Denne klumme er et debatindlæg og er alene udtryk for forfatterens synspunkter.
Regler for AI-implementering er lige så anvendelige som regler for at gribe et stykke håndsæbe – der er brug for at mene noget nyt med få måneders mellemrum.
Det eneste, du kan være sikker på, er, at du om to år vil gribe det helt anderledes an.
Så det handler om ikke at låse sig fast. Det handler om at løse problemer nu og her.
Altså ikke noget med at investere i infrastruktur, nye rammeværk, nye arbejdsprocesser og så håbe på, at der er en fremtidig gevinst. Det var i gamle dage, vi kunne tænke sådan.
Vi flytter os fra klassiske it-projekter til opgaveløsning. Altså fra store investeringer til nu og her gevinster.
Først og fremmest: AI implementering er SÅ meget mere end udrulning af Co-pilot. Det er en gamechanger. Og vi skal forstå, at vores best practices ikke dur mere: De er ALT for langsomme.
Jeg kommer for eksempel selv fra et pænt it-firma med orden i sagerne.
Her beslutter svenskere i Stockholm centralt, at det vil være en god ide, at vi alle udstyres med Copilot-licenser. Og det lyder meget fornuftigt.
Men når svenskerne er færdige med at undersøge, begrunde, accesse og dokumentere, er der ikke en eneste udvikler med respekt for sig selv, der gider benytte Copilot.
Cursor er det nye sort. Og pointen er, at der sandsynligvis er opfundet noget endnu smartere, som vi alle benytter, inden året er gået.
Betyder det noget? Jeps! Det er en enorm produktivitets– og kvalitetsforbedring. Så ingen, der vil bevare en competitiv edge, har råd til at ignorere det.
Rent bortset fra at de dygtigste udviklere ikke finder sig i at være hægtet af – de flytter sig - og det skal vi forholde os til.
Det skal være muligt at mene og gøre noget nyt, når der er brug for det. Og det er der tit.
Er AI-understøttelse relevant for mig?
Det gætter jeg på.
Jeg kan ikke vide, hvem du er, eller hvad din hverdag byder på, men her er tre hverdagsscenarier, du måske kan genkende, og som du heldigvis kan gøre noget ved.
Hvis de ikke matcher din arbjedssituation, kan du sikkert selv finde på et fjerde scenarie.
Scenarie 1: Bestyrelsen/ ledelsen har ikke set lyset
Forestil dig, at du er en flue på væggen i bestyrelseslokalet.
Hvis AI omtales som ”vi behøver ikke være first mover” eller ”det er slet ikke modent” eller ”done deal – vi har udrullet Copilot” … så er der grund til bekymring.
Du er smerteligt bevidst om, at AI ikke tager nogens job.
Det gør mennesker, der forstår at bruge AI. Og virksomheder, der forstår at anvende AI udkonkurrerer virksomheder, der ikke gør.
Scenarie 2: Mangel på specialister
Forestil dig, du leder en afdeling med højtuddannede, højt specialiserede medarbejdere.
De udfører tilsyn og sagsbehandler og er samfundsvitale. I har sagspukler – og kan godt få tilkendt nogle flere årsværk – men det løser ikke noget, for det er ikke medarbejdere, man sådan lige kan skaffe nogle flere af.
Desværre lever du i den virkelige verden, hvor barsel, sygemelding og jobskifte hører med til helt realistiske hverdagsscenarier.
Du er smerteligt bevidst omv, at arbejdspresset er for højt.
Men der er ikke rigtig opgaver, I bare kan lægge til side og ignorere. Det vil med rette være kritisabelt.
Scenarie 3: Et kontraproduktivt kernesystem
Forestil dig, at jeres kernesystem har adskillige år på bagen.
Det er både bøvlet, svært at navigere i og reelt set en tidsrøver.
Der er mikroskopiske felter til store tekstmængder, og det er almindeligt at copy-paste indholdet af felter over i et dokument for at kunne overskue, hvad der egentlig står.
Der er masser af flettearbejde og Word-filer, der skal processeres på en helt speciel måde.
Der er specialområder, der kræver, at man er mere end almindeligt rutineret – både fagligt og i forhold til at kende de nødvendige workarounds i it-systemet. Et nyt kernesystem er ikke lige på tegnebrættet.
Du er smerteligt bevidst om, at det betyder noget for både produktivitet og kvalitet. På den dårlige måde.
Den gode nyhed
Vi kan pludselig løse rigtig meget, hurtigt, godt og billigt.
Ja, jeg ved det – for ikke så længe siden lød det: Hurtigt, godt, billigt – du kan kun få to ud af tre.
Men det var dengang. I 2025 er det noget, du skal insistere på.
New ways of working handler ikke længere om hjemmearbejde og firedages uger.
Det handler om kvalitetssikring, der når nye højder, produktivitet, vi ikke kan forestille os, aflastning af overbelastede specialister, sikring af compliance på helt nye måder – alt sammen ved hjælp af AI.
Heldigvis behøver man ikke spise en skovsnegl for at komme i gang. AI er tilgængeligt for både store og små virksomheder og organisationer. Nu.
Hvordan kan en AI-strategi så se ud?
Den kan for eksempel lyde af noget i den her retning:
Find en opgave, du gerne vil have løst.
Insister på nu og her-gevinstrealisering. Hold opgavestørrelsen på cirka 500 timer. Sæt i værk.
Gentag om nødvendigt med otte ugers mellemrum, så har du en helt anderledes kapabel organisation om 12 måneder.
Opskrift på AI baseret problemløsning:
- 150 timer: Udvikling af POC, der viser, at opgaven kan løses
- 300 timer: Modning af POC til MVP, man rent faktisk kan anvend
- 50 timer: Dokumentation aht GDPR, godkendelse af arkitektur og så videre.
Tip: Undgå kravspecifikationer. Nedsæt i stedet en gruppe på tre-fem mand, der har henholdsvis domænekendskab (forstår, hvad det er, der skal løses) og implementeringskendskab (eksempelvis kan etablere en vectorbaseret database, forstår agentic flow, kan bygge et interface til en databrønd og så videre).
Hvad er super velegnet til AI-understøttelse?
- Flaskehalsproblemer.
- Frigørelse af specialisttid.
- Aflastning af nøglemedarbejdere.
- Sagsbehandling.
- QA.
- Sikring af compliance.
- Mønstergenkendelse - og afvigelse fra mønstre.
Hvorfor er det vigtigt at kunne etablere en vektorbaseret DB?
Det er det, fordi det er her, vi styrer svarkvaliteten.
Det er vigtigt, at svar baseres på for eksempel vejledninger, lovtekster - og ikke på alt mellem himmel og jord fra internettet og hestenettet.
Den vektorbaserede database indeholder kun de informationer, der er relevante og valide for sagsbehandlingen. En databrønd.
Kommer der en ny vejledning, så tilføjes den med drag & drop til databrønden.
Det er også her, du håndterer “problemer” a la “at der er mange filialer I Gladsaxe og de har forskellige åbningstider” – i stedet for bare at sende et ubrugeligt svar.
Brugerinterfacet er en revolution sammenlignet med det eksisterede kernesystems brugergrænseflade – formularer oprettes on the fly baseret på generativ UI – naturligvis efter specialiserede retningslinjer, så logo og farver respekteres.
Ad-ons til eksisterende kernesystemer
Hvis du er heldig, kan kernesystemet måske udlæse sager til Excel. Og indlæse dem igen.
Det betyder, at der er en vej ind. Skulle der oven i købet være et API, kan det meste klares.
Det kan også være, at meget af det datamateriale, du skal bygge på, er offentligt tilgængeligt: lovgivning, vejledninger, sagsafgørelser, udbudsregler og så videre.
Det er alt sammen oplysninger, der ligger offentligt tilgængelige på forskellige hjemmeside.
Det betyder, at vi med ro i sindet kan anvende oplysningerne og sende dem til behandling via eksempelvis OpenAI.
Kan det hele overlades til maskiner?
Njaaa - det er lige friskt nok at lægge fra kaj på den måde.
Det skal fortsat være mennesker, der for eksempel sagsbehandler.
Det er en helt afgørende præmis for en understøttende løsning, at det fortsat er rutinerede specialister, der eksempelvis læser og – om nødvendigt – tilretter en tilsynsrapports konklusioner.
Der er ikke tale om at erstatte specialister.
Der er tale om at fjerne repetitive irritationsmomenter, om at tilrettelægge en sag, så den er lige til at gå til - og samtidig sikre kvalitet og ensartethed.
Det er eksempelvis naturligt, at sagsbehandlingen overholder nogle præcise retningslinjer for sprogbrug. Den slags er meget lettere med AI end med mennesker.
Det bliver også vanskeligere at komme til at overse noget - for eksempel en ny vejledning - når AI har fundet vurderingsgrundlaget frem. Risikoen for menneskelige fejl reduceres betragteligt.
AI-løsninger handler både om sikring af kvalitet, sikring af rettidighed, og ikke mindst sikring af knappe ressourcer.
Tilbage til bestyrelseslokalet
For at hjælpe med at passe godt på virksomheden / organisationen skal der etableres en fælles grundforståelse af:
- at man kommer langt på literen med AI.
- at udnyttelse af AI ikke er udrulning af Copilot.
- at de børnesygdomme, vi allesammen har hørt om, normalt kan håndteres (det er typisk et spørgsmål om implementering).
- at der er forskel på at anvende ChatGPT ud af boksen med en smart prompt og på at etablere en vektorbaseret database og benytte generativ UI.
- at sikkerhed ligger i ikke at sende alle oplysninger afsted ud i den store verden – rigtig meget kan strippes af inden AI inddrages – og klisters på igen, når vi har fået et svar tilbage. Altså datasikkerhed by design.
- at lægge fra kaj med opgaver der ikke er personfølsomme, klassificerede, hemmelige – men vælge noget af det, der fint kan lade sig gøre. Og leve med at der er opgaver vi lige nu må fravælge at løse AI-baseret på grund af dataindholdet.
Så hvad er pointen?
At rigtig meget rent faktisk kan løses. Hurtigt, godt, biligt.
Det kræver bare, at vi arbejder mere med vectorbaserede databaser og mindre med powerpoints.
Klummer er læsernes platform på Computerworld til at fortælle de bedste historier, og samtidig er det vores meget populære og meget læste forum for videndeling.
Har du en god historie, eller har du specialviden, som du synes trænger til at blive delt?
Læs vores klumme-guidelines og send os din tekst, så kontakter vi dig - måske bliver du en del af vores hurtigt voksende korps af klummeskribenter.