Da generativ AI ramte de fleste danske kontorer for to-tre år siden, handlede spørgsmålet om, hvorvidt man overhovedet kunne bruge ChatGPT til noget meningsfuldt. I dag handler det om noget andet. Virksomhederne ved godt, at AI kan noget. Det, mange er i tvivl om, er hvad det næste skridt er, når den første nysgerrighed er overstået, og hvordan man undgår at bygge noget, der enten er overdimensioneret eller står stille efter tre måneder.

Jacob Lynov Mindak fra HverdagsAI har holdt kurser og workshops i hundredvis af danske virksomheder. Han ser et tydeligt mønster: AI udvikler sig i virksomheder i en bestemt rækkefølge. Den rækkefølge kan man både bruge til at se, hvor man selv er, og til at lægge en realistisk plan for det næste halve år.

"Jo længere ned man bevæger sig på den her trappe, jo større bliver gevinsten. Men det er også svært bare at springe et trin over."

De 5 typiske trin i virksomheders AI ”udvikling”

Jacob beskriver fem typiske trin i virksomheders AI-udvikling:

• Trin 1: Brug ChatGPT, Copilot eller Claude. Folk prøver værktøjerne. Nogle medarbejdere finder hurtigt værdi, andre er stadig på sidelinjen.
• Trin 2: Bliv god til at bruge det. Forskellen mellem at have et abonnement og at have kompetence. Det kan tage uger eller måneder, afhængigt af om man øver sig, ser kollegerne over skulderen og sparrer i teams.
• Trin 3: Lav skarpe skabeloner. Det, ChatGPT kalder GPT'er, Copilot kalder agenter, Gemini kalder Gems. Forberedte prompts og baggrundsviden, så man ikke indtaster det samme igen og igen.
• Trin 4: AI-automationer. Lukkede flows hvor AI tager én rolle i en kæde af handlinger. Ikke fuldautonomt. Ikke regelbaseret RPA. Et hybrid-felt med stor værdi for de fleste virksomheder.
• Trin 5: AI-agenter. Systemer der handler mere autonomt, vender tilbage selv og kan have adgang til andre systemer. Få danske virksomheder bør lægge ud her.

"Det jeg betragter som agenter, det er en, der i højere grad kan handle autonomt. Det er en lille andel af virksomhederne, der reelt skal kigge på det nu."

Hvor står de fleste danske virksomheder reelt?

I store virksomheder, der har arbejdet med klassisk maskinlæring i årevis, er generativ AI et nyt lag oven på et eksisterende fundament. I mindre virksomheder er det første gang, "AI" overhovedet er et internt emne. Begge typer har samme grundmønster: medarbejdere er begyndt at bruge ChatGPT eller lignende, og de er klar til næste skridt. Men der opstår to fælder.

Den ene fælde er den meget forsigtige. Jacob ser den især i store virksomheder, offentlige institutioner, kommuner og styrelser:

"Der er meget den her 'cover my ass'. Man vil for guds skyld ikke lave fejl. Det er forståeligt. Men det gør også, at der bliver sagt nej oftere end nej godt er, og man udnytter ikke det potentiale, der ligger der."

Den anden fælde er den modsatte. Mindre, hurtige virksomheder, der bygger først og spørger bagefter:

"Vi skal næsten have bygget tingene, før vi overhovedet har overvejet om det er den rigtige løsning. Vi er fortalere for AI, men det er ikke altid det rigtige værktøj. Nogle gange er klassisk automation eller RPA bedre."

Hvor det går galt mellem trinnene

Det første sted, virksomheder typisk taber tempo, er i overgangen fra trin 2 til trin 3. Medarbejderne bruger ChatGPT, men de bygger ikke skabeloner. Hver gang skal de starte forfra. Ofte fordi de ikke har adgang til virksomhedens egne data inde i værktøjet, og fordi de ikke sparrer med kollegerne i deres eget team.

"En af de klart vigtigste ting, det er, at folk i deres team sparrer og siger konkrete ting, hvor de selv har brugt det. Så er der lige pludselig en meget større gevinst at hente, end at det er på et generelt plan."

Det andet sted handler om data. Hvis man ikke kan få lavet en integration, så AI kan søge i de informationer, virksomheden allerede har samlet, bliver der for meget copy-paste, og motivationen forsvinder.

Det tredje sted er placeringen af ansvaret. AI ender ofte på IT-afdelingens bord, fordi det skal være det af compliance-hensyn. Men det er ikke nok.

"IT-afdelingen har bare en masse opgaver i forvejen. Det er ikke fordi de er imod. Det er fordi der ikke er luft. Og hvis det kun er IT, der ejer det, fungerer det ikke. Det skal komme nedefra fra dem, der sidder med flaskehalsene. Og så skal der være opbakning oppefra."

Det trin de fleste skal koncentrere sig om

Når Jacob skal pege på det trin, hvor der ligger mest umiddelbar værdi for typiske danske virksomheder, er det ikke trin 5. Det er trin 4: AI-automationer.

"Der er rigtig mange, der overvejer at springe direkte fra skabeloner til agenter. I langt de fleste virksomheder er der en kæmpe mulighed for at kigge på det jeg vil kalde AI-automationer. Det er lidt mere lukkede flows. Du får glæde af AI, men du har stadigvæk kontrol."

Det klassiske eksempel, han bruger i undervisningen, er info-mailen. Tidligere måtte man bygge stive regler op, hvor man kiggede på ord i emnefeltet og håbede på det bedste. Det krævede så mange regler, at det ikke kunne betale sig at vedligeholde. Med en AI-automation kan man i stedet beskrive opgaven i ord: hvis mailen handler om salg, sendes den til Søren. Hvis den handler om fakturaer, sendes den til Carsten. Hvis modellen er i tvivl, bliver mailen liggende.

Gevinsten er ikke kun tid. Den er også bedre kundeservice, fordi en supportmail ikke længere ligger og venter en eller to dage, før den bliver videresendt til den rigtige person.

Det trin, der koster mest at undervurdere

Det er fristende at gå direkte fra trin 3 til trin 5. AI-agenter fylder i medierne, og demonstrationerne ser overbevisende ud. Jacob har selv en personlig agent, han tester med 5.000 kr. i månedligt budget på et separat betalingskort, så han kan se hvor det går galt, før han anbefaler det videre.

"Det er en begrænset mængde virksomheder, der reelt skal i gang med agenter nu. Vi er selv først nu ved reelt at rulle ud hos enkelte kunder. Men for de fleste er der masser af værdi at hente i AI-automation."

Pointen er ikke, at agenter er forkerte. Pointen er, at de fleste danske virksomheder vil få mere ud af et halvt år med skabeloner, automationer og lidt bedre integrationer, end de vil få ud af at sætte en autonom agent op uden et grundlag.

AI Act og kompetencekravet, kort

Jacob trækker en parallel til GDPR: ikke gå i panik, men man kan ikke ignorere det. Kravet om "tilstrækkelig AI-kompetence" er bevidst bredt formuleret, og det betyder noget forskelligt, alt efter om man bruger ChatGPT i administrationen eller har bygget AI ind i sit hovedprodukt.

For de fleste danske SMV'er er bundlinjen, at de medarbejdere, der bruger AI, skal have set, hvad der kan gå galt, hvor faldgruberne ligger, og hvordan modellerne reagerer. Det kan dækkes af et internt eller eksternt kursus, ikke nødvendigvis et juridisk apparat. Officielle ressourcer som Digitaliseringsstyrelsens guide til generativ AI og EU AI Act Service Desks tidslinje er gode startpunkter for ledelsen.

En realistisk plan: et halvår, ikke 90 dage

Når Jacob bliver bedt om en 30-60-90-dages plan, trækker han på skuldrene.

"Det kan godt lade sig gøre, men i virkeligheden ender vi oftere med et halvt år. Nogle gange et helt år. Folk overvurderer, hvad de kan nå på et par dage, og undervurderer, hvad de kan nå på et halvt år."

Den realistiske plan han beskriver, har tre faser:

• Fase 1, grundniveau: Få et fælles vidensniveau på plads via kursus eller intern træning. Lad medarbejderne bruge værktøjerne og pege på opgaver, der er gentagende eller irriterende.
• Fase 2, kortlægning: Workshop hvor man tegner konkrete flows op, kigger på hvilke data, der findes, og finder ud af, hvad det vil koste at bygge. Udpeg en eller flere "champions", som driver det internt. Få ledelsesmandat og budget på plads.
• Fase 3, byg og forankr: Byg den første automation eller agent i tæt samspil med de medarbejdere, der ejer opgaven. Lær dem at justere det, der skal justeres. Lad nye idéer dukke op naturligt.

Mandag morgen-tjek

• Ved I, hvilket trin jeres virksomhed står på lige nu?
• Har de medarbejdere, der sidder med flaskehalsene, brugt værktøjerne nok til at kunne pege på reelle use cases?
• Er der adgang til de data, AI har brug for, eller står medarbejderne og copy-paster?
• Sparrer teams konkret om, hvad de bruger AI til, eller bliver det hos den enkelte?
• Har ledelsen sat budget af, eller ligger ansvaret hos IT-afdelingen alene?
• Har I en AI-grundviden, i forhold til hvad der kan gå galt med AI, så I lever op til AI Acts kompetencekrav?
• Har I en plan, der dækker det næste halve år, ikke kun de næste 30 dage?

Det vigtigste budskab er ikke, at AI vil ændre alt i morgen. Det er, at der i langt de fleste danske virksomheder findes mindst én konkret arbejdsgang, som AI vil kunne tjene sig hjem på inden for et år, hvis man identificerer den ordentligt og bygger den i et lukket flow. Det kræver tid. Det kræver, at idéerne kommer fra dem, der sidder med opgaverne. Og det kræver, at ledelsen bakker op.

" Lad være med at stresse, så tingene bliver gjort ordentligt. Men tag det seriøst og udskyd ikke overvejelserne 3-4 måneder. "