Udfordringen

94% kan automatiseres. 33% gør det. Hvad med de resterende 61%?

AI kan allerede klare næsten alt vidensarbejde. Men de fleste bruger det til ingenting. Gabet er din mulighed — eller din risiko.

94%AI-kapabilitet

33%Faktisk brug

61%Uudnyttet potentiale

Kilde: WEF Future of Jobs 2025

94% kan automatiseres. 33% gør det. Hvad med de resterende 61%?

Udforsk · 8 min

Vælg din vigtigste opgave denne uge. Lad AI løse 70%.

Instruktion (8 min stille arbejde)

Åbn chatgpt.com eller claude.ai. Tænk på din vigtigste opgave denne uge. Brug denne prompt: "Jeg skal [beskriv opgave]. Lav et komplet udkast inkl. struktur, hovedpointer og formulering. Jeg kvalitetssikrer bagefter." Læs resultatet kritisk. Del med din sidemand: Hvad overraskede dig? Hvad var AI dårlig til?

AI er god til Konsistens, hastighed og volumen. Den bliver aldrig træt, glemmer aldrig en detalje og kan producere 10 udkast på den tid du bruger på 1.

Mennesker er gode til Dømmekraft, relationer, kontekst og etik. Vi ved hvornår noget 'føles forkert'. Vi kender organisationens historie. Vi tager ansvar.

Forklaring

Hvad er AI god til — og hvad er den ikke?

Gabet mellem 94% og 33% er ikke teknisk — det er kulturelt. Værktøjerne er klar. Vanerne er ikke.

Dallas Fed (feb 2026) AI substituerer de opgaver som junior-medarbejdere typisk udfører — research, opsummering, udkast. Men AI augmenterer erfarne medarbejdere ved at fjerne rutinearbejde og give plads til dømmekraft.

Spørgsmålet Hvem er mest udsat i din afdeling? De med mest rutineprægede opgaver — uanset titel. En seniorleder der kun skriver statusrapporter er mere udsat end en junior der bygger relationer.

Forklaring

AI erstatter entry-level. AI forstærker erfarne.

Fordybelse · 6 min

Tre hurtige AI-tests

Opsummér et møde med AI

Beskriv et nyligt møde i 5 sætninger. Bed AI om et struktureret referat med beslutninger og action points.

Skriv en status-mail

Giv AI 3 bullet points om dit projekts status. Bed om en professionel status-mail. Sammenlign med din egen stil.

Lav en analyse af data

Giv AI en tabel eller tal-sæt. Bed om en analyse med konklusioner. Vurdér: er konklusionerne pålidelige?

Fordybelse

HITL-princippet: AI producerer, du kvalitetssikrer

Hvornår er HITL nødvendigt?

Når beslutninger påvirker mennesker, penge eller omdømme. Når kontekst, historie eller relationer er afgørende. Når fejl har konsekvenser. Eksempler: Personaleansvar, kundekontrakter, strategiske anbefalinger, offentlige udtalelser.

Hvornår er det overkill?

Når opgaven er standardiseret, lav-risiko og let at verificere. Interne kladder, research-opsummeringer, kalenderplanlægning. Eksempler: Interne notater, mødeindkaldelser, første udkast til brainstorm.

Hvad er din grænse?

Diskutér med din sidemand: Hvor går jeres grænse? Hvilke opgaver ville I lade AI køre uden tilsyn — og hvilke kræver altid et menneskeligt blik?

Evaluering · 5 min

Hvad er din AI-strategi fra mandag?

Overraskelsen

Hvad overraskede dig mest i dag? Var AI bedre eller dårligere end forventet? Hvad ændrede din opfattelse af hvad der er muligt?

Handlingen

Hvad er den ene ting du vil gøre anderledes fra mandag? Vælg én konkret opgave. Sæt tid af. Mål resultatet.

Organisationen

Hvad skal der ændres i jeres organisation for at AI bliver en naturlig del af arbejdet? Kultur, kompetencer, ledelsessignal?