!En medarbejder analyserer grafer og data på et AI adoption dashboard
Ifølge McKinseys forskning bruger under 30 procent af medarbejdere nye AI-værktøjer aktivt tre måneder efter, de har fået adgang. Mange ledere ruller systemer ud og satser på, at folk automatisk begynder at bruge dem. Det gør de ikke. For at opnå reel succes skal du aktivt måle AI-adoption med specifikke dashboards, der går fra mavefornemmelser til datadrevet implementering. Som en del af et komplet implementeringsforløb. Denne vinkel bygger direkte på fundamentet fra vores overordnede tilgang til Adfærdsændring og AI-implementering i Organisationer. Her får du de konkrete værktøjer til at omsætte licenser til varige vaner.
Hovedpointer:
- Et højt antal licenser er ikke en succeskriterium. Det er det faktiske brugerniveau i hverdagen, der skaber resultater.
- De rette adoption metrics kombinerer hårde systemdata med bløde tilbagemeldinger fra medarbejderne.
- Psykologisk tryghed og fast opfølgning er afgørende for en præcis AI-adfærdsanalyse.
Indholdsfortegnelse
- Hvorfor teknisk udrulning ikke er nok
- De vigtigste adoption metrics
- Værktøjer og AI dashboards der giver overblik
- Kvalitativ måling af adfærdsændringer
- Det vigtigste at huske
- Ofte stillede spørgsmål (FAQ)
Hvorfor teknisk udrulning ikke er nok
Der er en stor forskel på at have adgang til en teknologi og at integrere den i det daglige arbejde. Hvis medarbejderne ikke forstår værktøjets konkrete relevans for deres egne opgaver, falder brugen lynhurtigt. Og du vil ikke opdage det, før pengene er spildt.
Du skal vide, hvem der logger ind, hvad de bruger systemerne til, og hvornår de falder fra. Uden disse data famler du i blinde. Med dem får du et præcist kort over, hvor du skal sætte ind med mere undervisning, og hvor du allerede høster gevinsterne. Vil du styre denne proces sikkert i land, kan du hente yderligere inspiration i Lederens rolle i AI-transformationen.
De vigtigste adoption metrics
En effektiv måling kræver, at du kigger på de rigtige tal. At tælle logins er ikke tilstrækkeligt. Du skal analysere kvaliteten af interaktionerne.
Aktive brugere versus passive brugere
Differentier mellem dem, der har åbnet programmet én gang, og dem der bruger det dagligt. Hent brugerdata fra dit dashboard og opbyg denne tabel:
| Måned | Licenser udstedt | Loggede ind mindst én gang | Brugte det mindst 3 dage/uge | Daglige aktive brugere |
|---|---|---|---|---|
| Januar | 120 | 98 | 41 | 18 |
| Februar | 120 | 102 | 59 | 34 |
| Marts | 120 | 105 | 78 | 51 |
Forskellen mellem "Loggede ind mindst én gang" og "Brugte det mindst 3 dage/uge" er dit adoptionsgab. Det er her indsatsen skal sættes ind.
Tommelfingerregel: Hvis færre end 40 procent af licensindehaverne bruger værktøjet mindst tre gange om ugen efter to måneder, er der et konkret problem med enten undervisning, relevans eller tryghed. ikke med teknologien.
Kompleksiteten i opgaverne
Det er ikke nok at vide, at folk bruger det. Du skal vide, hvad de bruger det til. Opdel brugen i tre niveauer:
Niveau 1 – Basal brug: Korte tekstopgaver, simple opsummeringer, stavecheck. Lav indsats, lav gevinst.
Niveau 2 – Procesunderstøttelse: Mødeopsummeringer, udkast til rapporter, svar på HR-spørgsmål, søgning i interne dokumenter. Moderat indsats, tydelig tidsbesparelse.
Niveau 3 – Strategisk integration: Analyse af datasæt, automatisering af gentagne arbejdsgange, integration på tværs af systemer. Høj indsats, høj organisatorisk gevinst.
En sund adoption efter seks måneder: Flertallet er i niveau 2, en mindre gruppe er i niveau 3. Sidder alle stadig på niveau 1 efter fire måneder, er det et signal om, at træning og use cases ikke er konkrete nok.
Kortlæg det med to spørgsmål én gang om måneden:
- Hvad er den seneste opgave, du løste med AI-værktøjet?
- Ville du have kunnet løse den på samme tid uden?
Svarene fortæller dig mere om kompleksitetsniveauet end noget dashboard kan.
Frigivet tid til kerneopgaver
Microsoft Copilot Dashboard beregner estimeret sparet tid baseret på faktiske interaktioner. Men det er kun et estimat. Og det måler ikke, hvad den sparede tid bruges på. Stil derfor dette spørgsmål på et fast månedligt møde:
"Nævn én konkret opgave, der tog dig mere end 30 minutter tidligere, som du nu løser hurtigere med AI. Og hvad brugte du den sparede tid på?"
Det andet led er det vigtige. Frigivet tid der absorberes af møder eller e-mail skaber ikke reel organisatorisk gevinst. Frigivet tid brugt på strategi, kunderelationer eller komplekse problemstillinger er det faktiske mål.
Værktøjer og AI dashboards der giver overblik
Microsoft Copilot Dashboard (Viva Insights)
Hvem det er til: Organisationer med Microsoft 365 Copilot-licenser.
Hvad du faktisk kan se:
- Antal aktive Copilot-brugere opdelt på app (Word, Teams, Outlook, Excel, PowerPoint)
- Estimeret sparet tid pr. bruger pr. uge, beregnet på baggrund af faktiske interaktioner
- Hvilke funktioner der bruges mest (fx mødeopsummeringer i Teams vs. tekstgenerering i Word)
- Adoptionsudvikling over tid med mulighed for at sammenligne afdelinger
Hvad du ikke kan se: Indholdet af den enkelte medarbejders prompts eller dokumenter. Dataene er aggregerede og GDPR-kompatible.
Sådan tilgår du det: Microsoft 365 Admin Center → Viva Insights → Copilot Dashboard. Du skal have rollen som Global Administrator eller Insights Administrator.
En konkret handling: Filtrer på den afdeling med lavest aktivitet. Se hvilken app der slet ikke bruges. Det er din første samtale på næste ledermøde.
Google Workspace: Activity Dashboard og Work Insights
Hvem det er til: Organisationer der bruger Google Workspace med Gemini-integration.
Hvad du faktisk kan se:
- Brugsfrekvens for Gemini i Gmail, Docs og Meet
- Aktivitetsoversigt pr. afdeling eller team
- Trendvisning over tid
Adgang: Google Workspace Admin Console → Reports → Work Insights. Kræver enterprise-abonnement for de fulde analysefunktioner.
Power BI med tilpassede adoption-dashboards
Hvem det er til: Organisationer der allerede bruger Power BI og ønsker at samle data fra flere systemer i ét dashboard.
Hvad du faktisk kan bygge:
- Et samlet adoptionsdashboard der trækker data fra Microsoft 365, HR-systemet og evt. jeres interne ticket-system
- Visualisering af korrelationen mellem træningsaktivitet og brugsfrekvens
- Automatiske advarsler når adoptionen falder under en defineret tærskel i en given afdeling
Microsoft har udgivet en offentlig skabelon specifikt til Copilot-adoption. Søg efter "Microsoft Copilot Adoption Power BI Template" på Microsoft Learn. Giver først mening, når I tracker mere end ét AI-system, eller når ledelsen ønsker system-data og HR-data i samme view.
Internt survey-tool: Forms eller Typeform
Hvad du kan måle, som intet platform-dashboard kan:
- Oplevet nyttighed versus faktisk brug
- Specifikke barrierer (manglende viden, sikkerhedsbekymringer, irrelevante use cases)
- Medarbejdernes selvvurderede kompetenceniveau
Send denne undersøgelse én gang om måneden. maks. fem minutter:
- Hvor mange gange brugte du AI-værktøjet i løbet af den seneste uge? (0 / 1-2 / 3-5 / Mere end 5)
- Hvilken type opgave brugte du det til sidst? (Åbent felt)
- På en skala fra 1-5: Føler du dig tryg ved at bruge AI-værktøjet til opgaver, der involverer interne data?
- Hvad er den største barriere for, at du bruger det mere? (Åbent felt)
- Har du brug for mere træning? Hvis ja, i hvad? (Åbent felt)
Analyser spørgsmål 3 og 4 først. De fortæller dig, om problemet er teknisk, kulturelt eller uddannelsesmæssigt.
Kvalitativ måling af adfærdsændringer
Systemdata giver dig tal, men mennesker giver dig kontekst. Et dashboard kan vise at brugen falder. Et møde fortæller dig hvorfor.
Integrer evalueringen i jeres faste møder. Ikke nye processer. Brug de fora I allerede har.
Et konkret eksempel: En HR-chef i en mellemstor virksomhed i Odense skulle onboarde 12 nye medarbejdere på tre måneder. Hun målte succes på, om alle 12 havde oprettet login. Alt så grønt ud. Men en struktureret adfærdsanalyse baseret på dialog afslørede, at næsten ingen brugte systemet til at slå op i komplekse personalepolitikker. På et ordinært onsdagsmøde fandt hun ud af, at medarbejderne var bange for at dele fortrolige oplysninger. En kort afklaring af virksomhedens datasikkerhedspolitik løste problemet på stedet. Brugen steg markant dagen efter.
Tilføj disse to punkter til jeres eksisterende mødestruktur:
Punkt 1 (5 minutter): Én person deler en konkret opgave de løste hurtigere med AI denne uge.
Punkt 2 (5 minutter): Én person nævner noget, der ikke virkede eller virkede forvirrende.
Ti minutter om ugen. Over et kvartal giver det dig mere brugbar indsigt end noget dashboard alene.
Det vigtigste at huske
- Mål aktivitet, ikke licenser: Det har ingen værdi at købe adgang, hvis under en tredjedel bruger det efter tre måneder.
- Brug specialiserede dashboards: Microsoft Copilot Dashboard giver dig sparet tid og brug på tværs af afdelinger. Filtreret ned på app-niveau.
- Fokusér på tryghed: Måling handler ikke om overvågning. Det handler om at finde ud af, hvor medarbejderne har brug for støtte til at fjerne jobangst og modstand.
- Kombinér data og dialog: Et dashboard viser at brugen falder. Et statusmøde fortæller dig hvorfor.
Ofte stillede spørgsmål (FAQ)
Hvilke dashboards kan vi bruge til at spore AI-adoption i Microsoft 365?
Hvis I har Copilot-licenser, er Microsoft Copilot Dashboard det primære værktøj, tilgængeligt via Viva Insights i Microsoft 365 Admin Center. Det giver indsigt i aktive brugere, estimeret sparet tid og brug på tværs af Word, Teams og Outlook. Derudover kan I bygge et tilpasset Power BI-dashboard med Microsofts offentligt tilgængelige skabelon til Copilot-adoption.
Hvad er forskellen på AI-adoption og AI-brug?
AI-brug er sporadisk anvendelse af et system. AI-adoption betyder, at teknologien er blevet en fast del af arbejdsgangene, der konsekvent skaber værdi. Det konkrete mål er at flytte brugere fra niveau 1 (basal brug) til niveau 2 og 3 (procesunderstøttelse og strategisk integration).
Kan vi måle effekten uden at overvåge den enkelte medarbejder?
Ja. Enterprise-dashboards fra både Microsoft og Google samler data på afdelings- eller organisationsniveau. Indholdet af individuelle prompts eller dokumenter er aldrig synligt for administratoren. Dataene er GDPR-kompatible.
Hvor ofte bør vi måle?
Systemdata fra dashboards: månedligt. Den kvantitative survey: månedligt. Den kvalitative dialog i møder: ugentligt, ti minutter. En samlet kvartalsevaluering, hvor alle tre datakilder kombineres, giver det bedste grundlag for strategiske beslutninger om træning og ressourcer.
Det praktiske næste skridt er at åbne det dashboard, I allerede har adgang til, identificere de tre afdelinger med lavest aktivitet og tage emnet op på næste ordinære møde. Ikke som en evaluering, men som en samtale om, hvad der gør arbejdet lettere.
Ofte stillede spørgsmål
Bruno Poulsen er partner i Poulsen & Vinding, et konsulenthus der hjælper danske virksomheder og styrelser med at tage generativ AI i brug i den daglige drift. Han er senior underviser hos Bigum&Co gennem 10+ år og har siden 2023 stået bag AI-implementeringer, foredrag og workshops for blandt andre Lægemiddelstyrelsen, GS1 Danmark, Bornholms Højskole og 30+ bornholmske SMV’er via Business Center Bornholm. Skriver om praktisk anvendelse af AI-værktøjer, prompt engineering og hvordan ledelser kommer i gang mandag morgen kl. 08.00.
