Der­for fejl­er top­sty­re­de AI-stra­te­gi­er – og så­dan ska­ber me­d­ar­bej­der­ne re­sul­ta­ter

En gang om måneden giver forskere på Copenhagen Business School Børsens læsere et aktuelt og forskningsbaseret perspektiv på de udfordringer, ledere står med. 

Denne gang peger lektor Christian Hendriksen fra Institut for Produktion og Erhvervsøkonomi på, hvilke skridt ledelser kan tage for at lykkes med at realisere værdien af AI.

I hele verden prøver topchefer at hitte hoved og hale i, hvordan man bruger generativ AI og sprogmodeller. Nogen har måske læst rapporter om potentialet eller hyret konsulenter til at pege på brugsscenarier. 

Men når ledelsen trykker på den store knap, køber Copilot til Microsoft 365 til alle og forventer klare gevinster, bliver de ofte skuffede. Forklaringen er enkel: Det er medarbejderne – ikke topledelsen – der ved, hvordan teknologien giver værdi i praksis. Derfor rammer topstyrede projekter ofte ved siden af.

Som forsker og underviser taler jeg jævnligt med ansatte i virksomheder, kommuner og staten, som fortæller, at de bruger Chat GPT på en privat konto til arbejdsopgaver. 

De kigger til højre og venstre, sænker stemmen og siger det samme: De bruger det allerede – fordi det virker. Og de gør det for at løse rigtige opgaver hurtigere og bedre, ikke for at imponere nogen med en demo.

Men mange tør ikke dele det med deres chef – af frygt for ballade eller fordi der ikke er plads til åben vidensdeling. Samtidig venter chefer på, at medarbejderne “kommer med use-cases”. Uden åbenhed, klare rammer og frirum til at afprøve de bedste sprogmodeller står alt stille.

Brugerne er eksperterne

Sprogmodeller er en “general‑purpose”-teknologi: De kan bruges til meget, men gevinsterne opstår først, når fagligheden får fingrene i værktøjet. 

En leder, der prompter i en halv time, har ikke samme forudsætninger som medarbejderen i salget, der bruger den bedste model flere timer om dagen. Uden reelle eksperimenter – og accept af at brugerne er eksperterne – rammer store AI‑initiativer ved siden af.

Det er en udfordring for både dem, der vil ud over stepperne, og dem, der vil vente og se.

Tre bud

For det første: Giv dine medarbejdere plads, tillid og ressourcer til at eksperimentere med de bedste modeller tæt på deres rigtige opgaver og ikke i en lukket testsandkasse eller med sidste års version af den gratis version af Copilot. Hvis Jytte fra marketing skal forstå teknologien, skal hun have adgang til det bedste. Det er billigt: Topmodeller koster omtrent 25 dollar om måneden. 

Sæt samtidig tydelige retningslinjer for data: Hvad må lægges ind i hvilke værktøjer, og hvad er no‑go? Lav f.eks. en positivliste med dokumenter, som man altid gerne må give chatbotten så medarbejderne altid ved, at de er på sikker grund inden for den ramme. Hvis man slet ikke må bruge rigtige data, lærer ingen noget – og Jytte når ingen vegne. 

For det andet: Skab et åbent læringsrum. Hold korte demomøder, hvor medarbejdere viser konkrete opgaver, de løser bedre, hurtigere eller mere sikkert med AI. Gør de stærkeste eksempler til fælles skabeloner og små procesændringer, så erfaring bliver til drift – og lad ledelsen lytte.

For det tredje: Brug redskaberne selv. Kalenderen er fuld, men når ledere arbejder med de samme modeller, stiger kvaliteten af spørgsmål, prioriteringer og forventninger. Du forstår medarbejdernes bekymringer og drømme, og du kan som leder bedre vurdere, hvilke idéer der er klar til drift, og hvor data eller systemer halter. Det handler ikke om at læse en konsulentrapport eller en stak Powerpoints, men om at få teknologien ind under fingrene.

Det sidste er afgørende: Hvis du tænker, “jeg har ikke tid til at eksperimentere”, tænker medarbejderne sandsynligvis det samme. 

Kig indad: Har vi tid og ressourcer til at prøve nyt og dele viden? Er der rum til, at nogen går et skridt foran og tester, om den nyeste model i Chat GPT kan løfte en kompleks opgave? Hvis svaret er nej, er den første opgave at skabe den tid og det rum.

Byg AI med tålmodighed

“General‑purpose”-teknologier tager tid at slå igennem. Det tog næsten 35 år fra Edisons første kabel i New York, til at elektriske motorer fortrængte dampen i halvdelen af de amerikanske fabrikker. Noget lignende sker nu – muligvis hurtigere – med generativ AI. 

Det kræver tålmodighed, men også tempo i læringen. Pointen er den samme: De store produktivitetsgevinster kommer først, når man organiserer arbejdet omkring teknologien og ændrer processer, systemer og rutiner. Det sker ikke med et seks måneders “Copilot‑projekt”.

Start konkret: Giv et afgrænset team adgang til de bedste modeller med klare dataregler, etabler en fast kadence for vidensdeling. Lad medarbejderne lege med teknologien rodfæstet i deres faglighed og viden omkring deres eget arbejde. Og lad deres erfaringer danne grundlag for virksomhedens AI-strategi.