Slå begreber og forkortelser op i ordbogen
Find de AI anvendelser der kan forbedre arbejdet
Find anvendelser ved at undersøge arbejdet, hvor det er langsomt, fejlbehæftet eller afhængigt af få personer. Beskriv problemet, før I beskriver en AI-løsning. De bedste kandidater kombinerer en vigtig effekt med et grundlag, der kan afprøves.
En liste over populære AI-værktøjer giver sjældent et godt overblik over virksomhedens muligheder. Værktøjerne viser, hvad der kan lade sig gøre. Arbejdsopgaverne viser, hvad der er værd at gøre. Vi anbefaler at involvere både procesejere, medarbejdere og en person, der forstår data og systemer.
OECDs parathedsværktøj omfatter manglende relevante anvendelser som en barriere. [1] Det er et nyttigt udgangspunkt for et spørgsmål, der ofte overses: Er der et tilstrækkeligt vigtigt problem, eller er vi i gang med at lede efter et sted at placere teknologien? EnableAIs startartikel giver den samme problemorienterede indgang. [3]
Følg en opgave fra behov til afsluttet resultat
Vælg en proces og gennemgå et lille udvalg af nylige sager. Notér de faktiske trin: indsamling af oplysninger, vurdering, beslutning, udførelse og opfølgning. Se efter ventetid mellem trin, gentagen indtastning, informationssøgning og rettelser. Spørg også, hvilke opgaver virksomheden undlader, fordi der ikke er tid eller kompetencer til dem.
Undersøg normalforløb og undtagelser hver for sig. En automatisk løsning på standardsager kan have stor værdi, selv om den overlader undtagelser til mennesker. Omvendt kan det være netop undtagelserne, der optager specialisternes tid. I så fald skal forsøget undersøge støtte til vurderingen og ikke blot hurtigere behandling af de letteste sager.
Lav først beskrivelser uden produktnavne. Skriv eksempelvis hjælp til at sammenholde kundekrav med godkendte produktdata. Undgå den tidlige formulering vi skal have en agent. Vælg mellem automatisering generativ AI og agenter (Q12) forklarer forskellen mellem en sprogmodel, et fast workflow og en agent, så teknikken kan vælges efter opgaven.
Brug et enkelt kort for hver mulighed
| Felt | Spørgsmål der skal besvares | Eksempel fra tilbudsarbejde |
|---|---|---|
| Problem | Hvem oplever hvilken udfordring | Sælgeren bruger tid på at finde korrekte produktkrav |
| Effekt | Hvad skal blive bedre | Kortere tid til et kontrolleret tilbud |
| Grundlag | Hvilke data og regler er nødvendige | Godkendte specifikationer og aktuelle priser |
| Kontrol | Hvad må løsningen gøre | Foreslå indhold som sælgeren godkender |
| Usikkerhed | Hvad kan vælte idéen | Modstridende produktdata og mange særvilkår |
Kortet er en fælles beskrivelse, ikke en business case. Angiv en procesejer og et første estimat for volumen. Notér, om problemet opstår dagligt eller få gange om året, og hvor stor konsekvensen er. En sjælden hændelse kan stadig være vigtig, hvis den er dyr eller risikofyldt.
Registrér direkte og indirekte potentiale hver for sig. Direkte værdi kan være færre manuelle opslag. Indirekte værdi kan være fælles faglige definitioner, som senere gør oplæring lettere. Begge er relevante, men et diffust fremtidigt potentiale bør ikke skjule manglende nutidig anvendelse.
Sortér før I begynder at score
Fjern dubletter og saml forslag, der løser samme problem. Undersøg derefter, om en procesændring, en søgefunktion eller almindelig automatisering er tilstrækkelig. Det frigør tid til de anvendelser, hvor AI faktisk bidrager med en nødvendig evne.
Markér kandidater, der ikke kan afprøves på det nuværende grundlag. Det kan skyldes manglende datarettigheder, utilgængelige systemer eller fravær af en faglig vurdering. De kan blive relevante senere, men skal have en synlig afhængighed. Lad ikke en høj værdiscore ophæve en nødvendig sikkerheds- eller lovlighedsafklaring.
Vælg herefter et lille antal forskellige kandidater. Det kan være én mulighed for hurtig operationel forbedring og én mulighed med større fremtidigt potentiale. Vælg hvilke AI initiativer der skal komme først (Q04) og Prioritering af AI initiativer (AI-04-001) behandler prioriteringen. Adskil muligheden som helhed fra størrelsen på det første forsøg; et stort potentiale kan ofte undersøges med en beskeden investering.
Se muligheder uden at love universelle gevinster
I revisionsvirksomheden i dette eksempel foreslår medarbejderne møderesuméer, dokumentkontrol og automatisk kunderådgivning. Observation viser, at en stor del af ventetiden skyldes manglende kundebilag. Teamet vælger at afprøve hjælp til at identificere mangler og klargøre en besked til kunden.
MVP’en må ikke afgøre faglige spørgsmål, den ikke er testet til. Den viser i stedet, hvilke bilag den mener mangler, og en medarbejder kontrollerer grundlaget. Målingen omfatter både behandlingstid, fejlagtige påmindelser og om kunden faktisk leverer de nødvendige oplysninger hurtigere.
Det er et tænkt eksempel, ikke et dokumenteret brancheresultat. OECDs SMV-undersøgelse viser, at brug og oplevede gevinster varierer. [2] Virksomheden skal derfor undersøge sin egen arbejdsform. Et godt resultat i én afdeling kan ikke uden videre overføres til alle fagområder.
Byg en pipeline som bliver klogere
I eksperimentstadiet beskrives muligheder som hypoteser med en afgørende usikkerhed. I MVP-stadiet bliver beskrivelserne til afgrænsede brugerforløb med forventet målbar værdi. Ved skalering tilføjes variation, drift, kapacitet og samlede omkostninger. Det samme kort udvikles gennem forløbet frem for at blive erstattet af nye dokumenter ved hver beslutning.
Bevar også afviste muligheder med en kort begrundelse. Ellers genopstår de, når en ny leverandør viser en tilsvarende demonstration. Genåbn en mulighed, hvis data, teknologi eller forretningsbehov har ændret den afgørende forudsætning.
Tilpas arbejdsgange og roller til AI (Q22) går videre med ændringer i arbejdsgangen. Skab nye kundetilbud med AI (Q29) behandler nye kundeprodukter, hvor spørgsmålet ikke kun er, hvordan eksisterende arbejde bliver hurtigere, men hvilken ny nytte kunden vil betale for.
Næste ledelsesbeslutning: Gennemgå én vigtig proces med medarbejderne, opret højst fem konkrete anvendelseskort og vælg de to usikkerheder, det er mest værdifuldt at afklare først.
Kundeeksempel med mål og opfølgning
En økonomiafdeling med 10.000 månedlige fakturaer kan undersøge både registrering, fejlkontrol og håndtering af manglende oplysninger. Hvis fejl med efterarbejde kan falde fra 4 % til 1,5 %, er potentialet 250 færre fejl om måneden.
Ved 20 minutters efterarbejde pr. fejl svarer det til cirka 83 timer. Muligheden beskrives med data, værdiejer og kvalitetskrav, før en bestemt teknologi vælges. Fakturaer, som afvises fejlagtigt, tæller med i vurderingen.
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 · SME AI Readiness Tool