Hvad betyder metaforen "lær en mand at fiske" i relation til AI i virksomheder?

Udtrykket "lær en mand at fiske" symboliserer filosofien om at give medarbejdere de interne AI-kompetencer, så de selv kan skabe og tilpasse AI-løsninger. Dette står i kontrast til blot at modtage en færdig løsning fra en ekstern konsulent, som metaforisk ville være at få "fisken" leveret. Formålet er at opbygge uafhængighed og dybdegående forståelse i organisationen.

Hvad er den primære forskel mellem en "do it for you" og en "do it with you" AI-implementering?

En "do it for you"-tilgang indebærer, at eksterne konsulenter udvikler og implementerer en færdig AI-løsning for virksomheden, hvilket ofte fører til manglende intern viden og fleksibilitet. Omvendt fokuserer en "do it with you"-tilgang på at opkvalificere virksomhedens egne medarbejdere, så de selv lærer at anvende og tilpasse AI-værktøjer, hvilket skaber varig intern kompetence.

Hvorfor er interne AI-kompetencer vigtigere end eksterne konsulenter for langsigtet succes?

Interne medarbejdere besidder den essentielle viden om virksomhedens reelle arbejdsgange og udfordringer, som eksterne konsulenter sjældent fuldt ud forstår. Ved at opbygge interne AI-kompetencer sikrer virksomheden, at AI-løsningerne kan tilpasses løbende, og at teknologien forankres dybt i dagligdagen. Dette eliminerer konsulentafhængighed og maksimerer investeringens værdi.

Hvordan kan praktisk AI-uddannelse transformere administrative opgaver i en virksomhed?

Praktisk AI-uddannelse giver medarbejdere værktøjerne til at automatisere og optimere tidskrævende, administrative opgaver. Eksempelvis kan HR-chefer generere skræddersyede onboarding-planer på få minutter, og marketing-managere kan reducere tiden brugt på kvartalsrapporter markant. Dette frigiver værdifuld tid, som kan bruges på mere strategiske og værdiskabende aktiviteter.

Hvordan bidrager intern AI-uddannelse til at mindske medarbejdernes frygt for ny teknologi?

Konkret AI-uddannelse fjerner frygten for fejl og det ukendte ved at give medarbejdere hands-on erfaring med AI-værktøjer i deres egen kontekst. Når medarbejderne selv lærer at styre og forstå teknologien, opbygges der tryghed og mestring. Denne tillid til egne evner fremmer en positiv holdning til AI og øger accepten af nye arbejdsmetoder.

Hvilke konkrete fordele opnår kundeservicemedarbejdere ved at lære at bruge AI?

Kundeservicemedarbejdere kan drastisk reducere svartiden på enslydende henvendelser ved at anvende AI-skabeloner med virksomhedens tone of voice. Ved at træne AI i at håndtere de mest stillede spørgsmål, frigives tid, så medarbejderne kan fokusere på mere komplekse sager, der kræver menneskelig indsigt. Dette forbedrer både effektivitet og kundetilfredshed.

Hvilke typer AI-værktøjer er særligt relevante at fokusere på ved intern opkvalificering?

Ved intern opkvalificering er fokus typisk på tilgængelige sprogmodeller som ChatGPT eller Microsoft Copilot, der kan integreres i daglige arbejdsgange. Disse værktøjer er effektive til opgaver som tekstgenerering, informationsstrukturering, dataanalyse og udarbejdelse af rapporter. De giver medarbejdere mulighed for at automatisere repetitive opgaver direkte uden dyb teknisk viden.

Lær at fiske: Hvorfor interne AI-kompetencer slår eksterne konsulenter

Øvet Deep dive 5 min læsning

De fleste organisationer tror, at genvejen til gevinster med kunstig intelligens er at hyre eksterne konsulenter til at bygge smarte, færdige løsninger. Sandheden er, at det oftest skaber usikkerhed og gør jer afhængige af dyr udefrakommende hjælp. For at skabe reel værdi skal I fokusere på at bygge interne AI-kompetencer, så jeres medarbejdere selv mestrer teknologien i hverdagen. Tilgangen er enkel: giv organisationen fiskestangen i stedet for bare at servere fisken. Denne tilgang er kernen i Poulsen og Vindings AI-filosofi: Mennesket Over Maskinen.

Hovedpointer:

Eksterne bureauer skaber afhængighed; et internt løft gør jeres team selvkørende.
Teknologien skaber kun værdi, når den krydses med medarbejderens egen brancheerfaring. Succes kræver menneskeligt fokus og kendskab til egne arbejdsgange, frem for blot avanceret kode, og vi taler ofte om, hvordan menneskets intuition altid bør vinde over maskinen.

Fra manuelt slæb til lynhurtig eksekvering med AI-opkvalificering

Når en virksomhed køber et færdigt system udefra, løser det typisk kun ét specifikt og afgrænset problem. Men hverdagen er fuld af skiftende, små rutineopgaver. Forestil dig CFO'en i en mellemstor produktionsvirksomhed, der hver måned bruger op mod tre arbejdsdage på manuelt at konsolidere og rense data fra fire forskellige regnskabssystemer. En ekstern programmør vil måske foreslå at bygge et specialdesignet dashboard til mange penge.

Gennem praktisk AI-opkvalificering kan CFO'en i stedet lære at bruge standardværktøjer som ChatGPT eller Copilot til selv at løse opgaven på få minutter. Ikke som en abstrakt mulighed, men konkret, som denne prompt:

"Jeg har fire regneark med salgsdata fra hhv. vores ERP, vores webshop, vores lager og vores fakturasystem. Formaterne er forskellige. Hjælp mig med at skrive en Excel-formel der konsoliderer totalerne i kolonne C fra hvert ark til ét samlet overblik, og marker automatisk med rødt hvis tallene ikke stemmer overens på tværs."

Det løser det akutte tidsspilde. Endnu vigtigere ruster det CFO'en til selv at tilpasse processen, når regnearkets formater ændrer sig i næste kvartal, uden at ringe til en konsulent. Det er forskellen på at være bundet til en serviceaftale og at have styringen selv. Og det er et godt eksempel på, hvordan AI kan frigive tid til mere strategisk tænkning, når rugbrødsarbejdet er klaret.

Hvorfor software altid taber til kultur

Medarbejder afslutter opgave med selvsikkerhed i roligt miljø. Indlæring af interne AI-kompetencer slår eksterne konsulenter.

Ny software fejler ofte, fordi organisationer udelukkende fokuserer på de tekniske specifikationer og glemmer at forberede medarbejderne på ændringerne i deres daglige arbejdsgange. Forskning i digitale transformationer peger konsekvent på det samme: implementeringen lykkes eller fejler på kulturen, ikke koden.

I praksis betyder det, at oplæring ikke må ske i et klasselokale med generiske eksempler. En do-it-with-you-tilgang fungerer særligt godt: en underviser sidder sammen med medarbejderen ved det konkrete skrivebord og løser en rigtig opgave fra den rigtige indbakke. Ikke en øvelsesopgave. Ikke en demo. Når medarbejderen selv har brugt AI til at løse noget, hun faktisk skulle have gjort alligevel, forsvinder den faglige usikkerhed. fordi hun nu ved, at det virker på hendes arbejde.

Det er forudsætningen for at bygge en stærk intern AI-kultur. Læs mere om at håndtere modstand og utryghed i Change management og AI: Sådan skaber du trygge rammer for ny teknologi.

Tre ting der afgør, om AI-implementeringen lykkes

1. Datasikkerhed skal sidde i maven, ikke i et dokument

Et udefrakommende bureau forstår sjældent jeres interne nul-fejls-kultur helt til bunds. Når I trækker kompetencerne ind i huset via AI-uddannelse, sikrer I automatisk et højere niveau af tryghed, fordi jeres egne ansatte allerede kender de juridiske rammer for jeres specifikke arbejde.

Tag HR-chefen i en virksomhed i Odense, der har ansvaret for at onboarde 12 nye medarbejdere over de næste tre måneder. Hun håndterer fortrolige kontrakter og må under ingen omstændigheder begå fejl med GDPR. Uden ordentlig oplæring risikerer hun i travlhed at uploade personfølsomme data til åbne sprogmodeller.

Med den rette sidemandsoplæring ved hun derimod præcis, hvordan hun arbejder sikkert. Konkret ser det sådan ud:

"Fungér som ekspert i dansk ansættelsesret. Jeg uploader nu vores generelle skabelon for personalepolitik uden navne eller CPR-numre. Lav et udkast til et velkomstbrev til vores nye kuld, der i en venlig tone fremhæver vores tre vigtigste værdier fra skabelonen."

Ingen persondata. Ingen fortrolige oplysninger. Opgaven løses hurtigt, og organisationen bevarer den fulde kontrol.

2. Ejerskab skal placeres internt, ikke hos leverandøren

Når en ekstern konsulent bygger en løsning og derefter forlader projektet, sidder organisationen tilbage med et system ingen forstår. Næste gang noget driller, starter afhængighedshjulet forfra.

Intern opkvalificering bryder det mønster. Når medarbejderen selv ved, hvad hun beder AI om og hvorfor, kan hun også justere, fejlfinde og videreudvikle. Kompetencen bliver organisationens, ikke konsulentens.

3. Implementeringen skal forankres i konkrete arbejdsgange, ikke abstrakte muligheder

Den hyppigste fejl ved AI-implementering er at præsentere teknologien som en generel kapabilitet: "Nu kan I bruge AI til mange ting." Det skaber ingenting.

Det der virker, er at tage udgangspunkt i en specifik opgave medarbejderen faktisk sidder med i dag, og vise, hvordan den løses bedre med AI. Derefter en til. Derefter ti til. Kompetencen bygges nedefra og op, én konkret arbejdsgang ad gangen.

Det er netop kombinationen af teknisk indsigt, kulturelt ejerskab og konkret hands-on træning, der afgør om AI-implementeringen bliver en varig gevinst eller endnu et it-projekt, der langsomt dør ud. Organisationer der lykkes, er dem hvor medarbejderne ikke blot bruger nye værktøjer, men forstår hvorfor og hvordan.

Ofte stillede spørgsmål

Bruno Poulsen

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.