Opbyg de kompetencer AI arbejdet kræver

Tilpas læringen til rollen og den konkrete arbejdsopgave. Medarbejdere skal kunne bruge værktøjet, vurdere resultatet og håndtere data og fejl. Ledere skal desuden kunne prioritere, vurdere værdi og fastlægge ansvar. Et fælles introduktionskursus er en begyndelse, men det erstatter ikke øvelse i arbejdet.

AI-kompetence er mere end at skrive en god prompt. En medarbejder kan få flydende tekst frem uden at kunne se, om den er korrekt eller må bruges. En leder kan forstå teknologien uden at kunne afgøre, om en MVP bør skaleres. Læringsbehovet skal derfor beskrives som evner, der kan observeres.

OECDs SMV-undersøgelse viser, at mangel på relevante færdigheder er en væsentlig barriere. [1] EnableAIs metode forbinder fælles forståelse, øvelse på egne opgaver og anvendelse i hverdagen. [3] Her uddyber vi, hvordan virksomheden kan gøre den forbindelse praktisk.

Beskriv hvad hver rolle skal kunne

Rolle	Centrale evner	En praktisk demonstration
Leder	Vælge opgave, værdi, rammer og ansvar	Vurdere en MVP med usikkerhed og omkostninger
Bruger	Give kontekst og kontrollere resultat	Løse en opgave og opdage et indbygget fejltilfælde
Fagekspert	Definere kvalitet og undtagelser	Bedømme svar med fælles kriterier
Data eller teknik	Styre kilder, adgang og ændringer	Afprøve en fejl, sletning eller tilbagekaldt adgang

Der kan være overlap mellem rollerne. Det afgørende er, at virksomheden kan se, hvilke evner der mangler i den valgte anvendelse. Alle behøver ikke kunne udvikle en agent, men nogen skal forstå, hvordan dens handlinger begrænses og kontrolleres.

Start med medarbejdernes eksisterende faglighed. Den er ofte nødvendig for at opdage modellens fejl. Træningen skal gøre faglig dømmekraft lettere at anvende sammen med AI, ikke få brugeren til at behandle et overbevisende svar som facit.

Lær gennem en rigtig opgave

Vælg en godkendt opgave med egnede data. Vis, hvordan formål, modtager, kilder og kvalitetskriterier påvirker resultatet. Lad medarbejderen afprøve forskellige formuleringer og forklare, hvorfor ét svar er mere anvendeligt end et andet.

Øv kontrol af fakta, tal og kildehenvisninger. Medtag en situation, hvor materialet mangler, og en situation, hvor svaret lyder rigtigt, men overser en vigtig undtagelse. Brugeren skal kunne vælge at afvise resultatet eller hente hjælp. Vurdér kvaliteten af AI svar og handlinger (Q24) giver en ramme for kvalitetsvurderingen.

Knyt øvelsen til den normale arbejdsgang. Hvor findes værktøjet? Hvilke oplysninger må det modtage? Hvem svarer på tvivl? Hvis medarbejderen skal huske mange særregler eller kopiere mellem flere systemer, kan problemet være designet af løsningen og ikke alene manglende træning.

Kombinér fælles grundlag med målrettet støtte

En fælles introduktion kan skabe et sprog for generativ AI, RAG, agenter og typiske begrænsninger. Derefter bør læringen følge den enkelte funktion. Salg har andre kontrolbehov end økonomi, HR eller teknisk support.

Giv tid til øvelse og kort opfølgning i hverdagen. En erfaren kollega kan hjælpe med eksempler og fejl, men skal have et klart mandat og adgang til faglig eller teknisk støtte. Undgå at gøre en enkelt entusiast til uformel support for hele virksomheden uden at frigøre tid.

Ledelsen skal vise, hvordan læringen bruges i beslutninger. Bed om en konkret opgave, en observeret effekt og en begrænsning. Det gør samtalen mere nyttig end et generelt spørgsmål om, hvorvidt medarbejderne synes godt om AI. Fordel ansvar og beslutninger for AI (Q19) behandler ansvar, og Få medarbejderne til at bruge AI med omtanke (Q21) anvendelsen efter træningen.

Forstå det aktuelle krav om AI kompetencer

Kommissionens opdaterede FAQ beskriver fortsat en pligt til at støtte udviklingen af AI-kompetencer hos personer, der arbejder med systemerne. Efter AI Omnibus er der ikke et krav om et bestemt ensartet kompetenceniveau eller et generelt certifikat. [2]

Vores anbefaling er at dokumentere relevant træning, instruktion og praktiske øvelser. Det er en måde at gøre indsatsen synlig på, ikke en garanti for lovlighed. Særlige krav til menneskelig kontrol med højrisikosystemer skal vurderes særskilt. Afklar hvilke AI regler virksomheden skal følge (Q18) giver regeloverblikket.

Undgå at gøre dokumentationen til selve målet. Et kursusbevis viser deltagelse eller en afgrænset prøve. Det viser ikke nødvendigvis, at medarbejderen kan håndtere virksomhedens konkrete undtagelser eller dataregler.

Et eksempel på rollebaseret læring

Virksomheden i dette eksempel indfører en intern dokumentassistent. Brugerne øver søgning, præcisering af spørgsmål og kontrol af kilder. Fageksperterne øver at bedømme et fælles udvalg af svar. Dataejeren øver opdatering og tilbagetrækning af en kilde. Ledelsen vurderer, om den målte tidsgevinst kan realiseres.

Efter nogle ugers brug gennemgår teamet de hyppigste fejl. Træningen justeres dér, hvor misforståelser går igen. Hvis medarbejderne ikke kan se produktversionen i et svar, kan løsningen samtidig få en tydeligere kildevisning. Læring og produktforbedring skal arbejde sammen.

Følg evner og effekt frem for deltagelse alene

I eksperimentet undersøges, hvad brugerne skal kunne for at vurdere idéen. MVP’en afprøver læring og støtte i den virkelige proces. Ved skalering etableres introduktion af nye medarbejdere og opdatering ved ændringer i værktøjer, regler og arbejdsgange.

Følg, om medarbejderen kan løse den aftalte opgave, opdage relevante fejl og vide, hvornår hjælp er nødvendig. Sammenhold det med kvalitet og efterarbejde. Inddrag brugerne og ændr den daglige praksis (A05) beskriver læringen fra agile transformationer om at forbinde træning med faktisk adfærdsændring.

Næste ledelsesbeslutning: Vælg de vigtigste evner for første anvendelse, afsæt tid til øvelse og aftal en konkret demonstration af læring. Udpeg, hvem der opdaterer træningen, når løsningen eller arbejdsopgaven ændres.

Kundeeksempel med mål og opfølgning

Kundeservicemedarbejdere kan træne kildekontrol og håndtering af usikre svar på de samme sagstyper, som indgår i værdimålingen. Udgangspunktet er 12 minutter pr. sag, og hypotesen er 9 minutter inklusive kontrol.

Følg efter træningen, om medarbejderne faktisk bruger løsningen, opdager fejl og afslutter sager med mindre samlet arbejde. Kursusdeltagelse er en aktivitet. Værdiejeren følger den operationelle effekt og anvendelsen af kapaciteten over tid.

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

[2] EU Kommissionen · AI literacy spørgsmål og svar

[3] EnableAI · Sådan arbejder vi

AI-kultur i praksis

Fortsæt med motiverende mål, medarbejderinddragelse, hypotesefasen, AI-træning og interne AI-talenter. Se EnableAIs AI-kulturforløb for hjælp til at omsætte læringen til fælles praksis.