The debate about AI and jobs runs on vibes. On one side, executives warn of mass white-collar layoffs: the CEO of ServiceNow suggested new-graduate unemployment could hit 30% within a couple of years. On the other, boosters promise AI will free everyone to do higher-value work. Both camps argue mostly from anecdote.

So it is worth paying attention when someone finally brings data. In June 2026, the Ramp Economics Lab, together with the workforce-data firm Revelio Labs, published what they describe as the first study to link observed, firm-level AI spending to actual workforce records at scale. Not surveys. Not job postings. Real corporate-card and bill-pay data on what companies spend on AI, matched against what happened to their headcount.

The result is more interesting, and more uncomfortable, than either camp would like. Let me walk through what it says, what it does not say, and what an SME should take from it.

The Headline: Heavy AI Spenders Grew, They Did Not Shrink

The study tracked 21,599 U.S. firms and their AI spending from 2021 into early 2026. Companies were split into high-intensity and low-intensity adopters based on how much they spent on AI per employee in the first three months after they started.

Over the two years following adoption, the high-intensity group grew total headcount by about 10%, and grew entry-level headcount by roughly 12%. The low-intensity group showed no statistically significant change at all. The hiring gains were not in engineering alone; they showed up gradually, over six to twelve months, across sales, administration, finance, and customer service.

Taken at face value, this cuts hard against the "AI is coming for the jobs" narrative. The companies leaning into AI the hardest are the ones hiring the most, not firing. As Ramp's lead economist Ara Kharazian put it, firms that invest more in AI also hire more following adoption, including in entry-level roles.

Read the Caveat Before You Cheer

Here is where honesty matters, and where the researchers themselves are refreshingly clear: this is correlation, not causation.

The companies that adopt AI heavily were, on average, already larger, faster-growing, more engineering-intensive, and more likely to be venture-backed before they spent a single franc on AI. Fast-growing companies hire more people. They also buy more AI. That does not prove the AI caused the hiring. A thriving software startup will both expand its team and expense a pile of model subscriptions, and you cannot cleanly separate the two.

So the correct reading is narrow but still meaningful: at this stage, in this sample, sustained and serious AI investment is going hand in hand with workforce growth rather than replacement. AI is currently showing up as a complement to hiring, not a substitute for it. That is a real signal. It is just not the same as proof that buying AI makes you hire.

One more nuance worth holding onto: the gains required intensity. Only the top third of per-employee AI spenders saw them. Dabbling, one seat of a chatbot and a quarterly experiment, correlated with nothing. If AI helps, it seems to help the companies that commit to it, not the ones that tick a box.

The Other Signal: The Door Is Closing on Newcomers

A responsible reading cannot stop at the good news, because a second dataset points the other way, and both can be true at once.

While heavy adopters grow their overall teams, the labor market for people trying to enter it has visibly tightened. In the U.S., unemployment for recent graduates aged 22 to 27 sat around 5.6% against an overall rate of 4.3%. For fresh computer-science and computer-engineering graduates, the fields you would expect to be safest, it ran higher still, around 7.0% and 7.8%. Nearly 43% of recent graduates were underemployed, working jobs that do not require their degree.

Economists call the pattern "experience creep": rather than laying people off en masse, employers quietly stop hiring the inexperienced. The rungs of the ladder that used to be filled by juniors doing routine work (basic research, first-draft writing, simple coding, data entry) are exactly the tasks AI now handles cheaply. The layoffs you can see are only part of the story; the jobs that quietly never get posted are the other part. Through May 2026, companies had announced roughly 90,000 job cuts explicitly tied to AI.

So both charts are real. Established firms that go all-in on AI keep growing. The newest entrants to the workforce face a colder market. AI is not simply "creating" or "destroying" jobs; it is redistributing who gets them, and when.

What This Means If You Run an SME

You are almost certainly not a venture-backed hyperscaler, so do not read the headline as "spend on AI and you will grow 10%." That is not what the data shows. Three more grounded takeaways:

1. AI is currently a lever for growth, not a shortcut to a smaller payroll. The firms getting value from AI are using it to do more with the people they have and then hiring more people to ride that momentum. If your business case for AI is "replace three salaries," the evidence for that outcome is thin. If it is "let our team take on work we had to turn away," you are aligned with what actually seems to be happening.

2. Intensity beats dabbling, but only where the problem fits. The gains clustered in firms that committed. That does not mean spray money at every tool; it means that where AI genuinely fits a problem, half-measures tend to return nothing. Adoption is also still concentrated in information, finance, and professional services, and lags in hospitality, healthcare, and the trades. Your sector matters. So does picking the right problem, which is the whole point of asking whether you need AI or just a better spreadsheet before you spend anything.

3. Mind the ladder you are standing on. If AI now does the junior-level tasks your team once cut its teeth on, you gain short-term efficiency but you also stop training the seniors of five years from now. That is a strategic question, not just a cost one. The cheapest way to hollow out your own future capability is to automate every entry point into it without noticing.

The Honest Summary

The best firm-level evidence we have says AI, so far, is not the job-killer the loudest voices claim. Companies serious about it are growing, hiring, and adding junior roles. But that same reality sits next to a genuinely harder market for people at the very start of their careers, and the study proves correlation, not cause.

The useful stance is neither panic nor triumphalism. It is the one we take on every technology question: ignore the vibes, look at what the evidence actually supports, and match the tool to your specific problem. That is genuinely hard to do from the inside, while the headlines pull you toward hype one week and fear the next.

So here is a concrete offer. Pick one process you are thinking about handing to AI, or one AI project that is not yet paying off, and bring it to us. In 30 minutes you will get an honest read on three things: whether AI is the right lever at all, where a simpler tool would quietly beat it, and what serious, "high-intensity" adoption would actually look like for a business your size. No slides, no sales pitch, no obligation to work with us afterwards. It costs you nothing but half an hour: book your free AI Clarity Call here. That honest conversation is exactly where the Insight Method begins.

Go deeper: The full study, "A New Look at AI's Impact on Jobs: Firm-Level AI Spending and Workforce Adjustment" by the Ramp Economics Lab and Revelio Labs, is available as a PDF here (or on the Ramp project page), including its full methodology and caveats.

Die Debatte über KI und Arbeitsplätze läuft auf Bauchgefühl. Auf der einen Seite warnen Führungskräfte vor massenhaften Entlassungen im Büro: Der CEO von ServiceNow deutete an, die Arbeitslosigkeit unter Hochschulabsolventen könnte binnen weniger Jahre 30% erreichen. Auf der anderen versprechen Optimisten, KI werde alle für höherwertige Arbeit freisetzen. Beide Lager argumentieren überwiegend mit Anekdoten.

Umso mehr lohnt es sich hinzuschauen, wenn endlich jemand Daten liefert. Im Juni 2026 veröffentlichte das Ramp Economics Lab gemeinsam mit dem Arbeitsmarkt-Datenunternehmen Revelio Labs die nach eigener Aussage erste Studie, die tatsächliche KI-Ausgaben auf Unternehmensebene mit realen Personaldaten in grossem Massstab verknüpft. Keine Umfragen. Keine Stellenanzeigen. Echte Firmenkarten- und Rechnungsdaten dazu, was Unternehmen für KI ausgeben, abgeglichen damit, was mit ihrem Personalbestand geschah.

Das Ergebnis ist interessanter, und unbequemer, als es beiden Lagern lieb wäre. Ich gehe durch, was es sagt, was es nicht sagt, und was ein KMU daraus mitnehmen sollte.

Die Schlagzeile: Wer viel für KI ausgab, wuchs, statt zu schrumpfen

Die Studie verfolgte 21'599 US-Unternehmen und ihre KI-Ausgaben von 2021 bis Anfang 2026. Die Unternehmen wurden in Adopter mit hoher und niedriger Intensität unterteilt, je nachdem, wie viel sie in den ersten drei Monaten pro Mitarbeitendem für KI ausgaben.

In den zwei Jahren nach der Einführung liess die Gruppe mit hoher Intensität ihren Gesamtbestand um rund 10% wachsen und die Zahl der Einstiegsstellen um etwa 12%. Die Gruppe mit niedriger Intensität zeigte überhaupt keine statistisch signifikante Veränderung. Die Zuwächse lagen nicht nur in der Technik; sie entstanden allmählich über sechs bis zwölf Monate, quer durch Vertrieb, Verwaltung, Finanzen und Kundenservice.

Für bare Münze genommen, widerspricht das dem Narrativ "KI holt sich die Jobs" deutlich. Ausgerechnet die Unternehmen, die am stärksten auf KI setzen, stellen am meisten ein, statt zu entlassen. Ramps Chefökonom Ara Kharazian formulierte es so: Firmen, die mehr in KI investieren, stellen nach der Einführung auch mehr ein, auch auf Einstiegsebene.

Lesen Sie den Vorbehalt, bevor Sie jubeln

Hier zählt Ehrlichkeit, und hier sind die Forschenden selbst erfrischend klar: Das ist Korrelation, keine Kausalität.

Die Unternehmen, die stark auf KI setzen, waren im Schnitt bereits grösser, schneller wachsend, technikintensiver und häufiger risikokapitalfinanziert, bevor sie einen einzigen Franken für KI ausgaben. Schnell wachsende Firmen stellen mehr Leute ein. Sie kaufen auch mehr KI. Das beweist nicht, dass die KI die Einstellungen verursacht hat. Ein florierendes Software-Start-up wird sowohl sein Team vergrössern als auch einen Stapel Modell-Abos abrechnen, und beides lässt sich nicht sauber trennen.

Die korrekte Lesart ist also eng, aber dennoch bedeutsam: In diesem Stadium, in dieser Stichprobe, geht anhaltende und ernsthafte KI-Investition Hand in Hand mit Personalwachstum statt mit Ersatz. KI zeigt sich derzeit als Ergänzung zur Einstellung, nicht als Ersatz dafür. Das ist ein echtes Signal. Es ist nur nicht dasselbe wie ein Beweis, dass der Kauf von KI zu Einstellungen führt.

Eine weitere Nuance lohnt sich zu behalten: Die Zuwächse erforderten Intensität. Nur das oberste Drittel der Pro-Kopf-KI-Ausgeber verzeichnete sie. Herumprobieren, ein Chatbot-Zugang und ein Quartalsexperiment, korrelierte mit nichts. Wenn KI hilft, dann offenbar den Firmen, die sich darauf einlassen, nicht denen, die ein Häkchen setzen.

Das andere Signal: Für Neueinsteiger schliesst sich die Tür

Eine verantwortungsvolle Lesart darf nicht bei der guten Nachricht stehen bleiben, denn ein zweiter Datensatz weist in die andere Richtung, und beides kann gleichzeitig wahr sein.

Während starke Adopter ihre Gesamtteams vergrössern, hat sich der Arbeitsmarkt für jene, die ihn betreten wollen, sichtbar verengt. In den USA lag die Arbeitslosigkeit unter Hochschulabsolventen im Alter von 22 bis 27 Jahren bei rund 5,6% gegenüber einer Gesamtquote von 4,3%. Bei frischen Absolventen der Informatik und der technischen Informatik, also den Feldern, die man für am sichersten halten würde, war sie noch höher, um 7,0% und 7,8%. Fast 43% der jüngeren Absolventen waren unterbeschäftigt, arbeiteten also in Jobs, die ihren Abschluss gar nicht erfordern.

Ökonomen nennen das Muster "Experience Creep": Statt massenhaft zu entlassen, hören Arbeitgeber leise auf, die Unerfahrenen einzustellen. Die Sprossen der Leiter, die früher von Berufseinsteigern mit Routinearbeit gefüllt wurden (einfache Recherche, erste Textentwürfe, simpler Code, Dateneingabe), sind genau die Aufgaben, die KI heute günstig erledigt. Die sichtbaren Entlassungen sind nur ein Teil der Geschichte; die Stellen, die leise nie ausgeschrieben werden, sind der andere. Bis Mai 2026 hatten Unternehmen rund 90'000 Stellenstreichungen angekündigt, die ausdrücklich mit KI begründet wurden.

Beide Diagramme sind also real. Etablierte Firmen, die voll auf KI setzen, wachsen weiter. Die jüngsten Neuzugänge auf dem Arbeitsmarkt treffen auf ein kälteres Klima. KI "schafft" oder "vernichtet" nicht einfach Arbeitsplätze; sie verteilt um, wer sie bekommt, und wann.

Was das bedeutet, wenn Sie ein KMU führen

Sie sind mit ziemlicher Sicherheit kein risikokapitalfinanzierter Hyperscaler, lesen Sie die Schlagzeile also nicht als "Gib Geld für KI aus, und du wächst um 10%." Das zeigen die Daten nicht. Drei bodenständigere Erkenntnisse:

1. KI ist derzeit ein Hebel für Wachstum, keine Abkürzung zu einer kleineren Lohnliste. Die Firmen, die aus KI Wert schöpfen, nutzen sie, um mit den vorhandenen Leuten mehr zu leisten, und stellen dann mehr Leute ein, um diesen Schwung mitzunehmen. Wenn Ihr Business Case für KI "drei Gehälter ersetzen" lautet, ist die Beweislage für dieses Ergebnis dünn. Lautet er "unser Team kann Arbeit annehmen, die wir bislang ablehnen mussten", liegen Sie auf einer Linie mit dem, was tatsächlich zu geschehen scheint.

2. Intensität schlägt Herumprobieren, aber nur, wo das Problem passt. Die Zuwächse ballten sich bei Firmen, die sich festlegten. Das heisst nicht, Geld über jedes Tool zu giessen; es heisst, dass halbe Sachen dort, wo KI wirklich zu einem Problem passt, meist nichts einbringen. Die Verbreitung konzentriert sich zudem weiterhin auf Information, Finanzen und professionelle Dienstleistungen und hinkt in Gastgewerbe, Gesundheitswesen und Handwerk hinterher. Ihre Branche zählt. Und ebenso, das richtige Problem zu wählen, worum es genau geht, wenn man fragt, ob man KI braucht oder nur ein besseres Spreadsheet, bevor man etwas ausgibt.

3. Achten Sie auf die Leiter, auf der Sie stehen. Wenn KI nun die Einstiegsaufgaben erledigt, an denen sich Ihr Team einst die Zähne ausgebissen hat, gewinnen Sie kurzfristig Effizienz, hören aber auch auf, die Senioren von in fünf Jahren auszubilden. Das ist eine strategische Frage, nicht nur eine Kostenfrage. Der günstigste Weg, die eigene Zukunftsfähigkeit auszuhöhlen, ist, jeden Einstiegspunkt darin zu automatisieren, ohne es zu bemerken.

Die ehrliche Zusammenfassung

Die beste Evidenz auf Unternehmensebene, die wir haben, sagt: KI ist bislang nicht der Job-Killer, den die lautesten Stimmen behaupten. Firmen, die es ernst meinen, wachsen, stellen ein und schaffen Einstiegsstellen. Aber dieselbe Realität steht neben einem tatsächlich härteren Markt für Menschen ganz am Anfang ihrer Laufbahn, und die Studie belegt Korrelation, nicht Ursache.

Die nützliche Haltung ist weder Panik noch Triumphgeheul. Es ist dieselbe, die wir bei jeder Technologiefrage einnehmen: das Bauchgefühl ignorieren, anschauen, was die Evidenz wirklich hergibt, und das Werkzeug auf Ihr konkretes Problem abstimmen. Das ist von innen heraus überraschend schwer, während die Schlagzeilen Sie in der einen Woche zum Hype und in der nächsten zur Angst ziehen.

Deshalb ein konkretes Angebot. Wählen Sie einen Prozess, den Sie an KI übergeben möchten, oder ein KI-Projekt, das sich noch nicht auszahlt, und bringen Sie ihn uns. In 30 Minuten erhalten Sie eine ehrliche Einschätzung zu drei Dingen: ob KI überhaupt der richtige Hebel ist, wo ein einfacheres Werkzeug sie klammheimlich schlagen würde und wie ernsthafte, "hochintensive" Einführung für ein Unternehmen Ihrer Grösse tatsächlich aussähe. Keine Folien, kein Verkaufsgespräch, keine Verpflichtung, danach mit uns zu arbeiten. Es kostet Sie nichts ausser einer halben Stunde: buchen Sie hier Ihren kostenlosen AI Clarity Call. Genau dort, in diesem ehrlichen Gespräch, beginnt die Insight Method.

Tiefer einsteigen: Die vollständige Studie "A New Look at AI's Impact on Jobs: Firm-Level AI Spending and Workforce Adjustment" des Ramp Economics Lab und von Revelio Labs ist hier als PDF verfügbar (oder auf der Ramp-Projektseite), inklusive vollständiger Methodik und Vorbehalte.