Kom godt i gang med AI i virksomheden
Begynd med én vigtig arbejdsopgave, en ansvarlig leder og et lille forsøg. Den første investering skal afklare, om AI kan forbedre arbejdet, og hvad en brugbar løsning vil kræve. Virksomheden behøver ikke en stor AI-platform for at få det svar.
Spørgsmålet er, hvor en SMV bør begynde, når mulighederne er mange, og hverdagen allerede er fuld. Vores anbefaling er at vælge et problem, som medarbejderne kan vise med konkrete sager: langsomme tilbud, gentagne kundespørgsmål eller besværlig informationssøgning. Et ønske om at bruge AI bliver først styrbart, når det er knyttet til et bestemt resultat.
OECDs undersøgelse blandt over 5.000 SMV’er i syv lande fremhæver blandt andet relevans, kompetencer, jura og databrug som barrierer. Det er ikke en dansk rangliste over spørgsmål. [1] Vores praktiske svar er derfor at afklare forretning og forudsætninger sammen. Startmodellen bygger videre på EnableAIs artikel om de første skridt. [3]
Vælg et problem der er værd at forstå
Bed en procesejer og to medarbejdere beskrive tre nylige sager. Hvad ønskede kunden eller kollegaen? Hvor opstod ventetid? Hvilke oplysninger manglede? Hvilke fejl krævede efterarbejde? Brug observationerne til at formulere en hypotese: Vi forventer at reducere tiden til et kontrolleret tilbudsudkast uden flere prisfejl.
Undersøg derefter, om problemet faktisk kræver AI. Manglende produktpriser kan måske løses med et bedre fælles register. En regel om godkendelse kan automatiseres uden en sprogmodel. AI er mere relevant, når arbejdet kræver fortolkning, sammenfatning eller håndtering af varierende tekst. Find de AI anvendelser der kan forbedre arbejdet (Q03) viser, hvordan anvendelser findes og sorteres.
Vælg en opgave med tilstrækkelig volumen til at kunne mærke en forbedring, men en begrænset konsekvens ved fejl. Et forslag, som et menneske kontrollerer før brug, er ofte lettere at afprøve end automatisk ordreændring. Afgræns kundegruppe, sprog og materialetyper. En snæver start gør målingen mere troværdig og hjælper medarbejderne med at forstå forsøgets mandat.
Afklar de nødvendige forudsætninger
Parathed er ikke en samlet karakter til virksomheden. Den er en vurdering af den valgte opgave. OECDs parathedsværktøj behandler blandt andet data, færdigheder, integration og sikkerhed. [2] Vi omsætter det til fire spørgsmål, som en leder kan få besvaret før første forsøg.
| Forhold | Afklaring før start | Hvis svaret mangler |
|---|---|---|
| Formål | Hvem oplever problemet og hvad skal forbedres | Observer arbejdet før I vælger værktøj |
| Grundlag | Hvilke oplysninger må bruges og hvem ejer dem | Afklar adgang eller brug egnede testdata |
| Kapacitet | Hvem afprøver og vurderer resultaterne | Frigør tid i den normale arbejdsplan |
| Konsekvens | Hvilke fejl kan opstå og hvem kan stoppe forsøget | Begræns anvendelse og handlinger |
Et godkendt værktøj er ikke alene tilstrækkeligt. Medarbejderne skal kende, hvilke data det må modtage, og hvad de selv skal kontrollere. Hold forsøget adskilt fra automatisk eksekvering. Hvis en nødvendig datakilde ikke kan bruges forsvarligt, er det en reel begrænsning, som skal indgå i valget af opgave.
Køb læring inden I køber en større løsning
Sæt en lille tidsramme og aftal en beslutningsdato. Et forslag kan være to ugers arbejde med et fast antal representative sager. Det er en arbejdsramme, ikke et løfte om, at enhver AI-idé kan valideres på to uger. Brug både almindelige sager og de undtagelser, der ofte skaber problemer.
Mål tiden til et brugbart resultat inklusive kontrol og rettelser. Sammenlign med den eksisterende arbejdsgang. Notér også, om medarbejderne faktisk kan anvende løsningen uden hjælp fra den person, der byggede den. En demonstration udført af projektets ekspert viser mindre end selvstændig brug.
Hold kendt indsats og usikker indsats synlig. Den kendte del kan være opsætning og afprøvning. Den usikre del kan være oprydning i prisdata eller ekstra sikkerhedsafklaring. Angiv en begrundet reserve eller et interval frem for et optimistisk enkelttal. Metoden for selve forsøget er uddybet i Design et AI eksperiment der giver et brugbart svar (Q07).
Et eksempel på en afgrænset begyndelse
Grossisten i dette eksempel bruger meget tid på tilbud. Ledelsen overvejer først en salgsagent, som både udarbejder og sender tilbud. En gennemgang af arbejdet viser imidlertid, at medarbejderne især leder efter produktbeskrivelser og tidligere løsninger.
Forsøget bliver derfor en intern assistent, der finder relevant materiale og skriver et udkast. Priser og kundespecifikke vilkår kontrolleres manuelt. Teamet måler forberedelsestid, faktuelle rettelser og hvor ofte en sag må løses helt uden assistenten. De registrerer, hvilke produktbeskrivelser der mangler eller er forældede.
Selv hvis tidsgevinsten er beskeden, kan forsøget afdække et værdifuldt fælles dataproblem. Det er en potentiel indirekte gevinst, som skal beskrives særskilt. Den kan begrunde et nyt forsøg med bedre data, men må ikke bruges til at erklære den oprindelige hypotese bevist.
Lad næste skridt afhænge af resultatet
I eksperimentet skal I afklare den vigtigste usikkerhed. I en MVP skal den afgrænsede løsning bruges i rigtig drift med en navngiven værdiejer og målbar forventet effekt. Ved skalering skal den målte forbedring kunne holde med flere brugere, mere variation og normale driftsvilkår.
Sørg for, at forsøget passer til en forretningsretning, som ledelsen kan forklare. Sæt en forretningsretning for AI (Q02) behandler den retning, mens Planlæg virksomhedens første 90 dage med AI (Q30) samler den første 90-dages plan. Læringen fra agile transformationer er, at arbejdsformen først har værdi, når den ændrer resultatet; det er temaet i Styr transformationen efter resultater (A01).
Næste ledelsesbeslutning: Udpeg én procesejer, vælg én arbejdsopgave og aftal, hvilken observation der skal begrunde en MVP. Hvis ingen kan beskrive problemet eller frigøre tid til at vurdere resultaterne, bør I begynde med den afklaring.
Kundeeksempel med mål og opfølgning
I kundeeksemplet bruger et rekrutteringsfirma 40 minutter på en kandidatpræsentation. Hypotesen er 20 minutter inklusive faglig kontrol. Første skridt er en test på 30 repræsentative opgaver med et aftalt kriterium på højst 25 minutter og ingen væsentlige faktuelle fejl.
Hvis eksemplets resultat er 35 minutter og for mange rettelser, er næste beslutning at ændre anvendelsen og teste igen. Virksomheden har et konkret grundlag for næste skridt uden at have bestilt en fuld platform.
Brug den samlede VP/SE-model, VP-vejledningen og SE-vejledningen. Begge estimater revurderes før Hypotese, MVP og Skalering. VP/SE er et lokalt præferenceindeks, ikke økonomisk ROI eller WSJF. Lær anvendelsen på halvdag 1 om VP og halvdag 2 om SE og prioritering, hver fire timer inklusive pause.
Kilder og videre læsning
Eksempler og handlingsforslag er EnableAIs faglige vurdering. Virksomhedseksempler og regnetal er illustrative. Artiklen er opdateret med konkrete regneeksempler og henvisninger den 15. september 2026.
[1] OECD · Generative AI and the SME Workforce