AI strategi for virksomheder: fra test til målbare resultater

Kort svar: en AI strategi for en virksomhed handler ikke om at vælge værktøjer, men om at vælge hvilke arbejdsgange der skal ændres, og måle hvad det giver. De virksomheder, der får mest ud af AI, bygger arbejdsgangene om, starter der hvor gevinsten kommer hurtigst, og har en klar ejer i ledelsen. Strategien skal blot svare på hvad, hvorfor, hvem og hvordan I måler, at det virker.

Status: mange bruger AI, få måler effekten

Danske virksomheder bruger mere AI end nogen andre i EU, men brug er ikke det samme som effekt. Ifølge Eurostat brugte 42 % af de danske virksomheder med mindst ti ansatte AI i 2025. Det var den højeste andel i EU, foran Finland og Sverige, og den største stigning fra året før (Eurostat). I 2026 er tallet steget yderligere. Danmarks Statistik opgør, at 88 % af virksomhederne med over 250 ansatte og 55 % af virksomhederne med 10 til 49 ansatte bruger mindst én type teknologi baseret på kunstig intelligens. Mest udbredt er det i it og medier, hvor 89 % bruger AI (Danmarks Statistik).

At bruge AI er dog ikke det samme som at få noget ud af det. En meget omtalt rapport fra MIT fandt, at 95 % af de undersøgte organisationer ikke havde fået et målbart afkast af deres satsninger på generativ AI. Undersøgelsen er lille og er blevet kritiseret, men forklaringen er værd at tage med: værktøjerne lærer ikke af, hvordan de bliver brugt, og bliver sjældent koblet ind i de rigtige arbejdsgange. Løsninger købt hos eksterne partnere lykkedes cirka dobbelt så ofte som dem, virksomhederne byggede selv (The Register).

Pointen er enkel. Når de fleste allerede har adgang til ChatGPT eller Copilot, er det ikke adgangen, der skiller vinderne fra resten. Det er, om nogen har besluttet, hvilke opgaver der skal løses anderledes, og om nogen måler det.

AI strategi i syv trin

En AI strategi kan bygges i syv trin, der går fra forretningsmål til måling og skalering.

1. Tag udgangspunkt i forretningsmålene. Hvad skal blive bedre: kortere leveringstid, flere tilbud, lavere omkostning pr. ordre, mere tilfredse kunder? AI er et middel, ikke et mål.
2. Kortlæg arbejdsgangene. List de opgaver, der er gentagne, regelstyrede eller tekstpræget: fakturaer, tilbud, kundehenvendelser, rapporter og dataoverførsel mellem systemer.
3. Prioritér efter værdi og gennemførlighed. Vælg tre til fem arbejdsgange, hvor gevinsten er tydelig, og hvor data findes. Gem de svære til senere.
4. Byg processen om, ikke kun værktøjet. Spørg, hvordan arbejdet ville se ud, hvis det blev bygget i dag, ikke hvor I kan klistre en AI-funktion på. Det er den vigtigste forskel på dem, der lykkes, og dem, der ikke gør.
5. Beslut om I vil købe, koble eller bygge. Færdige værktøjer til det generelle, koblinger mellem eksisterende systemer til det meste, og egenudvikling kun hvor I har helt særlige behov.
6. Sæt rammer. Hvilke data må bruges, hvem kontrollerer resultaterne, og hvordan håndteres personoplysninger? En ramme som NIST's risikoramme for AI med de fire dele styre, kortlægge, måle og håndtere kan være en hjælp (NIST).
7. Mål, lær og skalér. Mål tid og omkostning før og efter. Det, der virker, rulles ud. Det, der ikke gør, lukkes.

Sådan kører I en AI workshop

En AI workshop er den hurtigste vej fra "vi burde gøre noget med AI" til en konkret plan. Den behøver ikke tage mere end en halv eller hel dag, men de rigtige mennesker skal være med: en fra ledelsen, der kan træffe beslutninger, og dem, der faktisk udfører arbejdet.

1. Før workshoppen: bed hver afdeling skrive de ti opgaver ned, der tager mest tid, og hvor ofte de gentages.
2. Kortlæg: gennemgå listerne og marker, hvad der er gentaget, regelbaseret eller kræver meget tekst.
3. Prioritér: placér opgaverne i et skema med værdi på den ene akse og hvor nemt det er på den anden. Vælg de tre til fem bedste.
4. Afklar data og systemer: hvor ligger de data, opgaven kræver, og kan systemerne tale sammen?
5. Aftal ejer og måling: hvem har ansvaret for hvert projekt, og hvad måler I på?

Resultatet er en kort liste med prioriterede projekter, en ejer for hvert og et nulpunkt at måle fra. Det er reelt kernen i en AI strategi.

Fra pilot til AI implementering

AI implementering lykkes, når I fra starten aftaler, hvad en pilot skal bevise, før den rulles ud i drift. Mange virksomheder sidder ellers fast mellem den vellykkede test og den egentlige implementering: testen virkede for én medarbejder, men den blev aldrig en del af den daglige drift. Aftal derfor konkrete mål: hvilken tidsbesparelse, hvilken fejlrate og hvilket budget.

For de fleste små og mellemstore virksomheder ligger den hurtigste gevinst i administrationen og i koblingerne mellem systemer, ikke i avancerede AI-projekter. Når arbejdsgangene går på tværs af flere systemer, er systemintegration ofte fundamentet. Skal AI løse hele opgaver på egen hånd, er næste skridt en AI-agent. Vil I have AI til at svare ud fra jeres egne dokumenter, kan I læse om RAG og AI på egne data, og om automatisering med n8n.

AI-forordningen i Danmark

For de fleste danske virksomheder betyder AI-forordningen først og fremmest krav om AI-færdigheder og gennemsigtighed. EU's AI-forordning inddeler AI i fire risikoniveauer: uacceptabel risiko (forbudt), høj risiko, krav om gennemsigtighed og minimal risiko. Det meste, virksomheder bruger AI til, som tekster, analyse og automatisering af administration, ligger på de laveste niveauer. Chatbots skal gøre det klart, at man taler med en AI, og systemer til fx rekruttering eller uddannelse regnes som høj risiko. Forbuddene og kravet om AI-færdigheder har gældt siden 2. februar 2025. I 2026 blev flere frister udskudt, så reglerne for højrisikosystemer først gælder fra 2. december 2027 (Europa-Kommissionen).

Kravet om AI-færdigheder gælder uanset risikoniveau. Virksomheder, der bruger AI-systemer, skal sikre, at medarbejderne har et tilstrækkeligt niveau af AI-færdigheder, men forordningen beskriver ikke konkret, hvordan det skal gøres (Digitaliseringsstyrelsen). I Danmark supplerer lov nr. 467 af 14. maj 2025 forordningen (Retsinformation). Digitaliseringsstyrelsen er national koordinerende myndighed og fører sammen med Datatilsynet og Domstolsstyrelsen tilsyn med de forbudte former for AI (Digitaliseringsstyrelsen).

GDPR gælder også. Datatilsynet har set flere brud på persondatasikkerheden, hvor medarbejdere har brugt persondata fra arbejdet som input i AI-værktøjer, uden at arbejdspladsen vidste det, og anbefaler klare retningslinjer for brugen (Datatilsynet). Bruger I AI til at træffe beslutninger om mennesker, fx ved ansættelser, bør I få juridisk rådgivning.

Hjælp og uddannelse i Danmark

Der findes både tilskud, gratis vejledning og gratis kurser til danske virksomheder, der vil i gang med AI.

• SMV:Digital drives af Erhvervshusene i samarbejde med Digitaliseringsstyrelsen og giver tilskud til rådgivning om digitalisering. Ifølge ordningens side åbner en pulje med rådgivertilskud til digitalisering 9. november 2026 med op til 100.000 kr. Tjek de aktuelle betingelser, før I planlægger efter det (SMV:Digital).
• Den regulatoriske sandkasse for AI drives af Datatilsynet og Digitaliseringsstyrelsen. Her kan virksomheder få gratis adgang til ekspertise og vejledning om GDPR og risikoklassificering efter AI-forordningen (Datatilsynet).
• Elements of AI er et gratis onlinekursus fra Helsinki Universitet og MinnaLearn, som findes på dansk. Det egner sig som fælles grundlag for hele personalet og som en del af arbejdet med AI-færdigheder (Elements of AI).

Typiske fejl

De fleste AI-projekter fejler af organisatoriske grunde, ikke tekniske.

• At starte med værktøjet. En licens til alle uden en plan giver spredt brug og ingen målbar effekt.
• Pilotprojekter uden vej til drift. Beslut fra starten, hvad der skal til, før en test rulles ud.
• Ingen ejer. AI, der er alles ansvar, bliver ingens.
• Ingen måling før start. Uden et nulpunkt kan I ikke vise, hvad AI gav.
• At glemme menneskerne. Uddannelse og klare retningslinjer afgør, om værktøjerne bliver brugt, og det er også et krav.