AI-træning for medarbejdere: Fra kursus til fælles praksis

Robert Kinnerfelt · EnableAI · 29. september 2026

Hvilken AI-træning skal virksomheden begynde med?

Begynd med et fælles sprog om AI, sikker anvendelse og faglig kontrol. Lad derefter medarbejderne øve på relevante opgaver og lære at vurdere resultatet. Giv ledere og interne nøglepersoner særskilt træning i prioritering, feedback og støtte. Læringen skal fortsætte i arbejdstiden, efter at det første kursus er slut.

“Forskellen på AI som buzzword og AI som en kernekompetence er den change management, du investerer i.”

— Robert Kinnerfelt

Citatets ledelsespointe er, at kompetence bliver organisatorisk værdifuld, når den får plads i arbejdet. Change management omfatter her de handlinger, som forbinder læring med mål, rolleforståelse, arbejdsgange og opfølgning. Det er ikke en påstand om, at forandringsledelse alene kan gøre en dårlig løsning brugbar.

Definér det, medarbejderen skal kunne

Et kursusnavn er ikke et læringsmål. »Har deltaget i AI-introduktion« fortæller noget andet end »kan kontrollere et AI-udkast mod virksomhedens godkendte kilder«.

Start med en konkret opgave og spørg, hvilke handlinger der gør anvendelsen nyttig og forsvarlig. En medarbejder, der skriver kundeoplæg, skal kunne skelne dokumenterede oplysninger fra formuleringer, modellen selv har tilføjet. En leder skal kunne vurdere, om den samlede opgave bliver bedre, og om gevinsten kan anvendes.

Beskriv læringsmålene, så de kan demonstreres. Bevar også et rum for at spørge om hjælp. Selvstændighed betyder, at medarbejderen kan genkende sine grænser og ved, hvad næste handling er.

Et fælles fundament med seks evner

EnableAI anbefaler, at den første læring dækker følgende evner. De er en praktisk ramme, som skal tilpasses opgaver og eksisterende viden.

Ingen behøver at blive specialist i alle tekniske begreber for at begynde. Det afgørende er at kunne genkende de valg, man møder i sin egen rolle. Ved en agent, som kan ændre oplysninger, skal brugeren eksempelvis forstå, hvilke handlinger der kræver menneskelig godkendelse.

Tilpas næste trin til rollen

Ledere skal øve sig i at forbinde AI med en konkret forbedring, afsætte læringstid og håndtere tvivl. De skal kunne skelne mellem aktivitet, anvendelse, målt effekt og realiseret værdi. En leder bør kunne forklare, hvad der får et forsøg til at stoppe.

Medarbejdere skal bruge egne eller realistiske opgaver, kontrollere resultater og øve undtagelser. Læring om en rapport bør ske med de samme kvalitetskriterier, der bruges til den faktiske rapport.

Fageksperter skal kunne gøre tavs viden synlig: Hvad kendetegner et godt svar? Hvilke fejl ser plausible ud? Hvornår kræver en situation særlig behandling? Deres rolle bliver central i at vælge gode eksempler og evaluere løsningen.

Interne AI-nøglepersoner skal desuden kunne hjælpe kolleger, indsamle erfaringer og kende vejen til teknisk eller faglig støtte. De skal ikke forventes at løse alle integrations-, sikkerheds- og driftsproblemer.

Øv også det, der kan gå galt

En god demonstration viser muligheder. En god læringsopgave undersøger også, om deltageren opdager begrænsningerne. Brug godkendte øvelsesdata og fortæl, at fejl er en del af øvelsen.

Fem opgavetyper er nyttige som inspiration til den løbende træning:

1. Udkast med en skjult faktuel fejl. Deltageren skal efterprøve svaret og forklare, hvad der skal rettes.
2. En opgave med manglende information. Deltageren skal opdage behovet for afklaring i stedet for at acceptere et gæt.
3. To forskellige løsningsveje. Sammenlign manuelt arbejde, en eksisterende systemfunktion og AI, hvor det er relevant.
4. En foreslået systemhandling. Deltageren skal forklare, hvem der må godkende den, og hvad der sker ved fejl.
5. En kollegas arbejdsgang. Deltageren skal hjælpe en anden med at anvende en metode og registrere, hvor vejledningen ikke er tilstrækkelig.

Øvelserne er ikke et færdigt workshopprogram. De er byggesten til et kompetenceforløb, der følger de valgte opgaver. Kravene skal svare til den risiko og det ansvar, anvendelsen indebærer.

Forbind træning med en rytme i arbejdet

Et muligt læringsforløb begynder med en fælles introduktion og fortsætter med korte perioder, hvor medarbejderne afprøver én konkret anvendelse. Efter hver periode deler teamet et nyttigt eksempel og et problem, der skal håndteres.

Lederen skal fjerne eller udskyde andre opgaver, så læringstiden findes i praksis. En opfordring til at øve sig oven i en fuld arbejdsdag risikerer at gøre AI til endnu en belastning.

Giv adgang til hjælp på kendte tidspunkter og saml gennemprøvede eksempler tæt på arbejdsgangen. Hvert eksempel bør vise opgave, godkendt datagrundlag, fremgangsmåde, kvalitetskrav og begrænsninger. En liste med prompts uden denne kontekst er svær at genbruge ansvarligt.

Når en instruktion ændres, skal der være en ejer, som kan opdatere den. Nye medarbejdere skal kunne finde den aktuelle version. Fremtidssikring handler her om at vedligeholde evnen til at lære, også når værktøjets knapper og funktioner ændrer sig.

Et illustrativt eksempel: Fra kursus til anvendelig rapport

Et team vil bruge AI til ugens statusrapport. Før træningen beskriver det, hvilke kilder rapporten skal bygge på, hvilke nøgletal der skal kontrolleres, og hvem der godkender den. Deltagerne arbejder derefter med et godkendt øvelsesmateriale.

En deltager får et velformuleret udkast, som sammenblander to perioder. En anden opdager, at modellen ikke kan dokumentere en konklusion. Begge observationer bliver brugt til at forbedre vejledningen og kontrollen.

I den efterfølgende afprøvning måler teamet hele den aktive arbejdstid, inklusive rettelser. Det noterer også, om nye fejl opstår, og om rapporten bliver mere anvendelig for modtageren. Hvis faktakontrollen tager al den sparede tid, skal opgaven eller løsningen ændres.

Træningen har stadig givet en kompetence: Teamet kan nu vurdere anvendelsen mere kvalificeret. Men virksomheden må ikke registrere en tidsgevinst, der ikke er observeret.

Følg færdigheder og adfærd efter træningen

Følg, om medarbejderen kan gennemføre en repræsentativ opgave, opdage væsentlige fejl og forklare sine valg. Undersøg senere, om evnerne bruges i den normale hverdag, og hvilke barrierer der fortsat står i vejen.

Lav anvendelse kan skyldes dårlig adgang, utilstrækkelige data eller en løsning, som ikke passer til opgaven. Mere undervisning er ikke nødvendigvis svaret. Lad træningens observationer føre tilbage til produkt- og procesforbedringer.

Kursusdeltagelse og tilfredshed kan hjælpe med at forbedre undervisningen. De er ikke tilstrækkelig dokumentation for ændret praksis eller forretningsværdi.

Hvad siger kilderne om kompetenceopbygning?

McKinseys *Superagency*-rapport fremhæver rollebaseret kompetenceudvikling og læring knyttet til arbejdet. [K1] BCG’s *AI at Work 2025* peger på træning og ledelsesstøtte som væsentlige forhold i AI-anvendelsen. [K6] Begge bidrager med survey- og rådgivningsindsigt; de validerer ikke EnableAI’s seks evner eller en bestemt undervisningslængde.

Vores anbefaling om at demonstrere færdigheder er en praktisk måde at undersøge, om læringen kan bruges. Den supplerer EnableAI’s eksisterende artikel om kompetencer, som beskriver roller og relevant anvendelse.

Korte svar om AI-træning

Er prompting nok? Nej. Prompting skal forbindes med opgavevalg, data, kildekritik, faglig kontrol og forståelse af arbejdsgangen.

Skal alle tage det samme kursus? Et fælles fundament kan være nyttigt. Den praktiske læring bør derefter følge rolle, ansvar og opgaver.

Hvor meget træning er nok? Det afhænger af anvendelsen. Aftal de evner, der skal kunne demonstreres, og følg op i arbejdet. Et bestemt antal timer er ikke et universelt kompetencebevis.

Skal AI-træning gennemføres, før vi eksperimenterer? Nødvendige rammer og grundfærdigheder skal være på plads til det konkrete forsøg. Afprøvning og læring kan derefter foregå sammen og forbedre hinanden.

Relateret EnableAI-viden og næste skridt

• AI-kurser for virksomheder viser eksisterende introduktioner, praktisk brug og opfølgning.
• Sikker brug af generativ AI giver grundlag for data og kontrol.
• Opbyg de kompetencer AI-arbejdet kræver beskriver den bredere kompetenceindsats.
• Denne series artikler om motiverende mål (AI-14-003-da) og intern talentudvikling (AI-14-007-da) forbinder læring med retning og udviklingsmuligheder.

Vil I gøre AI-træning til en fælles praksis, der hjælper i hverdagen? Book en uforpligtende AI-samtale. Vi tager udgangspunkt i deltagernes opgaver og de evner, de skal kunne bruge bagefter.

Kilder og fagligt grundlag

[K1] McKinsey & Company, *Superagency in the workplace*, 2025. Læs rapporten. Anvendt til rollebaseret kompetenceudvikling og støtte i arbejdet.

[K6] BCG, *AI at Work 2025: Momentum Builds, but Gaps Remain*, 26. juni 2025. Læs rapporten. Anvendt til betydningen af træning og ledelsesstøtte; en survey, ikke et kontrolleret uddannelsesforsøg.

Kilderne er tilgået 29. september 2026. Citatet er fra Robert Kinnerfelts oplæg; citatet er godkendt til publicering. De seks evner, øvelsesforslagene og opfølgningsformen er EnableAI’s anbefaling. Rapporteksemplet er illustrativt.