Lederne · AI i ledelse

AI er ikke strategi. Det er et ledelsesvalg.

Hvordan vælger ledere de rigtige AI-initiativer — uden at drukne i hype, pilotprojekter og løsninger uden ejerskab?

I dag arbejder vi med
Prioritering Risikostyring Implementering
Formål

Give en enkel model til at vurdere, hvor AI skaber reel værdi først — og hvordan man starter ansvarligt.

AI
1Se de klassiske ledelsesfejl
2Brug en simpel vurderingsmodel
3Vælg et styrbart første skridt
Agenda

Tre spørgsmål vi skal svare på

1

Hvorfor fejler så mange AI-initiativer?

Fordi man starter for bredt, for diffust og uden tydeligt ejerskab.

2

Hvordan vurderer vi potentialet hurtigt?

Ved at kigge på værdi, risiko og adfærd i stedet for kun teknologi.

3

Hvordan kommer vi i gang uden kaos?

Ved at vælge et lille område, definere ansvar og måle effekten fra start.

20 min sessionSlide 2 • Agenda
Tre ledelsesfejl

Hvor AI-initiativer går galt først

Teknologien får ofte skylden. Men det er næsten altid ledelsesdesignet, der knækker først.

1

Løsning før problem

Man implementerer AI uden at have afklaret den konkrete beslutning, arbejdsgang eller irritation, der skal forbedres.

2

For bred ambition

Man vil transformere hele funktionen i stedet for at vælge ét område med målbar gevinst.

3

Ejerskab mangler

Når ingen ejer kvalitet, governance og opfølgning, bliver AI et initiativ uden retning.

Diskutér: hvilken fejl ser I oftest?Slide 3 • Problem
”AI
Vurderingsmodel

Brug en simpel 3-linse model

1. Værdi

Hvor mange timer, fejl, friktioner eller svartider kan vi realistisk forbedre?

2. Risiko

Hvad er konsekvensen, hvis AI tager fejl — og hvor hurtigt kan det opdages?

3. Adfærd

Er teamet klar til at ændre proces og ansvar, eller lægger vi bare ny teknologi ovenpå gammel vane?

Brug modellen på et konkret initiativSlide 4 • Framework
Hvor værdien ofte ligger

Start hvor arbejdet er tungt, gentaget og vurderbart

1

Mødeforberedelse

Opsamling, første udkast, prioritering og briefing er oplagte steder at hente tid hurtigt.

2

Kundesvar og intern viden

AI kan øge fart og kvalitet, hvis viden er nogenlunde struktureret og output kan gennemlæses.

3

Sags- og teksttunge flows

Processer med mange gentagne vurderinger, opsummeringer og kategoriseringer er tit gode kandidater.

Led efter høj friktion + lav katastroferisikoSlide 5 • Opportunities
Mini-case

Mødeforberedelse er et godt første projekt

Situation

Ledere bruger for meget tid på at samle noter, mails og tidligere aftaler før vigtige møder.

AI-bidrag

Systemet kan samle input, foreslå agenda, fremhæve risici og generere et første brief.

Hvorfor det er styrbart

Output kan hurtigt vurderes af et menneske, og fejl opdages før mødet starter.

“
Hvis lederen stadig kan sige nej, rette og prioritere, er vi i et sundt første AI-scope.
Case-princip
Et godt første projekt skal være nyttigt og reversibeltSlide 6 • Case
Øvelse

Nu går vi fra inspiration til vurdering

Vælg et AI-initiativ fra jeres egen hverdag og test det med modellen.

Gruppeøvelse

Vurder et konkret AI-initiativ

Opgave

Vælg ét initiativ fra jeres hverdag: mødeforberedelse, kundesvar, sagsbehandling, intern videndeling eller noget andet.

Diskutér
  • Hvor er værdien størst?
  • Hvor er risikoen størst?
  • Hvem skal eje kvaliteten?
Output

Afslut med én sætning: “Vi bør starte med X, fordi Y, og vi styrer risiko Z ved at ...”

Tid

8 minutter i grupper + 5 minutter opsamling.

Formål: gøre AI prioriterbartSlide 8 • Workshop
Faldgruber

Tre fejl i implementeringen

1

Ingen baseline

Hvis I ikke ved hvor lang tid processen tager i dag, kan I ikke bevise effekten bagefter.

2

Ingen menneskelig gate

Første version bør næsten altid have et tydeligt review-led, især i ledelsesnære beslutninger.

3

Ingen ejer efter pilot

Piloten dør, hvis ingen tager ansvar for træning, vedligehold og organisatorisk adoption.

Fra pilot til praksis kræver ejerskabSlide 9 • Pitfalls
Kobl til din praksis

Fra model til handling i din organisation

Brug 2 minutter på at tænke over disse spørgsmål individuelt, inden vi samler op.

1

Hvor er friktionen?

Hvilken proces i dit ansvarsområde er mest tidskrævende, gentaget og vurderbar — og kunne AI hjælpe?

2

Hvem ejer kvaliteten?

Hvis I implementerede AI i morgen, hvem ville så sikre at output er korrekt og ansvarligt?

3

Hvad er dit næste skridt?

Formulér én konkret handling du kan tage inden for de næste 14 dage.

Skriv dine tanker ned — de er dit udbytteSlide 10 • Praksis
AI-øvelse · 8 min

Lad AI prioritere jeres AI-initiativer

Instruktion

Åbn chatgpt.com eller claude.ai og kopiér prompten til højre.

Sammenlign

Sammenlign AI'ens prioritering med jeres egen vurdering. Hvor er I enige? Hvor er I uenige?

”
Vi overvejer disse AI-initiativer: [list 3 fra jeres organisation]. Placér hver i en 2x2 matrix med akserne Impact (lav→høj) og Risiko (lav→høj). For hver: begrund placeringen og anbefal om vi skal Automatisere, Investere, Overvåge eller Prioritere.
Prompt — kopiér direkte
Framework: McKinsey State of AI, 2025Slide 11 • AI-øvelse
Takeaway
”
God AI-ledelse handler mindre om hype og mere om at vælge de rigtige problemer i den rigtige rækkefølge.
Afsluttende budskab • Lederne
Slut med retning, ikke bare inspirationSlide 11 • Takeaway