AI fritt, men måste kunna förklara och försvara varje rad innan koden slås ihopAtt förstå i stället för att klistra in
Förutsäga förstSkissar sin egen lösning innan hen frågar AI, och jämför sedanAtt bygga en egen modell av problemet, och se var den skiljer sig från AI:ns
Testa och granska AI:ns kodSkriver tester och letar aktivt efter fel i AI-genererad kodOmdöme och förmågan att se när något ser rätt ut men inte är det
Följa med vid incidenterÄr med när något går sönder i produktion, först som observatör och sedan med egna uppgifterHur systemet faktiskt beter sig, något ingen AI kan lära ut
Kartlägga det ingen har skrivit nerIntervjuar seniorer och dokumenterar system som bara ett fåtal förstårSystemkunskap och en relation till de seniora kollegorna

Gemensamt för alla är att AI inte är förbjudet. Det vore både orealistiskt och kontraproduktivt. Juniorer ska lära sig att arbeta med AI, eftersom det är så de kommer att arbeta resten av karriären. Men uppgiften måste vara utformad så att AI:n inte gör själva tänkandet.0

Hur du organiserar arbetet runt juniorerna

Rätt uppgifter räcker inte om organisationen runt dem inte hänger med. Det här är en fråga om hur teamet är uppbyggt, inte om ett utbildningsprogram vid sidan av.

Budgetera seniorernas tid. Handledning händer inte av sig själv när alla är pressade. Planera in tid för parprogrammering och granskning som en del av seniorernas uppdrag, inte som något de gör när de hinner. Det är den tiden som producerar nästa generations seniorer.

Para ihop juniorer och seniorer åt båda hållen. Juniorer är ofta de som använder AI-verktygen mest och snabbast hittar nya sätt att arbeta. Seniorer har omdömet att bedöma resultatet. Ett par där båda lär sig av varandra är mer värt än traditionell handledning åt ett håll.

Gör självständigheten stegvis och tydlig. Bestäm i förväg hur en junior går från att observera, till att göra med stöd, till att göra själv, till att lära ut. Då vet alla var junioren befinner sig och vad nästa steg är.

Ändra vad kodgranskningen handlar om. När AI skriver mycket av koden är det viktigaste i granskningen inte om koden fungerar, utan om junioren förstår varför. Ställ frågor i stället för att bara rätta.

Hellre få juniorer med struktur än många utan. Två juniorer med tydliga uppgifter och avsatt handledning ger mer än fem som lämnas att klara sig själva. Börja i den skala ni faktiskt kan stötta.

Mät utveckling, inte bara produktion. En juniors värde det första året ligger sällan i hur mycket kod hen levererar utan i hur snabbt hen blir självständig. Följ upp det.

Vad du ska leta efter när du anställer en junior

Om juniorernas arbete ser annorlunda ut, måste också rekryteringen göra det. Förmågan att snabbt skriva enkel kod säger mindre än förr nu när AI gör det på sekunder. Ett snyggt portfolioprojekt säger också mindre, eftersom det kan vara byggt med AI från början till slut.

Det som säger mer:

Kan kandidaten förklara sitt eget arbete på djupet? Be hen gå igenom ett projekt och fråga varför, inte vad. Den som har förstått kan svara och den som har klistrat in kan det sällan.

Hur använder hen AI? Fråga konkret hur kandidaten använde AI i ett projekt, när verktyget hade fel och hur hen märkte det. Svaret visar både vana och omdöme.

Hur lär hen sig något nytt? Juniorer kommer att behöva lära sig mer själva och snabbare. Nyfikenhet och förmåga att ta sig igenom något svårt väger tyngre än en lång lista med tekniker.

Vågar hen säga “jag vet inte”? I en miljö där AI alltid har ett svar är förmågan att vara osäker och ställa frågor mer värdefull än någonsin.

Fyra invändningar och mina svar på dem

Är du skeptisk till allt som du precis läst så är du nog inte ensam. Här är några invändningar som oftast kommer upp och varför de inte håller hela vägen.

“Varför lägga tre dagar på något AI gör på tre minuter?”

Det är det starkaste argumentet och det stämmer: en junior är långsammare än en AI-agent på nästan varje enskild uppgift. Men jag tycker att det är fel jämförelse. Du anställer inte en junior för att få uppgiften gjord, utan för att om några år ha en senior som förstår era system och kan bedöma vad AI:n producerar. Att vissa arbetssätt ovan gör junioren långsammare på kort sikt är just poängen. Uppgiften är medlet, senioriteten är målet.

“Vi tränar dem bara åt konkurrenterna.”

Risken finns och det vore naivt att låtsas något annat. Men alternativet är att köpa färdiga seniorer på en marknad där alla letar efter samma personer och de kan också gå vidare. Dessutom är tydliga utvecklingssteg och avsatt handledning i sig ett av de starkaste skälen att stanna. Den som ser en väg framåt har en anledning att bli kvar. Och även om några går vidare, har du fler seniorer än om du inte hade ”byggt” några alls.

“Vi har inte tid, våra seniorer är redan fullt belagda.”

Börja smått: en junior och en senior med uttalat ansvar för handledningen. Och tänk på var tiden kommer ifrån. Om AI gör era seniorer mer produktiva, är det rimligt att en del av den vinsten återinvesteras i att bygga nästa generation.

“Juniorer lär sig bra med AI ändå, bara på ett annat sätt.”

Delvis sant. AI kan påskynda lärandet när det används för att ställa frågor, få förklaringar och testa sin förståelse. Det är just därför uppgifterna ovan inte förbjuder AI, utan är utformade så att verktyget hjälper junioren att förstå i stället för att tänka åt hen.

Gemensamt för svaren är att juniorer inte är välgörenhet eller en förmån ni erbjuder när det går bra. De är er seniorförsörjning.

Paradoxen har en lösning men den kräver ett beslut

I den första artikeln skrev jag att det är kortsiktigt att sluta anställa juniorer. Nu vet vi att det inte räcker att fortsätta anställa dem på samma sätt som förr. Den gamla lärlingsmodellen byggde på uppgifter som inte längre finns.

Det nya är att lärandet måste designas in i arbetet i stället för att uppstå av sig självt. Det kräver att någon bestämmer vilka uppgifter juniorerna ska ha, hur mycket seniortid som avsätts och hur utvecklingen följs upp. Bolagen som gör det nu bygger sin egen seniorförsörjning medan alla andra konkurrerar om samma få seniorer på den öppna marknaden.

På Ants är vi specialiserade på IT-rekrytering och hjälper dig gärna att tänka igenom både vilka juniorer du ska anställa och hur du bygger kompetensen över tid. Hör gärna av dig!

Författare

Jonas är en specialsit på IT-rekrytering i Malmö

Jonas Claesson

Senior Talent Acquisition Consultant

jonas.claesson@ants.se

Hör gärna av dig!

Fyll i formuläret så berättar vi mer om hur vi kan hjälpa dig med IT-rekrytering, Executive Search eller HR Tech!
Söker du jobb eller praktik? Kolla in vilka roller vi rekryterar här. 

Läs mer