AI som aktør – hvad betyder det for mennesker, arbejde og organisatorisk læring?

AI er ikke længere kun et teknologisk emne. Teknologien bliver en organisatorisk forandringssag, når den ændrer opgaver, arbejdsgange, roller, kvalitetskrav, kompetencebehov og ledelsespraksis.

I Danmark anvendte 42 procent af virksomhederne med mindst ti ansatte AI i 2025. Udbredelsen varierer samtidig betydeligt med virksomhedernes størrelse. AI blev anvendt af 75 procent af virksomhederne med mindst 250 ansatte og af 37 procent af virksomhederne med 10–49 ansatte. Tallene peger på, at AI er ved at blive et organisatorisk grundvilkår, men også at organisationer møder udviklingen med forskellige ressourcer, kompetencer og ledelsesmæssig kapacitet. Danmarks Statistik

Jan Damsgaard, professor i digitalisering ved CBS, har fremhævet en vigtig dansk nuance: Danske virksomheder har taget AI til sig hurtigere end forventet, og teknologien anvendes kreativt i både små og store virksomheder. Samtidig er AI fortsat en ledelsesmæssig udfordring. Den centrale opgave er derfor ikke alene at give adgang til teknologien, men at bevæge anvendelsen fra individuelle forsøg og lokale initiativer til en mere sammenhængende organisatorisk praksis.

AI som en del af organisationens praksis

AI skaber ikke organisatorisk værdi gennem adgang alene. Værdien udvikles i samspillet mellem teknologien, opgaven, fagligheden, arbejdsgangene og de mennesker, der skal anvende og vurdere dens bidrag.

Derfor er det ikke tilstrækkeligt at lægge AI oven på eksisterende arbejdsgange. Organisationen må undersøge, hvor teknologien kan understøtte opgaven, hvilke dele af arbejdet der skal ændres, og hvilke eksisterende kvaliteter der skal fastholdes. En opgave kan eksempelvis blive hurtigere at udføre, mens behovet for vurdering, koordinering og kvalitetssikring vokser. Produktivitetsgevinsten ét sted kan dermed skabe nye opgaver eller flaskehalse et andet sted.

AI bør heller ikke forstås som et særskilt implementeringsspor, der udvikles ved siden af den øvrige organisation. Når teknologien integreres i opgaveløsningen, påvirker den også normer for tempo, tilgængelighed, samarbejde og ansvar. Den kan ændre, hvem der producerer et første udkast, hvem der kontrollerer kvaliteten, hvor hurtigt kolleger og ledere forventes at reagere, og hvilke former for viden der får autoritet.

Hvad betyder det, at AI bliver en aktør?

Når AI beskrives som en aktør, betyder det ikke, at teknologien har menneskelig dømmekraft, moralsk forståelse eller et selvstændigt ansvar. Begrebet synliggør, at AI påvirker samspillet i organisationen. Teknologien leverer forslag, strukturer og vurderinger, som mennesker reagerer på, og som kan få betydning for beslutninger og handlinger.

AI-værktøjer er heller ikke neutrale. De er udviklet gennem valg af data, design, modeller og forestillinger om, hvad der udgør et relevant eller godt svar. Deres output kan derfor bringe bestemte perspektiver frem og lade andre træde i baggrunden. Det gør det nødvendigt at undersøge, hvordan teknologien påvirker organisationens opmærksomhed, sprog, problemforståelser og kvalitetsstandarder.

AI kan bidrage med analyse, mønstergenkendelse, perspektivering og hurtige udkast. Mennesker skal fortsat definere formålet, vurdere relevansen, forstå konteksten, afveje hensyn og stå på mål for beslutningerne. Ansvaret kan ikke delegeres til teknologien.

Dømmekraft bliver vigtigere

Når AI kan producere store mængder indhold hurtigt, flyttes en del af arbejdet fra produktion til vurdering. Det øger behovet for faglig og organisatorisk dømmekraft.

Den enkelte medarbejder skal kunne vurdere kilder, fejl, bias, anvendelighed og konsekvenser. Men dømmekraft må ikke reduceres til en individuel kompetence. Organisationen har også brug for fælles standarder for, hvornår AI må anvendes, hvad der skal kontrolleres, hvilke data der kan deles, og hvem der har ansvar for det færdige resultat.

Distribueret dømmekraft betyder i denne sammenhæng, at relevante vurderinger kan foretages tæt på opgaven inden for tydelige rammer. Det kræver forventningsafstemte mandater, adgang til relevant viden og mulighed for at løfte tvivl eller risici ind i et fælles beslutningsrum. Ellers kan alle AI-relaterede vurderinger ende hos enkelte specialister eller ledere, som dermed bliver nye organisatoriske flaskehalse.

Nye læringsopgaver og risici

OECD peger på, at de fleste medarbejdere ikke får brug for avancerede kompetencer i programmering eller udvikling af AI. Til gengæld vokser behovet for digitale, analytiske og menneskelige kompetencer, herunder problemløsning, kreativitet og evnen til at fortolke information. OECD

ILO’s analyser peger tilsvarende på, at generativ AI oftere vil forandre opgaver end erstatte hele job. Det betyder, at organisationer ikke alene skal lære medarbejdere at betjene nye værktøjer. De skal også undersøge, hvordan faglighed, ansvar og læring udvikles, når AI overtager eller understøtter dele af arbejdet. ILO

AI kan gøre tavs viden, eksempler og kvalificerede forslag mere tilgængelige. Det kan styrke læring og give mindre erfarne medarbejdere hurtigere adgang til støtte. Men der opstår også en risiko for, at de opgaver, hvor erfaring og dømmekraft tidligere blev opbygget, automatiseres eller springes over. Organisationen må derfor være opmærksom på både den umiddelbare produktivitet og den langsigtede udvikling af faglig kapacitet.

Skjult AI-brug og workslop er andre organisatoriske signaler. Skjult brug kan pege på uklare retningslinjer, manglende psykologisk tryghed eller afstand mellem den formelle politik og den måde, arbejdet faktisk bliver løst på. Workslop opstår, når AI gør det let at producere materiale, som ser færdigt ud, men kræver betydelig efterbearbejdning hos modtageren. I begge tilfælde er problemet ikke kun den enkelte brugers adfærd. Det handler også om organisationens normer, incitamenter, kvalitetskrav og fordeling af ansvar.

AI som organisatorisk læringsproces

AI-udviklingen bevæger sig hurtigt, og organisationer vil løbende møde nye muligheder, begrænsninger og krav. Derfor kan arbejdet ikke afsluttes med én implementering eller ét kompetenceforløb.

Organisationen har brug for læringssløjfer, hvor erfaringer med kvalitet, tidsforbrug, fejl, arbejdsmiljø og værdiskabelse bliver gjort synlige og omsat til justeringer. Det kræver rum for at dele både gode resultater og problemer uden at gøre eksperimentering ansvarsløs.

Den relevante bevægelse går derfor fra spredt anvendelse til fælles organisatorisk læring. Det centrale spørgsmål er ikke alene, om organisationen bruger AI, men om den udvikler en praksis, hvor mennesker og teknologi sammen bidrager til bedre opgaveløsning, mens menneskelig dømmekraft, ansvar og mulighed for læring fastholdes.