Prioritering af AI initiativer

Prioritér AI-initiativer efter det, I har brug for at lære, og den værdi, I har grundlag for at forvente. Øg investeringen, efterhånden som resultaterne gør den næste beslutning mere sikker.

For en mindre eller mellemstor virksomhed er tid, penge og medarbejdernes opmærksomhed begrænsede. Derfor skal prioriteringen hjælpe jer med at vælge et overskueligt næste skridt og flytte ressourcerne, når I bliver klogere.

Vi arbejder med tre stadier: Definér og kør eksperimenter. Byg en MVP med forventet værdi. Evaluér og byg skalerbare løsninger. Hvert stadie har sit eget formål og sit eget grundlag for prioritering. Ledelsen sætter retning, mål og rammer. Teamet får frihed til at finde ud af, hvordan målene bedst nås.

Nedenfor kobler vi syv kendte prioriteringsteknikker til de tre stadier. Placeringen er EnableAIs faglige anbefaling; flere teknikker kan bruges på tværs. Teknikkerne hjælper med forskellige beslutninger: at vælge initiativer, afgrænse indhold eller fastlægge rækkefølge.

Hvad mener vi med værdi og indsats

Værdi omfatter både den direkte forbedring i en arbejdsgang og den indirekte værdi, initiativet kan skabe. Direkte værdi kan være færre fejl, frigjort tid eller større omsætning. Indirekte værdi kan være læring, bedre data, genbrugelige komponenter, nye kompetencer eller muligheder for senere løsninger. Det er særligt relevant i en AI-transformation, hvor ét initiativ kan gøre de næste lettere at gennemføre.

Beskriv, hvem der får værdien, hvornår den kan opstå, og hvad den afhænger af. Direkte værdi kan også være usikker og ligge i fremtiden; indirekte værdi kan være konkret og veldokumenteret. Vis derfor både værditype og sikkerheden i vurderingen. En fælles datakilde kan fx forbedre kundeservice nu og senere understøtte salg. De senere gevinster kræver yderligere anvendelser og investeringer. Tæl dem ikke fuldt med både her og i de initiativer, der skal realisere dem.

Indsatsen omfatter også usikkerhed

Known effort er vores estimat for det arbejde, vi kan beskrive: fx udvikling, dataklargøring, integration, test og oplæring. Unknown effort er det ekstra arbejde, usikkerheder kan udløse, fx uventede dataproblemer, flere forsøg med svarkvalitet eller en vanskelig integration. Begge dele skal indgå i vurderingen af kapacitet og tid. En opgave med stor usikkerhed bør ikke fremstå lige så lille som en velkendt opgave med samme basisestimat.

Vis et basisestimat og en begrundet reserve eller et interval. Et regneeksempel er otte persondage til kendte opgaver plus to persondages reserve til en identificeret integrationsrisiko. Reserven er en planlægningsantagelse, ikke en garanti. Brug erfaringer og scenarier, og opdatér estimatet efter forsøgene. Helt ukendte problemer kan ikke beregnes præcist; håndtér dem også med små investeringstrin og en fælles reserve. Undgå at lægge samme risiko til både opgaveestimatet og reserven.

Omkostninger afhænger af beslutningen

Dele af et bevilget projekt

Det vigtigste at sammenligne: Værdi, rækkefølge og resterende indsats inden for teamets kapacitet.

Omkostningsgrundlag: Ved et fast team er arbejdstid typisk den vigtigste begrænsning. Medtag ekstra udgifter, hvis valgene ændrer dem.

Initiativer eller projekter

Det vigtigste at sammenligne: Samlet forventet værdi, kapacitetsbehov og økonomi over samme periode.

Omkostningsgrundlag: Medtag både arbejdstid og øvrige udgifter til etablering, brug og drift samt en begrundet reserve.

En bevilling gør ikke arbejdstiden gratis: Den kan bruges på noget andet. Når fælles udgifter er ens for alternativerne, behøver de ikke indgå igen i hver opgaves score. API-forbrug, licenser og ekstern hjælp skal stadig med, hvis de varierer. I en økonomisk sammenligning værdisættes arbejdstiden i kroner og tælles kun én gang. Allerede afholdte udgifter afgør ikke næste prioritet; se på den resterende indsats og de fremtidige omkostninger, beslutningen ændrer.

1 Definer og kør eksperimenter

Begynd med et konkret problem i forretningen og en hypotese om, hvordan AI kan gøre en forskel. Hypotesen skal være tydelig nok til, at et lille forsøg kan styrke eller afkræfte den.

Et regneeksempel: Vi tror, at AI kan reducere tiden til at finde information og udarbejde et svar på en bestemt type kundehenvendelse. Svaret skal fortsat opfylde vores kvalitetskrav, og medarbejderen skal kunne kontrollere grundlaget.

Vælg den vigtigste usikkerhed, og design det mindste forsøg, der kan afklare den. Det kan være en manuel afprøvning på udvalgte sager eller en enkel prototype. Aftal på forhånd, hvad I vil måle, hvor længe forsøget må vare, og hvad resultatet skal vise. Involvér dem, der kender arbejdet, og afklar hvilke data og værktøjer der må bruges.

Mulige prioriteringsteknikker til eksperimenter

Value versus effort

Anvendelse: Placér idéerne i en matrix efter forventet værdi og indsats. Brug den til en første sortering af muligheder. [3]

Brugbarhed ved AI: Enkel første sortering. Vurdér direkte og indirekte potentiale samt indsatsen til selve forsøget, inklusive usikkerhed. Vis begrundelserne, så nemme idéer ikke automatisk fortrænger vigtig læring.

ICE

Anvendelse: Vurdér Impact, Confidence og Ease: mulig effekt, grundlag for forventningen og enkelhed i afprøvningen. [1]

Brugbarhed ved AI: Velegnet til at vælge eksperimenter. Hos EnableAI bruger vi Impact × Confidence × Ease, hver fra 1 til 10. Ease skal afspejle adgang til data, afhængigheder og usikkerhed i forsøget. Begrund scoren.

Spørg også, hvilken vigtig usikkerhed forsøget kan reducere. Et initiativ med lav Confidence kan stadig være værd at undersøge, hvis en billig afprøvning kan afklare en væsentlig mulighed. Scorerne er fælles vurderinger, som skal opdateres med læringen.

Prioritér de eksperimenter, der giver relevant læring i forhold til indsatsen. Afslut med en beslutning om at forkaste hypotesen, ændre forsøget eller gå videre til en MVP. Et forsøg, der giver et godt grundlag for at stoppe, har også skabt værdi.

2 Byg MVP med forventet værdi

Når eksperimentet giver tilstrækkeligt grundlag for at gå videre, skal løsningen afprøves i en rigtig arbejdsgang. En MVP, Minimum Viable Product, er her den mindste sammenhængende løsning, som udvalgte brugere kan anvende, så I kan måle den faktiske forskel.

Afgræns MVP’en til ét scenarie, én proces eller en mindre brugergruppe. Den skal være komplet nok til at fungere i denne sammenhæng. Afklar ejerskab, data, sikkerhed, nødvendige integrationer og hjælp til brugerne i det omfang, den konkrete anvendelse kræver. Det giver samtidig viden om, hvad en senere skalering vil kræve.

Før I prioriterer en MVP, skal I kunne beskrive:

• Udgangspunktet i dag og den forbedring, I forventer at opnå.

• Hvem der skal bruge løsningen, og hvor mange relevante opgaver den kan påvirke.

• Hvordan og hvornår I måler anvendelse, effekt og omkostninger.

• Hvem der ejer værdien, og hvad der skal være opnået for at gå videre.

Prioritér MVP’er efter forventet målbar værdi, og gør den indirekte værdi synlig ved siden af. Sammenlign over samme periode. Ved nogenlunde ens investeringsrammer kan værdien være det primære sorteringsgrundlag. Ved forskellige rammer skal omkostninger, kapacitetsbehov og usikkerhed indgå allerede i valget af MVP.

I kundeserviceeksemplet forventer vi at spare otte minutter pr. sag, inklusive medarbejderens kontrol. Ved 600 relevante sager om måneden er potentialet 80 timer. Forventer vi, at løsningen bliver anvendt på 75 procent af sagerne, er forventningen 60 timer om måneden. Tallene er antagelser, som MVP’en skal afprøve.

De 60 timer beskriver frigjort kapacitet. Værdiejeren skal også forklare, hvordan tiden omsættes til fx kortere svartid, flere behandlede sager eller lavere omkostninger. Mål kvalitet og eventuelt merarbejde sammen med tidsforbruget. På den måde bliver den forventede gevinst efterprøvbar.

Mulige prioriteringsteknikker til MVP

RICE

Anvendelse: Sammenlign muligheder med (Reach × Impact × Confidence) / Effort. Reach er berørte brugere eller hændelser i samme periode; Impact er effekten pr. bruger eller hændelse. [5]

Brugbarhed ved AI: Medtag implementering, oplæring og procesændringer i Effort. Vis usikkerheden. Confidence er tillid til estimaterne, ikke en målt sandsynlighed for succes. Indirekte værdi kræver en klar sammenhæng med det valgte mål.

MoSCoW

Anvendelse: Afgræns indholdet med Must Have, Should Have, Could Have og Won’t Have this time. Teknikken indgår i DSDM og AgilePM. [4]

Brugbarhed ved AI: Særligt brugbar til MVP’ens omfang. Must Have er nødvendigt for anvendelsen, fx aftalt kvalitet og påkrævet adgangskontrol. Won’t Have gælder denne levering. Metoden giver ikke i sig selv en økonomisk rangorden mellem initiativer.

Kano

Anvendelse: Undersøg brugernes reaktioner på, om en funktion findes eller mangler. Skeln mellem grundkrav, egenskaber der øger tilfredshed, og attraktive overraskelser. [6]

Brugbarhed ved AI: Brugbar, når brugerbehov og ibrugtagning er afgørende. Undersøg fx kildevisning og kontrol. Kano måler ikke arbejdsindsats eller hele initiativets økonomiske og strategiske værdi; supplér med disse vurderinger.

Hvad betyder værdi i Kano

Kano belyser sammenhængen mellem en egenskab og brugernes tilfredshed. Grundkrav kan have stor betydning, selv om opfyldelsen ikke begejstrer. For præstationsegenskaber øges tilfredsheden med forbedringen, mens attraktive egenskaber kan skabe uventet tilfredshed. Kategorierne bygger på brugerundersøgelsen. [6]

I en AI-løsning kan kildevisning fx være en forudsætning for, at medarbejderne tør bruge svarene. Værdien kan da opstå gennem tillid, anvendelse og færre kontrolfejl. Det skal undersøges hos de konkrete brugere. Bedre datainfrastruktur kan samtidig åbne for nye løsninger uden at være synlig for dem. Vi supplerer derfor Kano med vurdering af indirekte værdi, risiko og indsats. En attraktiv funktion med stort usikkert ressourcebehov får ikke automatisk førsteprioritet.

Vælg fx MVP-kandidaten med RICE eller en enkel vurdering af forventet værdi. Brug derefter MoSCoW til at afgrænse det, der skal bygges. Tilføj Kano, når I har brug for at forstå, hvilke egenskaber der betyder mest for brugerne.

3 Evaluer og byg skalerbare løsninger

Evaluér MVP’en mod det aftalte udgangspunkt og mål. Undersøg, om medarbejderne bruger løsningen, om arbejdet er blevet bedre, og om forbedringen giver den forventede værdi for virksomheden. Forklar væsentlige afvigelser, før I beslutter næste skridt.

En MVP med gode resultater skal derefter sammenlignes med de øvrige muligheder, virksomheden kan investere i. Prioritér skalering efter den forventede værdi i forhold til de samlede omkostninger og den kapacitet, implementeringen kræver.

Brug den målte effekt som udgangspunkt. Justér forventningen for forskelle i opgaver, datakvalitet og brugergrupper. Resultater fra et lille engageret team kan ikke uden videre overføres til hele virksomheden.

Regn udvikling, integrationer, licenser, model- og API-forbrug, drift, support, oplæring og ændrede arbejdsgange med. Medtag usikkerhed og nødvendige reserver, og sammenlign værdi og omkostninger over samme periode. Hvis I bruger et økonomisk forholdstal, skal begge dele opgøres i kroner. Vis også indirekte gevinster, afhængigheder og strategisk betydning, som ikke forsvarligt kan rummes i ét tal.

Byg skalerbarheden dér, hvor den dokumenterede anvendelse kræver den. Det omfatter stabil drift, tydeligt ansvar, passende adgangskontrol og en måde at opdage fejl eller faldende kvalitet på. Genbrug erfaringer, data og komponenter på tværs, hvor det giver mening. Udvid i overskuelige etaper, og mål fortsat, om værdien holder, når flere tager løsningen i brug.

Mulige prioriteringsteknikker til skalering

Cost benefit analyse

Anvendelse: Sammenlign forventede gevinster og samlede omkostninger over samme periode. Ved flerårige investeringer bruges nutidsværdi. Se både forskellen og forholdet mellem gevinster og omkostninger. [7]

Brugbarhed ved AI: Brugbar til at vurdere, om skalering kan begrundes. Byg på MVP’ens målte effekt, og afprøv følsomheden over for anvendelse, kvalitet og driftsomkostninger. Vurdér også gevinster, der ikke kan opgøres i kroner.

WSJF og Cost of Delay

Anvendelse: Weighted Shortest Job First prioriterer rækkefølge efter relativ Cost of Delay divideret med relativ varighed. SAFe bruger jobstørrelse som tilnærmelse. [8]

Brugbarhed ved AI: Brugbar, når flere initiativer konkurrerer om kapacitet, og ventetid har forskellig betydning. Vurdér forretningsværdi, tidskritikalitet samt risikoreduktion eller nye muligheder. Afklar afhængigheder, før rækkefølgen fastlægges.

Hvad betyder værdi og størrelse i WSJF

I SAFe vurderes Cost of Delay gennem relativ bruger- og forretningsværdi, tidskritikalitet samt risikoreduktion eller muligheder, arbejdet åbner. WSJF handler dermed om konsekvensen af at vente, og værdien kan række ud over den direkte gevinst. Job Size bruges som tilnærmelse til varighed. Scoren understøtter rækkefølge og er ikke et afkast i kroner. [8]

For AI kan en fælles datakilde åbne for flere anvendelser. Den kan derfor være vigtig at få på plads tidligt. Vi anbefaler at gøre de afhængige initiativer og deres tidshorisont tydelige, så potentialet kan vurderes uden at tælle de samme gevinster flere gange.

Skeln også mellem den risiko, løsningen reducerer, og risikoen ved at bygge den. Den første kan bidrage til værdien; den anden kan øge den forventede indsats og varighed. I vores anvendelse skal Job Size derfor afspejle et realistisk estimat med synlig usikkerhed. Brug samme estimeringsgrundlag for de opgaver, I sammenligner. Persondage er ikke det samme som kalendertid: Ventetid og afhængigheder kan forsinke værdien. Afprøv, om rækkefølgen ændres ved et mere krævende forløb. Dette er vores praktiske håndtering af usikkerhed, ikke en ekstra standardfaktor i WSJF.

Brug den økonomiske vurdering til at begrunde investeringen og WSJF til at drøfte rækkefølgen. En enkel value versus effort-vurdering kan fortsat være tilstrækkelig, når få initiativer skal sammenlignes. Opdatér vurderingerne med den faktiske effekt og den resterende indsats.

Finansier næste skridt og følg op på resultatet

Trinvis finansiering, også kaldet metered funding, binder de tre stadier sammen. Hvert initiativ får en afgrænset ramme til næste skridt. Inden arbejdet starter, aftaler ledelsen og teamet, hvilken læring eller effekt der skal foreligge, når rammen er brugt.

Ved opfølgningen beslutter I, om initiativet skal fortsætte, ændres, sættes på pause eller stoppes. Bevar handlefriheden inden for den aftalte ramme, og gør beslutningerne synlige for de andre teams, så de kan bruge erfaringerne.

Hold et enkelt fælles overblik med initiativ, stadie, værdiejer, direkte og indirekte værdi, vigtigste måling, næste beslutning samt resterende indsats og usikkerhed. Det giver ledelsen et grundlag for at flytte ressourcer og begrænse antallet af samtidige initiativer til det, organisationen faktisk kan gennemføre.

Agile gør prioriteringen til en løbende praksis

Det Agile Manifest lægger vægt på tidlig levering af værdi, tæt samarbejde med forretningen og tilpasning, når behov ændrer sig. [9] Vi vurderer, at disse principper er særligt brugbare i AI-transformationer, hvor kvalitet, data og brugernes arbejdsgange skal afprøves i sammenhæng.

Korte tidsrammer og små leverancer giver hurtig feedback. Brug en afgrænset periode til at afklare et spørgsmål, og vis resultaterne til brugerne. Aftal en beslutningsdato for eksperimentet. Ved udvikling af MVP’en kan Scrum skabe rytme med et fælles mål og et anvendeligt resultat, som vurderes sammen med interessenterne. [10]

En løbende ordnet backlog gør det muligt at ændre prioritet, når I lærer noget nyt. Scrum placerer ansvaret for at maksimere produktets værdi og ordne Product Backlog hos Product Owner. [10] I AI-arbejdet skal den rolle samarbejde tæt med den leder, der ejer den forventede gevinst. Brug fx MoSCoW eller RICE som støtte til beslutningerne.

Kanban kan synliggøre arbejdet og begrænse, hvor meget der er i gang samtidig. Start nyt arbejde, når der er kapacitet, og følg hvor længe opgaverne venter eller er undervejs. [11] Det er nyttigt, når flere AI-initiativer deler få data-, sikkerheds- eller integrationsspecialister.

Reviews og retrospektiver understøtter henholdsvis vurdering af produktets udvikling og forbedring af samarbejdet. Definition of Done gør kvalitetskrav tydelige. [10] For AI foreslår vi konkrete kriterier for fx svarkvalitet, databrug, menneskelig kontrol og overvågning, tilpasset anvendelsen. Antal leverede funktioner skal følges af måling af brug og forretningsværdi.

MoSCoW har en direkte forbindelse til DSDM, og WSJF bruges i SAFe. RICE, ICE og Kano er supplerende teknikker fra produktudvikling, eksperimentering og kvalitetsarbejde. De er ikke obligatoriske dele af Scrum. Vælg den kombination, der hjælper jer med at træffe den aktuelle beslutning.

Tre forskellige beslutninger

Eksperiment

Prioritér efter: Relevant læring og potentiale Value versus effort eller ICE

Grundlag for næste investering: Hypotesen er afprøvet, og en MVP kan begrundes.

MVP

Prioritér efter: Forventet målbar værdi RICE til valg, MoSCoW til omfang og Kano til brugerbehov

Grundlag for næste investering: Faktisk brug, målt effekt og kendte krav til skalering.

Skalering

Prioritér efter: Værdi og samlet indsats Cost benefit analyse til investering og WSJF til rækkefølge

Grundlag for næste investering: En begrundet investering og fortsat opfølgning på realiseret værdi.

Kundeeksempel med mål og opfølgning

I det fælles prioriteringseksempel får kundeportalen WSJF 3,0, rapporten 4,0 og partnerintegrationen 6,0. Integrationen har lav direkte værdi nu, men høj tidskritikalitet og mulighedsskabende værdi. Alle scorer er relative vurderinger blandt sammenlignelige initiativer.

Hvis partnervinduet forsvinder, falder integrationen til 4,0. Den konkrete rækkefølge skal derfor genvurderes sammen med kapacitet og afhængigheder. Brug måleartiklen til at definere gevinsten og opfølgningsartiklen til at undersøge, om den senere faktisk blev realiseret.

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

Udvalget viser etablerede teknikker, som er relevante for modellen. Der foreligger ikke her en sammenlignelig undersøgelse af deres indbyrdes udbredelse. Faseplaceringen, AI-eksemplerne og den praktiske kobling mellem værdi, usikkerhed og prioriteringsniveau er EnableAIs faglige vurdering. Artikelgrundlaget er [1] og [2].

[1] EnableAI · Tre trin fra AI-hypotese til skaleret værdi

[2] EnableAI · Målbar værdi og governance i AI-initiativer

[3] ProductPlan · 2x2 Prioritization Matrix

[4] Agile Business Consortium · What is MoSCoW Prioritization

[5] Intercom · RICE prioritization framework

[6] Kano m.fl. · Attractive Quality and Must-Be Quality

[7] HM Treasury · The Green Book 2026 · Afsnit 5 og 6

[8] Scaled Agile · Weighted Shortest Job First

[9] Principperne bag Det Agile Manifest

[10] Schwaber og Sutherland · The Scrum Guide 2020

[11] The Kanban Guide · Maj 2025

Green Book bruges som metodereference for vurdering af gevinster, omkostninger og usikkerhed. Den er en vejledning til britisk offentlig sektor; artiklens anvendelse på virksomheder er vores tilpasning.

EnableAI-model 3.0: fælles praksis på tværs af faser

De øvrige prioriteringsmetoder i artiklen er alternative faglige perspektiver. I EnableAI-model 3.0 bruges faste VP og SE før alle tre faser. Anvend ikke nye relative skalaer pr. fase, og overfør ikke ICE/RICE-tillidsscorer eller WSJF-tidskritikalitet direkte til VP. 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.