Slå begreber og forkortelser op i ordbogen
Få medarbejderne til at bruge AI med omtanke
Anvendelse opstår, når medarbejderne oplever, at AI hjælper i en reel opgave, og de kan forstå og kontrollere resultatet. Involvér dem i designet, giv tid til at lære, og vær tydelig om konsekvenserne for arbejdet. Lav brug skal undersøges, før den forklares som modstand.
En virksomhed kan købe licenser og afholde kurser uden at ændre den daglige praksis. Det kan skyldes utilstrækkelig kvalitet, besværlig adgang, uklart formål eller bekymring for roller og overvågning. De problemer kræver forskellige svar.
OECDs undersøgelse fandt, at generelt negative holdninger ikke var den største barriere blandt de undersøgte SMV’er. [1] Det er derfor mere nyttigt at undersøge konkrete forhold end at antage, at medarbejderne er imod teknologien. EnableAIs metode knytter læring til egne opgaver og efterfølgende anvendelse. [3]
Involvér brugerne før løsningen er færdig
Bed medarbejderne vise de dele af arbejdet, der tager tid eller skaber fejl. Lad dem beskrive, hvad et brugbart resultat kræver, og hvilke undtagelser der er vigtige. Det giver et bedre grundlag end en demonstration af en generel assistent.
Involvér både interesserede brugere og personer med andre behov. Et forsøg med kun de mest erfarne AI-entusiaster kan overvurdere, hvor let løsningen er at indføre. Medtag relevant variation i faglighed, digitale færdigheder og opgavetyper.
Forklar, hvilke beslutninger der er åbne for påvirkning. Hvis ledelsen allerede har besluttet en organisatorisk ændring, bør den ikke fremstilles som et frit eksperiment. Troværdighed kræver, at medarbejdernes input faktisk kan ændre noget i løsning, arbejdsform eller støtte.
Find årsagen til lav anvendelse
| Observation | Mulig forklaring | Relevant handling |
|---|---|---|
| Brugerne prøver én gang | Opgaven passer dårligt til løsningen | Observer et reelt arbejdsforløb |
| Mange svar rettes | Kvalitet eller kilder er utilstrækkelige | Ret løsningen og gentest |
| Brug sker uden for systemet | Den godkendte løsning er besværlig | Gør den relevante vej anvendelig |
| Medarbejdere holder igen | Konsekvenser og mandat er uklare | Tag en konkret ledelsessamtale |
| Specialister får ekstra arbejde | Kontrolbyrden er flyttet til dem | Tilpas arbejdsfordeling og kapacitet |
Tabellen viser mulige forklaringer, ikke diagnoser. Spørg brugerne og se arbejdet. Et lavt antal logins kan være helt rimeligt, hvis løsningen kun er relevant for få opgaver. Mål derfor anvendelse i forhold til egnede situationer, ikke alene antal medarbejdere.
Vær tydelig om arbejde og forventninger
Fortæl, hvilket problem virksomheden vil løse, hvordan resultaterne vurderes, og hvad der endnu ikke er besluttet. Hvis ambitionen er at frigøre kapacitet, skal ledelsen forklare, hvordan den forventes anvendt. Undgå både ubegrundede løfter om uændrede roller og uklare antydninger om, at AI automatisk erstatter mennesker.
Afklar, hvordan data om anvendelse bruges. Måling til forbedring af en løsning er noget andet end individuel præstationsvurdering. Eventuel medarbejderkontrol kræver sin egen relevante vurdering og kommunikation. Brug personoplysninger lovligt i AI (Q17) behandler persondata, mens Tilpas arbejdsgange og roller til AI (Q22) behandler ændringer i roller.
Gør det acceptabelt at rapportere fejl og sige, at et svar ikke kan bruges. Hvis høj brug belønnes uden hensyn til kvalitet, kan medarbejderne komme til at acceptere usikre resultater eller skjule efterarbejde. Den adfærd gør målingen mindre troværdig.
Skab støtte i hverdagen
Træning bør foregå på de opgaver, løsningen skal bruges til. Lad medarbejderne øve kontrol og overtagelse, og giv dem en kort vej til hjælp. Opbyg de kompetencer AI arbejdet kræver (Q20) beskriver kompetenceopbygningen. En kontaktperson kan støtte kollegerne, men skal have tid og adgang til den nødvendige ekspertise.
Brug korte feedbackmøder til konkrete eksempler. Hvad hjalp? Hvad skabte ekstraarbejde? Hvad skal ændres i løsningen eller processen? Vis, hvilke forslag der bliver gennemført, og hvorfor andre må vente. Det gør involveringen håndgribelig.
Et studie af kundeservice fandt, at effekten af AI-støtte varierede mellem medarbejdere. [2] Vores praktiske konsekvens er at tilpasse støtte og opgaver efter behov. En ensartet træningspakke kan være utilstrækkelig, selv om alle bruger samme værktøj.
Et eksempel med intern videnssøgning
Virksomheden i dette eksempel indfører en assistent til servicevejledninger. Brugerne er interesserede, men anvendelsen falder. Observation viser, at de skal kopiere produktnumre mellem systemer og bagefter lede efter den rigtige dokumentversion.
Teamet forbedrer adgangen til assistenten fra den eksisterende sag og viser versionen tydeligt. Det supplerer med korte øvelser på de hyppigste spørgsmål. Anvendelse og kvalitet måles igen. Problemet var ikke blot manglende motivation; det lå i arbejdsgangen og kontrollen.
Hvis brugen fortsat er lav, undersøges, om opgaven har tilstrækkelig værdi. Virksomheden behøver ikke fastholde en løsning alene, fordi den allerede har investeret i licenser og træning.
Følg anvendelse gennem alle tre stadier
Eksperimentet skal afdække brugerbehov og afgørende forbehold. MVP’en viser, om medarbejderne kan og vil anvende løsningen i det normale arbejde. Ved skalering skal nye grupper have passende støtte, og målingen skal vise, om effekten holder uden særlig opmærksomhed fra projektteamet.
Mål om AI skaber reel værdi (Q09) forbinder anvendelse med værdi, og Vurdér kvaliteten af AI svar og handlinger (Q24) med kvalitet. Inddrag brugerne og ændr den daglige praksis (A05) sammenligner med agile transformationers læring om brugerinddragelse og ændret praksis.
Næste ledelsesbeslutning: Vælg en lille brugergruppe med relevant variation, frigør tid til afprøvning og aftal en åben vej til feedback. Undersøg både løsning og arbejdsform, før I gør mere træning eller mere kommunikation til svaret.
Kundeeksempel med mål og opfølgning
Serviceeksemplet forventer 200 frigjorte timer månedligt. Hvis løsningen bruges mindre end planlagt, bør teamet observere, om medarbejderne skal kopiere data, lede efter kilder eller rette svar. Få samtaler om konkrete sager kan pege på det led, der svigter.
Ret arbejdsgangen og mål igen med samme baseline og kvalitetskrav. Pres for flere logins kan øge aktiviteten uden at give værdi. Opfølgningen skal ende med en ændring og en ansvarlig, ikke alene en ny kommunikationskampagne.
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