AI som styrke: forskellen på at bruge AI og at bygge på den

Rådet lyder ens i de fleste bestyrelseslokaler i efteråret 2026: vi skal bruge mere AI. Det er det forkerte mål. At bruge AI er ikke en styrke. En styrke er noget, konkurrenterne ikke bare kan købe sig til i morgen, og et ChatGPT-abonnement til hele afdelingen er præcis det, alle kan købe i morgen.

Tallene bag påstanden står i vores eget whitepaper, AI i dansk erhvervsliv 2026: otte ud af ti danske virksomheder bruger AI, men kun hver tiende gør det systematisk. De syv imellem har værktøjerne. De har ikke styrken. Og forskellen på de to grupper er ikke, hvor meget teknologi de har købt.

Hvad vil det sige, at AI er en styrke?

AI er en styrke i en virksomhed, når den sidder i en arbejdsgang med en ejer, et målt udgangspunkt og et resultat, ledelsen kan sætte tal på.

Alt andet er brug. Brug er fint. Brug er der, hvor alle starter, og vi anbefaler aldrig nogen at forbyde det. Men brug flytter sig ikke fra den enkelte medarbejder til virksomheden af sig selv. Sælgeren, der skriver sine tilbud med AI, er blevet hurtigere. Virksomheden er ikke blevet bedre til at sælge. Det bliver den først, når tilbudsprocessen er ændret, når skabelonen er fælles, når prislogikken er bygget ind, og når den næste sælger arver det hele på sin første dag.

Vi ser det samme mønster i de fleste af de analyser, vi laver. Nogen i virksomheden er langt fremme. Som regel en eller to personer, som har fundet ud af det selv. Resten gør, som de plejer. Og ledelsen tror, virksomheden bruger AI, fordi den har set regningen.

Tre spørgsmål, der afslører forskellen

Vi stiller tre spørgsmål, når vi skal finde ud af, om AI er brug eller styrke et sted. De kan stilles på et ledelsesmøde på ti minutter.

• Hvem ejer det? Hvis svaret er en person og ikke en rolle, er det brug. Siger personen op, forsvinder det med hende.
• Hvad var udgangspunktet? Hvis ingen målte, hvor lang tid opgaven tog, før AI kom ind, kan ingen bevise, at noget blev bedre. Så er det en fornemmelse, og fornemmelser overlever ikke et budgetmøde.
• Hvad er tallet? Ikke "vi sparer tid". Et tal. Timer om ugen, dage i gennemsnitlig svartid, fejl pr. hundrede ordrer, kroner pr. sag.

De fleste virksomheder kan svare på det første. Færre på det andet. Næsten ingen på det tredje, og det er ikke, fordi de er dårligt drevet. Det er, fordi ingen fortalte dem, at de skulle måle, før de begyndte.

En grossist med 80 ansatte

Et eksempel, sat sammen af flere forløb vi har været igennem, så ingen kan genkende sig selv.

En grossist i Trekantområdet med 80 ansatte modtager omkring 300 ordrer om dagen. En tredjedel kommer som mail, i fri tekst, med varenumre der er skrevet forkert og mængder, der står i den forkerte enhed. Tre medarbejdere bruger dagen på at taste dem ind i økonomisystemet. To af dem har i et års tid brugt en AI-chat til at rydde op i de værste mails, inden de taster. De er gode til det. De er også de eneste, der kan.

Spørgsmål et: hvem ejer det? De to medarbejdere. Spørgsmål to: udgangspunktet? Ingen havde målt noget. Spørgsmål tre: tallet? Ingen anede det.

Så vi målte. To uger med stopur og en simpel optælling: 14 minutter pr. mailordre i gennemsnit, og 6 procent af dem kom retur fra lageret med en fejl. Det er udgangspunktet. Først derefter blev der bygget noget. En lille løsning, der læser ordremailen, slår varenumrene op i systemet, foreslår en færdig ordrelinje og lægger den til godkendelse hos en medarbejder. Ikke automatisk bogføring. Godkendelse.

Efter otte uger: 4 minutter pr. ordre, og fejlprocenten nede på 2. Tallet, ledelsen kan sige højt, er omkring 1.100 timer om året og en lagerchef, der ikke længere ringer til salg hver formiddag. De tre medarbejdere taster stadig. De taster bare det, der kræver et menneske, og de har overtaget indkøbsopfølgningen, som før lå hos en ekstern konsulent.

Det er forskellen. Før var AI noget, to dygtige mennesker gjorde. Nu er det noget, virksomheden gør, og det ville stadig være der i morgen, selv om begge sagde op i dag.

Hvorfor rækkefølgen afgør det

Den fejl, vi oftest ser, er, at rækkefølgen er vendt om. Først købes teknologien, så findes der en opgave til den, og til sidst spørger nogen, hvad medarbejderne synes. Det er den sikre vej til en pilot, der aldrig kommer i drift.

Vi arbejder efter tre slagmarker, og rækkefølgen er ikke tilfældig. Forretningen først: hvor i driften hober tid og fejl sig op, og hvad er det værd at løse? Teknologien bagefter: hvad er den mindste løsning, der løser netop det, og kan den leve inde i de systemer, I allerede har? Og menneskene med hele vejen, ikke til sidst: hvem skal arbejde anderledes, hvad skal de lære, og hvad får de selv ud af det?

Grossisten fik ikke en AI-strategi på 40 sider. Den fik ét sted i driften, hvor AI blev en styrke, og den fik en målemetode, den kan bruge igen på det næste sted. Det næste sted blev kreditvurderingen af nye kunder. Det tog fire uger, fordi metoden allerede lå der.

En AI-strategi, der ikke kan pege på en konkret arbejdsgang med et målt udgangspunkt, er en indkøbsliste.

Sådan kommer I fra brug til styrke

Hvis I vil vide, hvor jeres egen virksomhed står, er der en kort vej. Skriv listen over de steder, hvor I i dag bruger AI. Stil de tre spørgsmål til hvert punkt. Alt, der falder igennem på spørgsmål to, er en kandidat: dér skal der måles, før der bygges.

Det er nøjagtig det, vores metode er lavet til. Target er en AI-Potentialeanalyse på 30 minutter, gratis og online, hvor vi spørger ind til driften og ikke til teknologien. I får en prioriteret liste over de steder, hvor AI kan blive en styrke hos jer, og et ærligt bud på, om I skal i gang nu. Planen bagefter sætter tal på hvert punkt, før der bruges penge. Piloten måler udgangspunktet først. Og forankringen sørger for, at det stadig virker, når den første begejstring har lagt sig.

Otte ud af ti bruger AI. Det er ikke længere interessant. Det interessante er, om I kan svare på de tre spørgsmål, og hvor mange steder i driften svaret er ja.