Af Bruno Poulsen, AI-underviser hos Poulsen & Vinding. Med over 10 års erfaring i digital undervisning hjælper han dagligt danske arbejdspladser fra hype til praktisk drift.
Din betroede sagsbehandler sidder til afdelingsmødet og kigger mistroisk på præsentationen af det nye AI-værktøj. Frygten for at blive erstattet eller lave fatale fejl med data er meget reel, og analyser fra Dansk Erhverv viser netop, at en betydelig andel af danske lønmodtagere oplever utryghed ved implementeringen af kunstig intelligens. Løsningen på at overvinde medarbejdermodstand mod AI handler ikke om at tvinge softwaren igennem, men om at integrere fokus på medarbejderen direkte i jeres Adfærdsændring og AI-implementering i Organisationer. Her får du de konkrete greb til at sikre en tryg AI-implementering på arbejdspladsen.
Det vigtigste du tager med:
- Modstand bunder sjældent i manglende IT-evner, men i reel jobangst og frygt for at begå fejl.
- Tryghed skabes ved at introducere teknologien som en aflastning til kedeligt rugbrødsarbejde.
- Åben dialog om teknologiens begrænsninger bygger tillid hurtigere end overdreven entusiasme fra ledelsen.
- Succesfuld implementering er 10% software og 90% kultur og vaner. For at navigere denne kompleksitet er det essentielt at tilpasse anerkendte forandringsmodeller til AI og de unikke udfordringer, den medfører.
Hvorfor opstår frygt for AI-jobtab egentlig?
I workshops med kommuner og styrelser dukker denne reaktion op igen og igen: Medarbejdere tror, at teknologien er købt ind for at effektivisere dem ud af vagtplanen. Når ledelsen præsenterer et nyt system som noget der "arbejder hundredvis af gange hurtigere", hører den ansatte i virkeligheden, at deres erfaring ikke længere er værdsat.
Modstand mod forandring udspringer næsten altid af en underliggende usikkerhed. Man er bange for at trykke på den forkerte knap, dele noget fortroligt, eller afsløre at man ikke er hurtig nok til at lære nye systemer. For at forstå dybden af disse reaktioner kan man med fordel sætte sig ind i menneskets psykologiske respons på AI og adfærdspsykologien bag ny teknologi.
Hos medarbejdere i det offentlige eller i tunge administrative stillinger, hvor der historisk er opbygget en solid nul-fejl-kultur, føles det direkte farligt at overlade opgaver til en maskine. Den frygt kan ikke fjernes med en manual. Det kræver, at du taler direkte ind i deres bekymringer.
I praksis betyder det, at du ikke starter med at vise, hvad AI kan. Du starter med at spørge, hvad de frygter. Stil disse tre spørgsmål til dit team, inden I åbner et eneste værktøj:
- "Hvad er du mest bekymret for, at AI vil gøre forkert i dit arbejde?". Lad frygten komme frem. Skriv den ned. Anerkend den uden at afvise den.
- "Er der opgaver du aldrig ville overlade til en maskine, og hvorfor?". Det afslører, hvad medarbejderen oplever som sin kernefaglighed og dermed identitet. Det er de opgaver, du skal holde AI langt væk fra i starten.
- "Hvad ville gøre din arbejdsuge lettere, hvis det bare forsvandt?". Dét er dit startpunkt. Ikke lederens vision. Ikke IT-afdelingens roadmap. Medarbejderens konkrete irritation.
Disse spørgsmål er ikke primært for din skyld. De signalerer til medarbejderen, at der er plads til at være usikker. Det er dén åbning, der gør resten muligt.
Første greb: Afmystificer teknologien og skab plads til fejl
For at opbygge ægte psykologisk tryghed omkring teknologien på kontoret skal du starte med at trække systemet ned fra piedestalen. Tænk på en sprogmodel som ChatGPT eller Copilot som en super-hurtig, men uerfaren praktikant. Den er ivrig og arbejdsom, men den aner absolut intet om din virksomhed eller jeres interne retningslinjer, før du fortæller den det.
Vis aktivt medarbejderne, hvor teknologien rammer ved siden af. Det gør du ikke ved at fortælle dem, at AI kan fejle. Det gør du ved at demonstrere det live, med vilje, i et lavrisiko-miljø.
Sådan gør du det i praksis, kør denne øvelse til jeres næste møde:
Øvelse: "Find fejlen" (ca. 20 minutter)
- Åbn ChatGPT eller Copilot på storskærm, så alle kan se.
- Giv modellen en opgave, der minder om noget I faktisk laver, fx: "Skriv et svar til en borger, der klager over lang sagsbehandlingstid."
- Læs svaret højt. Spørg holdet: "Hvad er forkert her? Hvad mangler? Hvad ville I aldrig sende?"
- Lad en medarbejder, gerne en skeptiker, forsøge at forbedre prompten og se om resultatet bliver bedre.
- Afslut med spørgsmålet: "Hvad skal mennesket stadig gøre her, som maskinen ikke kan?"
Det tydeliggør to ting på én gang: At AI kræver faglig styring for at levere noget brugbart, og at medarbejderens viden er præcis det, der afgør om output'et dur. Maskinen er ikke eksperten. Det er de stadig.
Resultatet er ikke, at folk slapper af, fordi AI er dum. Resultatet er, at de forstår, at de er dem, der har kontrollen. Det er en fundamental forskel.
Hvis du mangler konkrete redskaber til at rammesætte denne dialog, kan du finde hjælp til at skabe en stærk intern kommunikationsstrategi for AI.
Andet greb: Start udelukkende med rugbrødsarbejdet
Når vi skal have folk ombord, spørger vi altid: "Hvad er den mest drænende, trivielle opgave, du løser hver uge?" Når maskinen løser et decideret irritationsmoment i stedet for at røre ved kernefagligheden, falder paraderne hos den enkelte medarbejder.
Forestil dig HR-chefen i en mellemstor virksomhed, der skal onboarde tolv nye medarbejdere inden månedens udgang. Det indebærer timevis med at samle data fra indtastningsskemaer til standardkontrakter, velkomstmails og IT-oprettelser. Hvis hun lærer at få sin digitale assistent til at strukturere dataene og udforme de første udkast til velkomstforløbet, sparer hun to dages administrativt tastearbejde. Hun føler sig ikke truet af teknologien. Tværtimod føler hun sig lettet.
Men hvad gør hun konkret? Her er den faktiske arbejdsgang, trin for trin:
Trin 1. Identificér den gentagne opgave. I dette tilfælde: Velkomstmail til nye medarbejdere. Den skrives stort set ens hver gang, blot med andre navne, startdatoer og afdelinger.
Trin 2. Byg én skabelonprompt. Fx:
"Du er HR-assistent. Skriv en varm og professionel velkomstmail til en ny medarbejder. Navn: [navn]. Stilling: [stilling]. Startdato: [dato]. Nærmeste leder: [leder]. Tone: venlig, uformel men professionel. Længde: max 150 ord."
Trin 3. Test og juster skabelonen én gang. Kør den igennem med et reelt eksempel. Ret til det output, der faktisk fungerer.
Trin 4. Gem prompten et fast sted. I et delt dokument, en Teams-kanal eller et simpelt Word-ark. Ikke i en app. Ikke i et system. Et sted alle kan finde det.
Trin 5. Lad HR-chefen selv vise det frem til kolleger. Ikke IT. Ikke en konsulent. Kollegaen der faktisk bruger det. Det er troværdigt på en helt anden måde.
Det her er ikke et stort projekt. Det er en skabelon, en halv times arbejde og én kollega, der fortæller de andre: "Det sparer mig en time om ugen." Dét er den smittekilde, du er ude efter.
Bed afdelingen starte lige præcis dér, og lad dem opleve tidsbesparelsen på egen krop. Du kan læse mere om at bygge de rigtige rammer i artiklen om at skabe nye arbejdsgange med AI.
FAQ: Ofte stillede spørgsmål om at håndtere skepsis
Hvor lang tid tager det at overkomme AI-modstand?
Forvent typisk tre til seks måneder, før en afdeling går fra skepsis til fortrolighed. I praksis ser forløbet typisk sådan ud:
- Måned 1: Medarbejderne bruger værktøjet forsigtigt og langsomt. De checker alt dobbelt. Det er normalt.
- Måned 2–3: Et par medarbejdere begynder at bruge det regelmæssigt til afgrænsede opgaver. De taler om det til frokost.
- Måned 4–6: Det sociale pres vender. Det er nu mærkeligt ikke at bruge det til visse opgaver.
Regelmæssig sidemandsoplæring og små, ugentlige succesoplevelser virker langt bedre end et intenst heldagskursus, hvor man glemmer alt dagen efter. Konkret: Sæt 15 minutter af til "AI-øjeblikket" i jeres ugentlige teammøde. Én person viser én ting, de har prøvet. Godt eller skidt. Begge dele er brugbart.
Hvad hvis ledelsen selv er skeptisk?
Hvis chefgangen udstråler utryghed omkring datasikkerhed eller investeringens reelle værdi, spreder det sig lynhurtigt nedad i organisationen. Derfor er lederens rolle i AI-transformationen afgørende for at skabe den nødvendige opbakning.
Løsningen er ikke at overbevise ledelsen med tal og business cases i første omgang. Det er at give dem en oplevelse, de selv har kontrol over. Start med et isoleret og sikkert pilotprojekt, fx ét team, ét værktøj, én opgavetype, med et enterprise-system, der er GDPR-compliant og lukket fra offentlig internet. Når lederen ser med egne øjne, at fortrolig sagsbehandling kan håndteres uden sikkerhedsbrud, ændres skepsis oftest til aktiv opbakning. Giv dem historien om pilotprojektet, ikke en præsentation om AI's potentiale.
Hvornår er det for tidligt at måle AI-adoption?
Giv det mindst tre måneder, før du kræver hårde tal på effektiviteten fra dit team. I starten vil folk faktisk bruge mere tid på at løse deres opgaver, fordi de skal lære at formulere gode instrukser til systemet.
Fokuser i stedet på adfærd. De første tre måneder måler du på:
- Loginfrekvens: Logger medarbejderne overhovedet ind i værktøjet? Hvor ofte?
- Opgavetyper: Hvilke opgaver bruger de det til? Er det de rugbrødsopgaver I udpegede?
- Deling: Begynder folk at dele prompts med hinanden? Det er det stærkeste signal på reel adoption.
Først fra måned fire giver det mening at spørge til tidsbesparelse og output-kvalitet. Du kan læse mere om værktøjer og dashboards til at spore AI-adoption.
Det vigtigste du kan gøre i dag er at finde ét konkret irritationsmoment i din afdeling og lade teknologien løse netop det. Ikke mere. Tryghed med AI bygges i små trin, ikke med store præsentationer.
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.
