Mange organisationer begynder deres AI-rejse i den forkerte ende. De køber licenser, inviterer til et inspirationsoplæg og håber, at gevinsterne opstår af sig selv. Resultatet bliver ofte en lille gruppe superbrugere, en stor gruppe skeptikere og en ukendt mængde »shadow AI«, hvor medarbejdere bruger private værktøjer uden fælles regler.

En bedre begyndelse er at behandle AI som en ny arbejdspraksis - ikke som et nyt tekstprogram.

Start med opgaven, ikke modellen

En sprogmodel (LLM) er særlig stærk, når arbejdet handler om sprog, struktur, sammenfatning, variation, idéudvikling eller transformation mellem formater. For en administrator kan det være at:

• omdanne stikord til et første udkast,
• sammenfatte et langt dokument,
• skabe en dagsorden ud fra tidligere referater,
• klassificere henvendelser,
• sammenligne to politikker,
• omskrive en tekst til forskellige målgrupper,
• formulere kontrolspørgsmål til en sag.

For en leder kan det være at:

• forberede vanskelige samtaler,
• undersøge flere mulige forklaringer på et problem,
• skabe scenarier før en beslutning,
• få kritik af et oplæg,
• analysere mønstre i anonymiserede tilbagemeldinger,
• oversætte strategi til konkrete handlinger.

Det afgørende er at vælge opgaver, hvor et første udkast har værdi, og hvor et menneske kan vurdere kvaliteten. Begynd ikke med automatiske afgørelser, personalesager, helbredsoplysninger eller andre opgaver med stor konsekvens.

AI er en sandsynlighedsmaskine - ikke en sandhedsmaskine

En sprogmodel producerer et sandsynligt svar ud fra instruktioner og kontekst. Den kan være velformuleret og samtidig tage fejl. Harvard-forskere beskriver derfor en »ujævn teknologisk grænse«: AI kan løse nogle tilsyneladende svære opgaver fremragende, mens den fejler på andre, som ser næsten ens ud.

Det forklarer, hvorfor blind tillid er farlig. Brugeren skal kunne afgøre:

• Hvad må modellen gøre?
• Hvilke data må den se?
• Hvordan kontrolleres svaret?
• Hvem har ansvaret for den endelige handling?

En enkel 30-dages indføring

Uge 1: Kortlæg arbejdet. Hver deltager registrerer fem gentagne opgaver, tidsforbruget og den typiske kvalitetsudfordring. Vælg én lavrisikoopgave.

Uge 2: Eksperimentér kontrolleret. Udfør samme opgave både med og uden AI. Gem prompt, output, rettelser og tidsforbrug. Indsæt ikke fortrolige eller personhenførbare oplysninger.

Uge 3: Standardisér. Gør den bedste fremgangsmåde til en skabelon med formål, input, regler, outputformat og kontrolpunkter.

Uge 4: Del og beslut. Sammenlign resultater. Hvad blev hurtigere? Hvad blev bedre? Hvor opstod nye fejl? Beslut, om arbejdsgangen skal stoppes, justeres eller godkendes.

Ledelsens første fem regler

• Brug kun tjenester, som organisationen har vurderet og godkendt.
• Indsæt ikke følsomme eller fortrolige oplysninger uden dokumenteret grundlag og korrekt opsætning.
• Betragt output som et udkast, indtil et kompetent menneske har kontrolleret det.
• Kontrollér faktuelle påstande mod originale kilder.
• Bevar en tydelig menneskelig beslutningsejer.

Forskningsmæssigt perspektiv

Studier viser et reelt produktivitetspotentiale, men ikke en universel gevinst. I et studie af kundeservicemedarbejdere steg produktiviteten gennemsnitligt omkring 14 procent, med særlig stor effekt for mindre erfarne medarbejdere. I et kontrolleret forsøg med skriveopgaver faldt tidsforbruget omkring 40 procent, mens kvaliteten steg omkring 18 procent. Gevinsten opstår imidlertid ikke blot ved adgang. Den kræver en passende opgave, en kompetent bruger og en arbejdsgang med kontrol.

Gevinsten opstår ikke blot ved adgang til AI. Den kræver en passende opgave, en kompetent bruger og en arbejdsgang med kontrol.