Case: Sådan uddanner vi Lægemiddelstyrelsens medarbejdere til AI-koordinatorer

Lægemiddelstyrelsen er en af de myndigheder, hvor der ikke er plads til gætværk. Når man godkender lægemidler og fører tilsyn med medicinsk udstyr, er datasikkerhed og myndighedsansvar en præmis, ikke et emne på dagsordenen. Det er også derfor, casen er interessant: vi har undervist styrelsens medarbejdere i AI siden 2024, og i 2026 blev det til en egentlig uddannelse på seks moduler, hvor medarbejderne går fra AI-brugere til AI-koordinatorer.

Opdateret september 2026. Artiklen er skrevet om, så den kun beskriver det forløb, vi faktisk har leveret. Tal og procenter fra en tidligere version er taget ud.

Kort svar

Poulsen og Vinding har siden 2024 leveret AI-undervisning til Lægemiddelstyrelsen, først som kursusdage på begynder- og avanceret niveau, og fra 2026 som et forløb på seks moduler af fem timer, der afsluttes med en fælles opgave, fremlæggelse og diplom. Alt foregår fysisk i styrelsens egne lokaler. Forløbet handler ikke om at købe et system, men om at give medarbejderne et fælles sprog, faste regler for datasikkerhed og rutine i at bruge værktøjer som ChatGPT, Gemini og NotebookLM på egne opgaver. Andet hold startede i september 2026.

Indholdsfortegnelse

• Hvorfor en uddannelse og ikke et system?
• Sådan er forløbet bygget op
• Datasikkerhed før værktøjer: trafiklyset og redaktørrollen
• Det værktøj, der blev hængende
• Hvad vi har ændret til andet hold
• Hvad kan andre myndigheder tage med?

Hvorfor en uddannelse og ikke et system?

Mange offentlige organisationer begynder med licensen. Man køber et godkendt værktøj, ruller det ud og opdager et halvt år senere, at det bruges af de få, der alligevel var nysgerrige. Hos Lægemiddelstyrelsen var udgangspunktet et andet. Deltagerne er administrative medarbejdere fra flere forskellige afdelinger, hver med sin chef og sine opgaver. De er ikke teknikere, og de skal ikke være det. Det, de har brug for, er at kunne vurdere, hvornår AI hjælper, hvornår den skader, og hvad de må lægge ind i den.

Derfor er forløbet bygget som en uddannelse, ikke som en produktdemo. Det hedder indadtil “Fra AI-bruger til AI-koordinator”, og fra første dag ved deltagerne, at det slutter med en fremlæggelse og et diplom. Ambitionen er ikke, at alle bliver eksperter. Ambitionen er, at hver deltager kan gå tilbage til sin afdeling og være den kollega, man spørger. Vi har beskrevet den overordnede tilgang i guiden til AI i den offentlige sektor: strategi og tryg implementering.

Sådan er forløbet bygget op

Seks moduler af fem timer, fordelt over cirka et halvt år, så der er tid til at prøve tingene af mellem gangene. Alle dage holdes fysisk hos styrelsen, og alt materiale, øvelser og opsamling ligger i et Google Classroom, så den, der var forhindret, kan følge med. Intet skal installeres. Alt kører i browseren.

1. Fundamentet. Hvad AI er, og hvad der sker, når man skriver til den. Rollen som redaktør frem for forfatter, og hvad myndighedsansvaret betyder, når AI har skrevet udkastet. Overblik over modellerne, hallucinationer og faktatjek, EU AI Act og de fire risikoniveauer, og en fast prompt-struktur med rolle, kontekst, opgave, format og persona.
2. Googles univers. Gemini over for ChatGPT, tre strategier til faktatjek, NotebookLM i dybden med egne kilder, kildecitater og podcast, Gems som personlige assistenter, og vibecoding, altså små værktøjer bygget uden kode.
3. Det visuelle. Billeder og video, herunder bias i billedgenerering, og en ærlig vurdering af, hvornår AI-video er klar til professionel brug.
4. Den kreative dag. Præsentationer, avatarer og lyd. Reglen for dagen er, at deltageren skal vise, hvornår det giver mening, ikke om det er teknisk perfekt.
5. Etik og moral. Bias i træningsdata, ophavsret, samtykke, gennemsigtighed over for borgeren, prompt injection og deepfakes. Dagen er bygget af korte øvelser og tre dilemmaer i plenum, og det er den mest deltageraktive dag i forløbet.
6. Opsamling og fremlæggelse. En fælles opgave i grupper, hvor værktøjerne fra de fem foregående moduler bindes sammen, fremlæggelse for holdet og diplomer.

Datasikkerhed før værktøjer: trafiklyset og redaktørrollen

To ting går igen på alle seks moduler, og de er vigtigere end noget enkelt værktøj.

Trafiklyset. Grønt er det, der frit må lægges i et AI-værktøj. Gult kræver, at man tænker sig om eller spørger. Rødt er personoplysninger, CPR-numre, borgeroplysninger, adgangskoder og interne dokumenter, som aldrig kommer ind i et værktøj, før det er godkendt til det. Huskereglen er enkel nok til, at man kan bruge den stående ved skrivebordet, og den er grunden til, at øvelserne i forløbet kører på hverdagsnære eller fiktive data. Ingen rigtig sag kommer ind i en øvelse. Reglerne for det ligger i vores guide til GDPR og AI i praksis.

Redaktørrollen. AI skriver udkastet. Mennesket er redaktøren og bærer ansvaret. I en myndighed er det ikke en talemåde, det er en arbejdsgang: alt, hvad der forlader huset, er læst, rettet og godkendt af en medarbejder, og deltagerne øver sig fra dag ét i at faktatjekke det, modellen påstår, med kilder ved siden af.

Det værktøj, der blev hængende

Hvis vi skal pege på ét værktøj, der har flyttet noget i hverdagen, er det NotebookLM. Princippet er, at man kun giver det sine egne kilder, en vejledning, et regelsæt, et sæt mødenoter, og at det svarer med citater fra netop de kilder. For medarbejdere, der bruger meget tid på at finde det rigtige sted i lange dokumenter, er det en anden måde at arbejde på end at spørge en almindelig chatbot. Formlen fra undervisningen er, at ChatGPT og Gemini bruges til at skabe, og NotebookLM til at forstå og faktatjekke. Koblet med en Gem, der kender afdelingens tone og faste opgaver, bliver det til en assistent, der kender både viden og personlighed.

Hvad vi har ændret til andet hold

Første hold blev evalueret af styrelsen selv efter sidste modul. Vi bad om at få stillet de spørgsmål, der er sværest at stille: hvilket modul gav mindst, og hvad kunne du ikke bruge på jobbet? Svarene har ændret andet hold på fire punkter.

• Færre værktøjer, mere dybde. Deltagerne ville hellere kunne tre værktøjer godt end have set ti.
• Én gennemgående opgave frem for løse eksempler. Grupperne vælger selv en rigtig arbejdsopgave inden for de tilladte rammer, uden persondata, og bygger videre på den fra modul til modul.
• Gruppearbejde og fremlæggelse tidligere i forløbet. Den arbejdsform, der virkede bedst på sidste dag, bruges nu på flere moduler.
• Opsamling ved starten af hvert modul. En halv time, hvor holdet samler op på, hvad der blev prøvet af siden sidst.

Andet hold startede 16. september 2026 og løber frem til januar 2027. Det er den samme ærlighed, vi anbefaler andre: mål på adfærd efter forløbet, ikke på tilfredshed på dagen. Vi har skrevet mere om, hvorfor vaner er sværere end software, i artiklen om forandringsledelse, der virker.

Hvad kan andre myndigheder tage med?

Tre ting. Start med reglerne og et fælles sprog, før I starter med værktøjerne. Byg forløbet omkring medarbejdernes egne opgaver, og gør det fysisk og over tid, så der er plads til at prøve af mellem gangene. Og lad organisationen selv måle effekten bagefter, for det er den måling, næste beslutning skal bygge på.

Skal jeres medarbejdere igennem et lignende forløb? Se, hvordan vi underviser, eller læs om AI-politik til fast pris, hvis reglerne skal på plads først. Vil I vide, hvilke krav EU AI Act stiller til jer, så start der.

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 har undervist hos Bigum&Co i mere end 10 år og har siden 2024 stået bag AI-implementeringer, foredrag og workshops for blandt andre Lægemiddelstyrelsen, GS1 Danmark, Bornholms Højskole og SMV’er på Bornholm via Business Center Bornholm. Skriver om praktisk anvendelse af AI-værktøjer, prompt engineering og hvordan ledelser kommer i gang mandag morgen kl. 08.00.