AI Readiness: Er din virksomhed klar til AI agenter?

1. Hvad betyder AI readiness egentlig for en SMV?

Jeg hører tit begrebet AI readiness blive brugt som om det handler om at have de rigtige systemer eller den nyeste software. Det gør det ikke. Når jeg rådgiver ejere og ledere af mindre virksomheder, er det første jeg kigger på ikke teknologien. Det er organisationen bag teknologien. For den bedste AI agent i verden kan ikke redde en virksomhed, der ikke ved hvad den vil have AI til at gøre.

AI readiness er et mål for, hvor godt din virksomhed er i stand til at tage generativ AI i brug på en måde, der faktisk skaber værdi. Det dækker alt fra om dine processer er dokumenterede, til om dine medarbejdere ved hvad der forventes af dem, til om du som leder har en klar idé om hvor AI skal hjælpe.

Jeg bruger selv begrebet AI modenhed virksomhed som en mere jordnær oversættelse. Modenhed handler om, at organisationen er klar til at håndtere den forandring, som AI medfører. Ikke bare teknisk, men kulturelt og strategisk.

Hos en kunde jeg arbejdede med for et stykke tid siden, en butiksindretningskæde med 18 ansatte i Vejle, var der stor begejstring for at komme i gang med AI agenter til kundeservice og tilbudsudarbejdelse. De havde købt adgang til en platform, sat et lille budget af og var klar til at trykke på knappen. Problemet var, at ingen i virksomheden kunne beskrive kundeserviceprocessen i skrift. Den lå i hovedet på to medarbejdere med 12 og 15 års erfaring. Der var ingen dokumentation, ingen klare ansvarsfordelinger og ingen fælles forståelse af hvad en god kundeoplevelse egentlig bestod af. AI agenten kunne ikke hjælpe, fordi virksomheden ikke kunne fortælle den, hvad den skulle gøre.

Det er et typisk eksempel. Og det er ikke et teknisk problem. Det er et organisatorisk problem.

Så hvad kræver det at have høj AI readiness? Det kræver, at du som leder har overblik over dine processer, at dine data er tilgængelige og strukturerede, at dine medarbejdere er med på hvad der sker, og at du har en klar forestilling om hvad succes ser ud for jer. Det lyder simpelt. Det er det bare ikke altid.

Nedenfor gennemgår jeg de vigtigste dimensioner af AI readiness én for én. Ikke fordi du skal score 100 på alle parametre, men fordi du skal vide, hvor du befinder dig, før du tager det næste skridt.

Hvorfor AI readiness ikke er det samme som at købe et abonnement

Jeg forstår godt fristelsen. Der er kommet utrolig mange platforme til, som lover at du kan “sætte AI til at arbejde for dig” inden for et par timer. Og teknisk set er det ikke forkert. Du kan sagtens sætte noget op hurtigt. Spørgsmålet er, om det skaber reel forandring eller bare endnu et digitalt lag, der ikke rigtig bruges.

Jeg har set det mange gange. En direktør køber en AI-løsning, bruger den i tre uger med entusiasme, og så forsvinder det stille og roligt ned i en bunke af halvfærdige projekter. Ikke fordi AI’en var dårlig. Men fordi virksomheden ikke var organiseret til at integrere den i den daglige drift.

Digital transformation med AI er ikke et projekt, du afslutter. Det er en måde at arbejde på, som gradvist ændrer sig. Det kræver, at nogen ejer det. At der er en plan. Og at der er tålmodighed til at justere undervejs.

En anden kunde, et rengøringsfirma i Odense med 12 medarbejdere, investerede i en AI-agent til at håndtere bookinger og kundekommunikation. De første to uger fungerede det godt. Derefter begyndte der at komme klager, fordi AI agenten svarede forkert på spørgsmål om priser. Årsagen var simpel: prislisten på hjemmesiden var ikke opdateret, og AI agenten arbejdede ud fra den forkerte information. Det er ikke et AI-problem. Det er et datavedligeholdelses-problem.

Det her er kernen i AI readiness. Du kan ikke automatisere kaos. Du kan kun automatisere klarhed.

Når du ved, hvor du vil hen, hvad du vil automatisere, og hvad der kræves af dine data og processer, så er AI agenter et kraftfuldt redskab. Men de er ikke en genvej til orden. De forstærker det, der allerede er der. Godt som dårligt.

Så brug lidt tid på at svare ærligt på dette: Hvis jeg satte en ny medarbejder i gang uden nogen oplæring, kun baseret på det, der er dokumenteret i jeres systemer, hvad ville de så kunne løse? Svaret fortæller dig meget om jeres AI readiness.

Hvad AI modenhed ikke handler om

Lad mig aflive et par misforståelser, fordi de fylder meget i de samtaler jeg har med SMV-ejere.

AI modenhed handler ikke om at have et stort IT-budget. Mange af de mest AI-parate virksomheder jeg har mødt, er relativt små og bruger enkle, billige løsninger. Det afgørende er ikke prisen på platformen. Det er kvaliteten af de processer og den data, platformen får adgang til. Derfor hænger arbejdet med AI også tæt sammen med den måde, virksomheden arbejder med data og insights i hverdagen.

AI readiness handler heller ikke om, at alle i virksomheden skal forstå, hvordan AI teknisk fungerer. Det er en fordel at have en eller to nøglepersoner med interesse for det. Men de fleste medarbejdere behøver bare at forstå, hvad AI gør for dem, og hvordan de arbejder med det.

Og det handler bestemt ikke om at skifte alt ud på én gang. Organisationsforandring AI er en gradvis proces. De virksomheder, der lykkes bedst, starter småt, evaluerer løbende og bygger videre på det, der virker. Det er samme tankegang, jeg ofte anbefaler i arbejdet med marketing automation, hvor man også bør starte med de processer, der er tydelige, gentagende og værdiskabende.

Det, AI modenhed faktisk handler om, er ledelsesmæssig klarhed, processuel orden og kulturel åbenhed. Det er i bund og grund klassisk forretningsudvikling, bare med AI som løftestang. Dem gennemgår jeg i de følgende afsnit.

Opsummering af dette afsnit

• AI readiness handler ikke først og fremmest om teknologi, software eller valg af platform, men om hvor klar organisationen er til at bruge AI på en måde, der skaber reel værdi.
• En virksomhed er mere AI-parat, når processer er dokumenterede, data er tilgængelige, medarbejderne forstår retningen, og ledelsen ved, hvad AI konkret skal hjælpe med.
• AI modenhed er en praktisk måde at forstå AI readiness på, fordi det handler om både kultur, strategi, processer og ledelsesmæssig klarhed.
• AI agenter fungerer dårligt, hvis virksomhedens viden kun ligger i hovedet på enkelte medarbejdere, og der mangler fælles beskrivelser af arbejdsgange, ansvar og kundeoplevelse.
• At købe et AI-abonnement er ikke det samme som at være klar til AI. Uden ejerskab, plan og opfølgning bliver AI let endnu et digitalt værktøj, der ikke bliver brugt i hverdagen.
• AI kan ikke skabe orden i rodede processer. Det forstærker det grundlag, virksomheden allerede har, både når det er stærkt, og når det er uklart.
• AI modenhed kræver ikke et stort IT-budget eller teknisk forståelse hos alle medarbejdere, men en klar ledelse, gode processer, brugbare data og en organisation, der er åben for at lære undervejs.

2. Dine processer skal kunne beskrives, før AI kan overtage dem

Før du overhovedet tænker på hvilken AI agent du skal bruge, skal du stille dig selv et enkelt spørgsmål: kan jeg forklare denne proces i skrift, trin for trin, på en måde som en ny person uden forudviden kan følge? Hvis svaret er nej, er du ikke klar til at automatisere den.

Det lyder måske indlysende. Men jeg oplever igen og igen, at kerneprocesser i SMV’er lever i erfaringen hos bestemte medarbejdere. De er ikke skrevet ned. De er ikke standardiserede. De er bare “noget vi gør på en bestemt måde, fordi det virker.”

Det er forståeligt. Virksomheder bygges af mennesker, og mennesker kommunikerer mundtligt. Men AI agenter er ikke mennesker. De forstår ikke kontekst, de kan ikke “mærke” hvad der er rigtigt, og de kan ikke improvisere på den menneskelige måde. De skal have klare instruktioner.

Jeg arbejdede en periode tæt med en ejendomsmægler i Esbjerg, der ville bruge en AI agent til at svare på henvendelser fra potentielle boligkøbere. Vi satte agenten op, gav den adgang til en vidensbase og testede den. De første resultater var lovende. Men inden for to uger begyndte der at komme uoverensstemmelser. AI agenten svarede på spørgsmål om finansiering på en måde, der ikke matchede virksomhedens anbefalinger. Årsagen var, at der ikke eksisterede en klar politik for, hvad virksomheden sagde om finansiering. Det var op til den enkelte mægler. Vi kunne ikke lære AI agenten noget konsistent, fordi virksomheden ikke selv var konsistent.

Løsningen var ikke at skifte AI agent. Det var at bruge tre timers arbejde på at formulere klare retningslinjer for de vigtigste emner. Derefter fungerede det fint.

Det her er et gennemgående mønster. Forberedelsesarbejdet til AI er egentlig bare godt forretningsarbejde og forretningsudvikling. Dokumentér dine processer. Definer dine svar på de spørgsmål, du oftest får. Vær klar på, hvad din virksomhed mener og gør i de situationer, der opstår oftest. Det er fundamentet.

Og som en ekstra bonus: selv hvis du aldrig bruger AI til noget som helst, er den dokumentation guld værd. Den gør dig mindre sårbar over for personaleskift, gør onboarding nemmere og tvinger dig til at tage stilling til, om I egentlig gør tingene på den bedste måde.

Kortlæg dine fem vigtigste processer

Du behøver ikke dokumentere alt på én gang. Start med de fem processer, der fylder mest i din dagligdag, eller som oftest skaber friktion. Det kan være kundehenvendelser, tilbudsudarbejdelse, onboarding af nye kunder, fakturabehandling eller interne godkendelsesflows.

For hver proces, skriv ned: hvem starter den, hvad er inputtet, hvad er de konkrete trin, hvem er involveret, hvad er outputtet og hvad er de mest almindelige afvigelser eller undtagelser. Det behøver ikke være flot. Det skal bare være præcist.

Når du har gjort det, har du noget konkret at arbejde med, når du begynder at konfigurere en AI agent. Du kan bogstaveligt talt bruge din procesbeskrivelse som udgangspunkt for den instruktion, du giver agenten.

Hos mine kunder, der gør dette arbejde grundigt, er resultatet næsten altid, at de opdager tre ting: én proces er mere kompleks end de troede, én er nemmere end de troede, og én bør de overveje om de overhovedet skal lave på den måde. AI readiness tvinger dig til at tænke over din forretning på en nyttig måde.

Afsæt fire timer til det her. Involver gerne en nøglemedarbejder. Brug et simpelt dokument eller en tabel. Du behøver ikke et avanceret procesmodelleringsværktøj. Bare skriv det ned.

Og husk: det er procesdokumentationen, der afgør, om din AI agent bliver et aktivt arbejdsredskab eller bare endnu et digitalt eksperiment.

Data er råmaterialet, og kvalitet slår kvantitet

AI agenter er afhængige af data. Det kan være dit produktkatalog, dine FAQ-svar, din e-mailhistorik, dine kundeprofiler eller din vidensbase. Uanset hvad, gælder der én regel: ramt data giver ramt output.

Jeg ser ofte SMV-ejere, der forestiller sig, at AI agenten på magisk vis kan trække indsigt ud af en stor, rodet datamasse. Det kan den ikke. Eller rettere: den vil prøve, men resultatet bliver upålideligt. Og upålidelige svar fra en AI agent er ikke bare ubrugelige. De kan aktivt skade din kunderelation eller din interne beslutningstagning.

Du behøver ikke have enorme mængder data. Du behøver have præcise, opdaterede og velstrukturerede data inden for det område, AI agenten skal arbejde. Det er bedre at have 50 præcise svar på dine mest stillede spørgsmål end 500 halvfærdige svar på alle mulige spørgsmål. Det er også derfor, arbejdet med data og insights bliver vigtigt, når AI skal bruges i praksis.

Gennemgå den data, du planlægger at give din AI agent adgang til. Er den opdateret? Er den konsistent? Er der dubletter eller modstridende information? Det er de spørgsmål, der afgør, om din agent leverer kvalitet fra dag ét.

Opsummering af dette afsnit

• Før en virksomhed kan bruge AI agenter effektivt, skal de vigtigste processer kunne beskrives tydeligt på skrift, så både mennesker og teknologi forstår, hvad der skal ske.
• Mange SMV’er har vigtige arbejdsgange, der kun findes i hovedet på erfarne medarbejdere, og det gør virksomheden sårbar, når opgaver skal automatiseres eller overdrages.
• AI agenter kræver klare instruktioner, fordi de ikke kan improvisere, mærke situationen eller forstå virksomhedens uskrevne regler på samme måde som mennesker.
• Procesdokumentation er ikke kun relevant for AI. Det gør også onboarding lettere, reducerer afhængigheden af enkelte medarbejdere og skaber bedre overblik over den daglige drift.
• En god start er at kortlægge de fem processer, der fylder mest i hverdagen eller skaber mest friktion, for eksempel kundehenvendelser, tilbud, onboarding eller interne godkendelser.
• Data er råmaterialet for AI agenter, og kvaliteten af svarene afhænger af, om data er opdateret, struktureret og uden modstridende information.
• Det er bedre at give en AI agent adgang til få, præcise og gennemarbejdede oplysninger end til en stor mængde uoverskuelig data, der skaber usikre eller forkerte svar.

3. Organisationsforandring og AI går hånd i hånd

Teknologi er den lette del. Det siger jeg, og jeg ved godt det lyder mærkeligt, fordi teknologi for mange føles som den svære del. Men i min erfaring er det altid den menneskelige side af forandringen, der afgør, om AI-implementeringen lykkes eller strander.

Organisationsforandring AI er ikke bare et fint begreb. Det dækker over en reel udfordring: medarbejdere, der er usikre på hvad AI betyder for dem. Ledere, der ikke er tydelige om retningen. Kulturer, der belønner det kendte frem for det nye. De faktorer er vigtigere end valget af platform.

En direktør jeg taler med jævnligt, driver en logistikvirksomhed med 23 ansatte udenfor Kolding. Han var klar til at investere i AI agenter til ruteplanlægning og kundekommunikation. Teknisk set var alt på plads. Men to af hans vigtigste medarbejdere, der begge havde mere end ti års erfaring, var åbenlyst utrygge. De sagde det ikke direkte, men det kom til udtryk i at de ikke brugte de nye systemer, altid fandt en grund til at håndtere ting manuelt, og subtilt kommunikerede til kollegerne, at “det nok ikke varer.” Det kostede implementeringen to måneder ekstra, og resultatet var aldrig rigtigt godt, fordi hele virksomhedens kultur sendte blandede signaler om, hvad der var forventet.

Det er ikke medarbejdernes fejl. Det er lederens ansvar at skabe klarhed og tryghed. Og det kræver, at du som leder er tydelig om tre ting: hvorfor I gør det, hvad det betyder for den enkelte, og hvad I forventer af hinanden i processen.

AI readiness er altså i høj grad et ledelsesansvar. Du kan ikke delegere den kulturelle del til en IT-ansvarlig eller en ekstern konsulent. Du skal stå bag det selv, og du skal kommunikere det løbende, ikke bare én gang på et personalemøde. Det er også derfor, AI bør tænkes ind som en del af virksomhedens digitale strategi og ikke kun som et enkeltstående IT-projekt.

Det gode er, at du ikke behøver at have alle svarene fra dag ét. Du behøver at være ærlig. “Vi er i gang med at finde ud af, hvad AI kan gøre for os. I er en del af den rejse, og jeres erfaring er afgørende.” Det er langt mere beroligende end ambitiøse PowerPoint-slides om fremtidens arbejdsplads.

Sådan skaber du psykologisk tryghed omkring AI-forandringen

Psykologisk tryghed er et begreb fra forskning i teamdynamik, og det er præcis, hvad du har brug for, når du introducerer AI i din organisation. Det handler om, at medarbejdere tør sige, hvad de tænker, stille dumme spørgsmål og pege på, når noget ikke virker.

Det kræver, at du som leder ikke reagerer defensivt, når nogen er skeptiske. Skepsis er sund. Det er et tegn på, at folk tager det seriøst. Det er ligegyldighed, der er farlig.

Involvér dine medarbejdere tidligt. Spørg dem, hvilke opgaver de synes er kedelige, gentagende eller tidskrævende. Det er oftest netop de opgaver, AI agenter er bedst til. Og når medarbejderne selv peger på, hvad AI skal hjælpe med, er modstanden typisk meget lavere.

Hold løbende korte statusmøder, hvor I deler hvad der virker og hvad der ikke gør. Fejl er en del af processen, og jo mere åbent I taler om dem, jo hurtigere lærer I. En kultur, der ikke tolererer fejl, lærer ikke.

Og giv medarbejderne ejerskab. Udpeg en “AI ansvarlig” per afdeling eller funktion, ikke en tekniker, men en person, der bruger AI dagligt og kan hjælpe kollegerne. Det skaber intern kompetenceudvikling og reducerer afhængighed af ekstern support.

Lederens rolle i digital transformation AI

Digital transformation AI starter øverst. Ikke fordi teknologien er lederens ansvar, men fordi retningen er det. Og retning skaber kultur.

Jeg har set virksomheder, hvor direktøren selv bruger AI dagligt til at forberede møder, lave analyser eller brainstorme strategier. Det sender et signal til hele organisationen. Og jeg har set virksomheder, hvor direktøren aldrig åbner de systemer, han har bedt sine medarbejdere om at bruge. Det sender et endnu tydeligere signal.

Du behøver ikke være teknisk ekspert. Men du skal vise, at du tager det seriøst. Det kan være så simpelt som at dele et eksempel på en ting, du brugte AI til denne uge, på det næste personalemøde.

En naturlig forlængelse af dette er at have sparring om de strategiske beslutninger, der følger med AI-implementeringen. Hvad prioriterer vi? Hvad venter vi med? Hvad er risikoen? Det er præcis den type spørgsmål, som AI-drevet bestyrelsesrådgivning kan hjælpe med. Platforme som boardpanel.dk giver SMV-direktører adgang til et AI-bestyrelsespanel, hvor du kan afprøve dine overvejelser og få skarp sparring uden at skulle samle en fysisk bestyrelse. Det kan især være relevant, hvis du i forvejen arbejder med bestyrelsesposter, rådgivning eller strategisk udvikling i virksomheden.

Opsummering af dette afsnit

• AI-implementering handler ikke kun om teknologi, men i høj grad om mennesker, ledelse og den kultur, AI skal indgå i.
• Medarbejdere kan blive utrygge, hvis de ikke forstår, hvad AI betyder for deres opgaver, rolle og fremtid i virksomheden.
• Det er lederens ansvar at skabe klarhed om, hvorfor virksomheden arbejder med AI, hvad målet er, og hvordan medarbejderne bliver en del af processen.
• Psykologisk tryghed er vigtig, fordi medarbejdere skal turde stille spørgsmål, være skeptiske og fortælle åbent, når noget ikke fungerer.
• Modstanden mod AI bliver ofte mindre, når medarbejderne selv er med til at pege på de opgaver, der er kedelige, gentagende eller tidskrævende.
• Lederen behøver ikke være teknisk ekspert, men skal vise med egne handlinger, at AI er noget, virksomheden tager seriøst.
• Strategisk sparring kan være en hjælp, når virksomheden skal prioritere, hvor AI skal bruges først, hvad der skal vente, og hvilke risici der skal håndteres.

4. Dine systemer skal tale sammen, ellers taler AI forbi problemet

En AI agent er kun så god som de systemer, den er forbundet til. Det er noget af det første jeg siger til virksomhedsejere, der er begejstrede for at komme i gang. Entusiasmen er god. Men systemlandskabet bag skal tages seriøst.

Mange SMV’er har data spredt over et CRM-system, et regnskabsprogram, en e-mailklient, en masse Excel-ark og et par delte Google Docs-mapper. Det er menneskelig organisering, og det fungerer, når menneskene kender systemet. Men AI agenter er dårlige til at navigere i spredte, ustrukturerede datasæt. De har brug for et sammenhængende grundlag.

Det betyder ikke, at du skal udskifte alle dine systemer. Det betyder, at du skal have et overblik over, hvilke systemer der er de vigtigste, og om de kan integreres. De fleste moderne platforme tilbyder API-integrationer eller kobling via tjenester som Zapier eller Make. Det er sjældent teknisk kompliceret. Men det kræver, at du som leder tager stilling til det.

Jeg rådgav en marketingvirksomhed i Aarhus med ni ansatte om netop dette. De ville bruge en AI agent til at hjælpe med at prioritere leads og sende personaliserede opfølgningsmails. Problemet var, at deres leads lå i ét system, korrespondancen i et andet og notater fra salgsmøderne i et tredje. Ingen af systemerne snakkede sammen. AI agenten kunne ikke se hele billedet og producerede derfor anbefalinger, der var baseret på ufuldstændige data. Vi brugte to uger på at bygge en simpel integration, og derefter fungerede det markant bedre.

Pointen er ikke, at integration er svær. Pointen er, at det skal gøres bevidst. Systemintegration er en forudsætning for AI readiness, ikke en efterfølgende detalje.

Brug lidt tid på at kortlægge dit systemlandskab. Skriv de systemer ned, du bruger dagligt. Notér, hvilken data der lever i hvert system. Vurdér, om der er overlap, mangler eller siloer. Det giver dig et fundament at bygge din digitale strategi på.

Hvad du bør have styr på, inden du integrerer AI agenter

Der er tre ting, som går igen, når jeg gennemgår systemlandskab med mine kunder. Det første er adgangsstyring. Hvem har adgang til hvad? AI agenter kan kun arbejde med det, de har adgang til, og du skal vide præcis, hvad det er. Giv dem adgang til det, de skal bruge, og kun det.

Det andet er opdateringsfrekvens. Mange systemer indeholder data, der opdateres løbende. Priser, produkter, kontaktinformation, status på ordrer. Hvis AI agenten trækker på data, der er forældet, vil outputtet være forkert. Sæt processer op for, hvem der opdaterer hvad, og hvor tit. Det er her, arbejdet med data og insights bliver vigtigt, fordi beslutninger og automatiseringer kun bliver bedre, hvis datagrundlaget er til at stole på.

Det tredje er backup og fejlhåndtering. Hvad sker der, hvis AI agenten fejler? Har du en manuel backup-proces? Det er ikke pessimistisk at tænke på det. Det er ansvarlig implementering. De første måneder med en ny AI agent vil altid indeholde situationer, den ikke kan håndtere. Du skal have en plan for det.

Disse tre ting tager ikke lang tid at adressere, men de glemmes overraskende tit. Og det er præcis de glemte ting, der skaber problemer ned ad vejen.

Simpel teknologi, der bruges, slår avanceret teknologi, der ikke bruges

Jeg vil gerne understrege noget, som jeg synes er et undervurderet princip i al digitalisering, men særligt i forbindelse med AI. Simplicitet vinder.

Jeg har set virksomheder investere i avancerede AI-platforme med alt muligt funktionalitet, kun for at ende med at bruge 10 procent af det, fordi resten var for komplekst eller krævede for meget opsætning. Og jeg har set virksomheder bruge et simpelt, let forståeligt system, der løste én ting godt, og opnå markant bedre resultater.

Start med det simple. Løs ét problem godt. Evaluer. Byg videre. Det er en mere effektiv vej end at forsøge at implementere en komplet AI-infrastruktur fra dag ét.

AI readiness handler i høj grad om at matche ambitionsniveauet med organisationens reelle kapacitet. En virksomhed på ti ansatte, der aldrig har arbejdet systematisk med dokumentation eller data, er sandsynligvis ikke klar til en kompleks AI-agent-infrastruktur. Men den er sandsynligvis klar til at bruge én AI agent til én veldefineret opgave. Start der.

Opsummering af dette afsnit

• En AI agent fungerer kun godt, hvis den er forbundet til de rigtige systemer og har adgang til et sammenhængende datagrundlag.
• Mange SMV’er har vigtige oplysninger fordelt på flere systemer, regneark og mapper, hvilket kan gøre det svært for AI at se hele billedet.
• Systemintegration handler ikke nødvendigvis om at udskifte alt, men om at skabe overblik over, hvor virksomhedens vigtigste data ligger, og hvordan systemerne kan tale sammen.
• Før AI agenter integreres, bør virksomheden have styr på adgangsstyring, så AI kun får adgang til de oplysninger, den faktisk skal bruge.
• Opdaterede data er afgørende, fordi AI agenter kan give forkerte svar, hvis de arbejder ud fra gamle priser, forældede produktinformationer eller ufuldstændige kundeoplysninger.
• Backup og fejlhåndtering bør være tænkt ind fra starten, så virksomheden ved, hvad der skal ske, hvis AI agenten ikke kan løse en opgave korrekt.
• Den bedste AI-løsning er ofte den simple løsning, der bliver brugt i hverdagen, frem for en avanceret platform, som organisationen ikke har kapacitet til at implementere ordentligt.

5. Hvilke kompetencer kræver AI, og hvem skal have dem?

Et af de spørgsmål, jeg oftest får, er: “Har vi de rigtige folk til at arbejde med AI?” Det er et godt spørgsmål, og det fortjener et ærligt svar. Svaret er næsten altid: I har nok folk nok. Spørgsmålet er, om I bruger dem rigtigt.

AI readiness kræver ikke, at du ansætter en AI-specialist eller et team af dataingeniører. Det kræver, at du identificerer, hvem i din organisation, der er nysgerrig, lærevillig og god til at arbejde struktureret. Det er de mennesker, der skal føre an i AI-arbejdet.

Jeg ser tit, at virksomheder overkomplicerer det her. De forestiller sig, at AI kræver en helt ny type medarbejder. Det gør det ikke i de fleste tilfælde. Det kræver medarbejdere, der er villige til at lære nye arbejdsgange og tage ansvar for at dele det, de lærer, med kollegerne.

Hos en kunde, et advokatkontor med 14 ansatte i København, var der en paralleladvokat på 31 år, der på eget initiativ var begyndt at bruge AI til at sammenfatte dokumenter og forberede kontraktgennemgange. Hun brugte det ikke fordi nogen bad hende om det, men fordi hun synes det var smart. Da vi begyndte at kigge på AI readiness for kontoret, var svaret ret oplagt: hun skulle have en formel rolle som AI-ansvarlig, og hendes erfaring og metoder skulle deles struktureret med resten af teamet. Det var en langt billigere og hurtigere vej end at ansætte udefra.

Kig dig omkring. Den person, der allerede eksperimenterer med AI, er din mest værdifulde ressource. Giv vedkommende tid, ansvar og anerkendelse.

Ud over den interne AI-ansvarlige er der to andre kompetencer, der er vigtige. Den ene er evnen til at skrive gode prompts, altså instruktioner til AI systemerne. Det er en færdighed, der kan læres af de fleste på relativt kort tid. Den anden er kritisk vurdering af AI-output. Evnen til at vurdere, om det AI producerer, er præcist, relevant og brugbart. Det kræver faglig viden, som dine medarbejdere allerede har. Det er netop her, arbejdet med generativ AI bliver praktisk: AI skal ikke bare bruges, men bruges med faglig dømmekraft.

Promptskrivning er den nye basisfærdighed

I løbet af de næste to til tre år tror jeg, at evnen til at kommunikere effektivt med AI systemer vil blive en lige så grundlæggende erhvervsfærdighed som at kunne bruge Excel eller skrive en professionel mail. Det er ikke en overdrivelse. Det er en observation baseret på den hastighed, AI er ved at integrere sig i arbejdsprocesser på tværs af brancher.

Promptskrivning handler om at formulere præcise, kontekstrige instruktioner. Jo bedre du er til at beskrive, hvad du vil have, jo bedre output får du. Det er faktisk en god øvelse for præcision i tænkning generelt.

Investér i et halvdags kursus eller et internt workshop, hvor I øver jer i at skrive prompts til de opgaver, I laver oftest. Det er billigt, hurtigt og har umiddelbar effekt. Og det er det bedste fundament for at bruge AI agenter effektivt.

Dokumentér de prompts, der virker. Byg et internt bibliotek af gode instruktioner, som alle i virksomheden kan bruge. Det er en simpel form for vidensdeling, der gør den samlede AI-kompetence i virksomheden langt mere robust.

Ansvarsfordeling, når AI er med i processen

En ting, der ofte overses, er spørgsmålet om ansvar. Hvem er ansvarlig for det, en AI agent gør i jeres navn? Hvem godkender output, inden det sendes til en kunde? Hvem reagerer, hvis noget går galt?

Det er ikke tekniske spørgsmål. Det er ledelsesmæssige spørgsmål. Og de skal besvares, inden AI agenten tages i brug. Derfor bør AI også ses som en del af virksomhedens digitale strategi og ikke kun som et værktøj, enkelte medarbejdere tester ved siden af den daglige drift.

Min anbefaling er enkel: behandl AI-output som udkast, ikke som færdige produkter, i hvert fald til at begynde med. Sæt en godkendelsesproces op. En person ser det igennem, bekræfter at det er korrekt og sender det. Det tager måske 30 sekunder. Men det sikrer, at I aldrig sender noget til en kunde, der er forkert, fordi AI agenten misforstod noget.

Over tid, efterhånden som I lærer jeres AI agent at kende og stoler på dens output i bestemte situationer, kan I reducere den manuelle godkendelse. Men start med den. Det giver jer kontrol og tryghed i opstartsfasen.

Opsummering af dette afsnit

• AI readiness handler ikke nødvendigvis om at ansætte nye specialister, men om at finde de medarbejdere, der allerede er nysgerrige, strukturerede og klar til at lære.
• Den medarbejder, der allerede eksperimenterer med AI i det små, kan ofte blive en vigtig intern ressource, hvis vedkommende får tid, ansvar og opbakning.
• AI-kompetencer handler ikke kun om teknik, men også om evnen til at arbejde struktureret, dele erfaringer og vurdere kvaliteten af det output, AI producerer.
• Promptskrivning bliver en vigtig basisfærdighed, fordi gode instruktioner giver bedre svar og tvinger virksomheden til at være mere præcis i sin egen tænkning.
• Et internt bibliotek med gode prompts kan gøre AI-brugen mere ensartet og hjælpe flere medarbejdere med at komme godt i gang.
• Når AI bliver en del af arbejdsprocessen, skal der være klare aftaler om ansvar, godkendelse og håndtering af fejl.
• I begyndelsen bør AI-output behandles som udkast, der gennemgås af et menneske, så virksomheden bevarer kontrol og bygger tillid til teknologien gradvist.

6. Start med de rigtige use cases, ikke de sejeste

Noget af det, jeg bruger mest tid på, når jeg rådgiver om AI readiness, er at hjælpe virksomheder med at vælge de rigtige steder at starte. For der er en tendens til at ville starte med det, der lyder mest imponerende. En AI agent, der kan alt. En automatisering, der dækker hele salgsprocessen. Et system, der kan forudsige kundeadfærd.

Det er sjældent den rigtige start. Ikke fordi det ikke er muligt, men fordi det er komplekst, dyrt og kræver en modenhed, som de fleste SMV’er ikke har endnu. Og når komplekse implementeringer fejler, mister virksomheden troen på AI generelt. Det er en unødvendig og skadelig konklusion.

Den rigtige start er den use case, der kombinerer tre ting: høj frekvens, lav kompleksitet og tydelig effekt. Altså noget, der sker mange gange om ugen, hvor processen er forholdsvis veldefineret, og hvor du kan måle, om det virker. Det kan være besvarelse af indgående kundehenvendelser, kategorisering af e-mails, opdatering af en vidensbase eller generering af standardiserede tilbud.

En kunde jeg hjalp for nylig, et autoriseret el-installatørfirma med 16 ansatte, startede med at bruge en AI agent til at besvare de 20 mest stillede spørgsmål fra nye kunder. Ikke mere. Ikke mere avanceret. Bare det. Det sparede front-office medarbejderen fire til seks timer om ugen. Det var en konkret, målbar gevinst, der skabte tro på AI internt i virksomheden og gav lyst til at gå videre.

Det er den vej, jeg altid anbefaler. Vælg en lille sejr. Dokumentér den. Del den med teamet. Byg videre derfra. Det er i praksis samme tilgang, jeg ofte bruger i forretningsudvikling: begynd med det, der kan skabe tydelig værdi, før du bygger større løsninger ovenpå.

Når I har fundet jeres fodfæste med ét veldefineret use case, er det naturlige næste skridt at kortlægge, hvilke andre processer der ligner det første. Sæt dem i prioriteret rækkefølge. Det giver jer en konkret AI-roadmap, der er baseret på jeres egne erfaringer og behov, ikke på generiske anbefalinger fra en konsulent eller en teknologivendt.

Sådan vurderer du hvilke processer der egner sig til AI agenter

Der er et simpelt filter, jeg bruger med mine kunder, når vi skal vurdere hvilke processer der egner sig til AI. Stil fire spørgsmål: sker det tit? Er outputtet definérbart? Kræver det menneskelig empati? Og hvad er risikoen, hvis det går galt?

Hvis det sker tit og outputtet er definérbart, er det en god kandidat. Hvis det kræver høj grad af menneskelig empati, som fx en svær kundesamtale eller en kompleks rådgivningssituation, bør en AI agent højst understøtte en menneskelig aktør, ikke erstatte den. Og hvis risikoen ved fejl er høj, som fx juridiske eller sikkerhedskritiske beslutninger, skal der altid et menneske ind i processen.

Det her filter sorterer hurtigt de gode idéer fra de dårlige. Og det giver jer et fælles sprog for, hvornår AI er den rigtige løsning, og hvornår det ikke er.

Brug filteret til at gennemgå jeres fem til ti mest tidskrævende processer. Rangér dem efter potentiale. Vælg den øverste. Start der.

Byg en AI-roadmap du faktisk følger

En AI-roadmap behøver ikke være et langt strategidokument. Det kan være en simpel prioriteret liste med tre kolonner: hvad vi vil automatisere, hvornår vi vil starte, og hvem der ejer det.

Det vigtigste er, at den eksisterer, at den er synlig for teamet, og at der følges op på den jævnligt. Sæt en fast dato i kalenderen en gang om måneden, hvor I bruger 30 minutter på at gennemgå roadmappen. Hvad har vi lært? Hvad justerer vi? Hvad er næste skridt? Her kan arbejdet med marketing automation være en god parallel, fordi det også handler om at vælge de rigtige processer, teste dem i praksis og forbedre dem løbende.

Strategisk sparring på den type beslutninger er noget, jeg ser SMV-direktører have stor gavn af at have adgang til. Platformen boardpanel.dk er netop bygget til det: du opretter en konto og får straks adgang til et AI-bestyrelsespanel, der kan hjælpe dig med at prioritere, udfordre dine antagelser og træffe mere velovervejede beslutninger om din digitale strategi, herunder AI.

Opsummering af dette afsnit

• Virksomheder bør ikke starte med den mest imponerende AI-løsning, men med den use case, der er enkel, gentagende og giver en tydelig målbar effekt.
• Komplekse AI-implementeringer kan hurtigt blive dyre og svære at lykkes med, hvis organisationen endnu ikke har modenheden, processerne eller erfaringen til at bruge dem ordentligt.
• En god første AI-use case har høj frekvens, lav kompleksitet og et output, der kan vurderes klart, så virksomheden hurtigt kan se, om løsningen skaber værdi.
• Små succeser er vigtige, fordi de skaber intern tillid til AI og gør det lettere at få medarbejdere og ledelse med på næste skridt.
• Et simpelt filter kan hjælpe virksomheden med at vurdere, om en proces egner sig til AI: sker den ofte, er outputtet tydeligt, kræver den empati, og hvad er risikoen ved fejl?
• En AI-roadmap behøver ikke være et langt strategidokument, men bør som minimum vise, hvad virksomheden vil automatisere, hvornår arbejdet starter, og hvem der har ansvaret.
• Den bedste AI-strategi er ofte den, virksomheden faktisk følger op på, justerer og bruger i hverdagen, frem for en stor plan, der aldrig bliver omsat til konkrete handlinger.

7. Hvad med sikkerhed, data og det ansvarlige brug af AI?

Det her er et afsnit, mange springer over, fordi det føles tungt og juridisk. Det er det ikke. Det er basalt set sund fornuft, der er vigtig at have på plads, inden du sætter AI agenter i drift i din virksomhed.

Jeg tager det med, fordi jeg oplever, at virksomheder enten overser det helt eller bliver paralyserede af GDPR-paranoia. Begge yderpunkter er forkerte. Sandheden er, at du med relativt enkle forholdsregler kan bruge AI ansvarligt uden at sætte dig selv i unødig risiko.

Det første og vigtigste: pas på med hvilke data, du deler med AI-systemer. Mange AI-platforme, inklusive de mest populære, gemmer input-data i en periode og bruger det potentielt til at forbedre deres modeller. Det betyder, at kundeoplysninger, fortrolige dokumenter eller interne strategier ikke bør deles med AI-systemer, medmindre du har bekræftet, at platformen tilbyder en databeskyttelseserklæring, der er GDPR-kompatibel, og at data ikke bruges til modeltræning.

Det er et simpelt princip: giv ikke AI adgang til data, du ikke ville sende til en ekstern samarbejdspartner uden fortrolighedsaftale. Det meste af tiden er det uproblematisk. Men det er godt at have princippet tydeligt defineret, især hvis AI skal indgå som en fast del af virksomhedens digitale strategi.

Det andet er gennemsigtighed over for kunder. Hvis en AI agent kommunikerer med dine kunder, bør du overveje, om de bør vide det. I mange tilfælde er det ikke et krav, men det kan styrke tilliden. En enkel formulering som “Du kommunikerer med vores automatiserede assistent. Svar inden for X timer fra et teammedlem” er klar, ærlig og professionel.

Det tredje er intern klarhed om ejerskab af AI-produceret indhold. Hvem ejer det, AI skriver på virksomhedens vegne? Hvem er juridisk ansvarlig? Det er spørgsmål, der er værd at have diskuteret, inden de opstår som problem.

GDPR og AI: de tre vigtigste ting du skal have styr på

Jeg er ikke advokat, og dette er ikke juridisk rådgivning. Men baseret på de samtaler jeg har haft med GDPR-rådgivere og de implementeringer, jeg har været en del af, er der tre ting, der går igen som vigtige at have på plads.

Det første er databehandleraftaler. Hvis du bruger en AI-platform, der behandler personoplysninger på vegne af din virksomhed, skal du have en databehandleraftale med dem. De fleste seriøse platforme tilbyder det. Tjek det, inden du starter.

Det andet er formålsbegrænsning. Du må kun bruge personoplysninger til det formål, de er indsamlet til. Hvis en kunde har givet dig sin e-mail for at modtage et nyhedsbrev, kan du ikke bruge den til at træne en AI-model uden yderligere samtykke.

Det tredje er ret til indsigt. Dine kunder har ret til at vide, hvilke data du har om dem, og hvordan de bruges. Sørg for, at din brug af AI er beskrevet i din privatlivspolitik på en måde, der er forståelig og dækkende.

De her tre ting er ikke svære at efterleve. De kræver blot, at du tager stilling til dem.

Ansvarlig brug af AI handler om kultur, ikke kun regler

Regler og politikker er nødvendige, men de er ikke nok. Det, der i det lange løb afgør, om din virksomhed bruger AI ansvarligt, er kulturen. Sætter I spørgsmålstegn ved AI-output? Tager I ansvar for det, I sender ud? Er I transparente over for kunder?

De spørgsmål handler ikke om jura. De handler om, hvilken virksomhed I vil være. Og det er lederens ansvar at sætte tonen. På den måde hænger ansvarlig brug af AI også tæt sammen med corporate governance, fordi det handler om ansvar, gennemsigtighed og klare rammer for beslutninger.

I min erfaring er de virksomheder, der bruger AI bedst, ikke dem med de strammeste politikker. Det er dem, der har skabt en kultur, hvor medarbejderne tænker sig om, tager ejerskab og ikke bare delegerer ansvaret til en algoritme. Det er præcis den kultur, der gør AI til et aktivt redskab frem for en risiko.

Opsummering af dette afsnit

• Ansvarlig brug af AI behøver ikke være tungt eller juridisk kompliceret, men det kræver, at virksomheden tager stilling til data, ansvar og gennemsigtighed, før AI agenter sættes i drift.
• Virksomheder bør være meget bevidste om, hvilke oplysninger de deler med AI-systemer, især når det gælder kundeoplysninger, interne strategier og fortrolige dokumenter.
• Et godt udgangspunkt er kun at give AI adgang til data, som virksomheden også ville dele med en ekstern samarbejdspartner under klare aftaler og rammer.
• Hvis en AI agent kommunikerer med kunder, kan gennemsigtighed være med til at skabe tillid, fordi kunden ved, hvornår de taler med en automatiseret assistent, og hvornår et menneske tager over.
• GDPR og AI handler især om databehandleraftaler, formålsbegrænsning og kundens ret til indsigt i, hvordan deres oplysninger bliver brugt.
• Regler og politikker er vigtige, men de kan ikke stå alene. Virksomheden skal også have en kultur, hvor medarbejdere tager ansvar for det, AI producerer.
• Ansvarlig AI-brug handler i sidste ende om ledelse, dømmekraft og klare rammer, så AI bliver et praktisk redskab i virksomheden og ikke en ukontrolleret risiko.

8. Fem konkrete ting du kan gøre denne uge for at styrke din AI readiness

Jeg vil ikke slutte med en lang liste af ting du bør gøre engang. Det er ikke hjælpsomt. Det, jeg vil give dig her, er fem konkrete handlinger, du kan tage fat på nu, der vil rykke din AI readiness mærkbart.

Du behøver ikke gøre alle fem på én gang. Vælg ét punkt og brug en time på det. Det er en bedre start end at planlægge et stort AI-projekt, der aldrig rigtig kommer i gang.

Den første handling er at dokumentere din mest tidskrævende repetitive opgave. Skriv processen ned i trin. Det tager 20 til 40 minutter. Resultatet er enten et fundament for AI-automatisering eller en erkendelse af, at processen er mere uklar, end du troede. Begge dele er værdifulde.

Den anden handling er at identificere den person i din virksomhed, der allerede eksperimenterer med AI. Book et uformelt møde. Spørg, hvad de gør, hvad der virker, og hvad de mangler for at gøre mere af det. Du vil blive overrasket over, hvad du finder.

Den tredje handling er at gennemgå den data, din virksomhed ejer, og som ville være relevant for en AI agent. Er den opdateret? Er den samlet ét sted? Kan den nås digitalt? Bare det at lave en oversigt er et stort skridt.

Den fjerde handling er at bruge en AI agent til én opgave i din egen arbejdsdag denne uge. Skriv et udkast til en mail. Lav et referat af et møde. Sammenfat en rapport. Brug 20 minutter på det. Formålet er at skaffe dig personlig erfaring, ikke at løse et forretningsproblem. Erfaring er det bedste grundlag for strategi, især når du arbejder med generativ AI i praksis.

Den femte handling er at sætte 30 minutter i kalenderen til en AI-status med dit team inden for de næste to uger. Stil spørgsmålet: hvilke opgaver bruger vi mest tid på, som er gentagende og kedelige? Det er udgangspunktet for jeres AI-roadmap.

AI readiness er ikke et mål, du når én gang og så er færdig. Det er en løbende tilstand af bevidsthed og tilpasning. Og jo mere din organisation vænner sig til at arbejde struktureret, datainformeret og forandringsparat, jo lettere bliver hvert næste skridt.

Hvornår er du klar nok til at tage det næste skridt?

Svaret er næsten altid: nu. Du behøver ikke perfekte processer, komplet data eller et dedikeret AI-team. Du behøver et konkret problem, en vilje til at lære og en kultur, der tillader fejl.

Det vigtigste tegn på, at en virksomhed er klar, er faktisk ikke teknisk. Det er lederens engagement. Når direktøren er nysgerrig, prioriterer det og kommunikerer tydeligt, rykker resten af organisationen med. Det har jeg set igen og igen.

Og hvad er det vigtigste tegn på, at du ikke er klar endnu? Enten at du ikke ved, hvad du vil bruge AI til, eller at du ikke er villig til at bruge tid på at forberede organisationen. Begge dele kan løses. Det kræver bare en beslutning.

Jeg hjælper virksomheder med netop den overgang, fra nysgerrighed til handling. Hvis du vil have en uforpligtende snak om, hvor din virksomhed befinder sig i forhold til AI readiness, er du velkommen til at række ud. Og hvis du vil have adgang til løbende strategisk sparring om AI og din virksomheds digitale udvikling, kan du oprette en konto på boardpanel.dk og straks komme i dialog med et AI-bestyrelsespanel, der er klar til at udfordre dine tanker og hjælpe dig med at prioritere.

AI readiness er ikke et projekt, det er en retning

Det er fristende at tænke på AI readiness som noget, du arbejder dig hen imod og derefter er færdig med. Det er en fejltagelse. Ligesom digital modenhed generelt er det en løbende retning, ikke en destination.

Det gode er, at hvert skridt du tager, gør det næste skridt nemmere. Hver gang du dokumenterer en proces, forbedrer du ikke bare dit AI-grundlag. Du forbedrer din virksomhed. Hver gang du investerer i din organisations forståelse af AI, styrker du din samlede kapacitet til forandring. Det er i virkeligheden klassisk forretningsudvikling, hvor teknologien bare gør behovet for klarhed endnu mere synligt.

AI readiness er med andre ord godt lederskab. Det handler om at kende sin organisation, kommunikere klart og bygge kapacitet systematisk. AI er den aktuelle kontekst. Principperne er de samme.

Opsummering af dette afsnit

• AI readiness bliver lettere at arbejde med, når virksomheden starter med få konkrete handlinger i stedet for at planlægge et stort AI-projekt, der aldrig kommer rigtigt i gang.
• En god første opgave er at dokumentere den mest tidskrævende gentagende proces, fordi det hurtigt viser, om virksomheden har et klart nok grundlag til automatisering.
• Den medarbejder, der allerede eksperimenterer med AI, kan være et vigtigt sted at starte, fordi der ofte findes erfaring og nysgerrighed internt, som ledelsen endnu ikke har fået øje på.
• Et simpelt overblik over virksomhedens data kan give stor værdi, fordi AI agenter kun fungerer godt, når de arbejder med oplysninger, der er opdaterede, tilgængelige og relevante.
• Lederen bør selv prøve AI i sin egen arbejdsdag, fordi personlig erfaring giver et bedre grundlag for at træffe strategiske beslutninger om AI i virksomheden.
• Virksomheden er ofte klar nok til at tage næste skridt, hvis der findes et konkret problem, en vilje til at lære og en kultur, hvor fejl bruges som læring.
• AI readiness er ikke noget, virksomheden bliver færdig med. Det er en løbende retning, hvor bedre processer, stærkere datagrundlag og tydeligere ledelse gradvist gør organisationen mere klar til at bruge AI med værdi.

9. Ofte stillede spørgsmål om AI readiness

Hvad er AI readiness, og hvorfor er det vigtigt for min virksomhed?

AI readiness er et mål for, hvor godt din organisation er rustet til at tage AI i brug på en måde, der skaber reel værdi. Det er vigtigt, fordi AI agenter ikke fungerer effektivt i organisationer med uklare processer, rodet data eller lav forandringsparathed. Jo bedre forberedt du er, jo hurtigere og mere stabilt kan du implementere AI.

Kan min lille virksomhed overhovedet bruge AI agenter?

Ja, absolut. Mange af de mest effektive AI-implementeringer, jeg har set, er i virksomheder med under 20 ansatte. Fordelen ved at være lille er, at du kan bevæge dig hurtigt og justere løbende. Start med ét veldefineret problem og byg derfra.

Hvad koster det at komme i gang med AI agenter?

Det afhænger enormt af scope og platform. Du kan komme i gang med relativt enkle løsninger for et par hundrede kroner om måneden. Det dyreste er sjældent selve platformen, det er den tid, det tager at forberede processer og data. Sæt et realistisk tidsbudget og start med det, der giver hurtig synlig effekt.

Hvad gør jeg, hvis mine medarbejdere er nervøse for AI?

Tal åbent om det. Involvér dem tidligt og spørg, hvilke opgaver de synes er kedelige og tidskrævende. Når medarbejdere selv peger på, hvad AI skal hjælpe med, er modstanden markant lavere. Vær tydelig om, at AI er et redskab, ikke en erstatning.

Skal jeg ansætte en AI-specialist for at komme i gang?

Nej, det er sjældent nødvendigt i opstartsfasen. Identificér den person i din organisation, der allerede er nysgerrig på AI, og giv vedkommende tid og ansvar. Supplér med ekstern rådgivning, når du støder på konkrete tekniske eller strategiske udfordringer.

Hvad er de mest almindelige fejl ved AI-implementering i SMV’er?

De tre mest almindelige er: at starte for komplekst, at undlade at dokumentere processer inden implementering, og at undervurdere den kulturelle forandringsopgave. Alle tre er forebyggelige med lidt forberedelse og en struktureret tilgang.

Hvordan ved jeg, om min virksomhed er klar til AI agenter?

Stil dig selv dette spørgsmål: kan jeg beskrive den proces, jeg vil automatisere, i klare trin på skrift? Hvis ja, er du nok tæt på at være klar. Hvis nej, er det der, du skal starte. Det er den simpleste og mest præcise test for AI readiness, jeg kender.