Du kender billedet. Et team fik lov at prøve et AI-værktøj af, det så lovende ud, der var endda en præsentation for ledelsen. Og så gik der et halvt år, og værktøjet bruges af to ildsjæle, mens resten af afdelingen arbejder, som den altid har gjort. Der er ikke noget galt med teknikken. Det, der mangler, er broen fra et vellykket forsøg til noget, der kører mandag morgen, også i en travl uge, også uden ildsjælene i rummet. Den bro er den svære del, og den er sjældent teknisk.
Hvorfor så mange forsøg går i stå
Mønsteret er veldokumenteret. En MIT-undersøgelse fra 2025 fandt, at omkring 95 procent af virksomheders forsøg med generativ AI ikke gav en målbar effekt på forretningen. Kun en lille del hentede reel værdi hjem. Herhjemme peger et dansk registerstudie af 2.166 SMV'er fra 2026 i samme retning. To tredjedele bruger mindst én AI-teknologi, men kun omkring 7 procent af dem, der er i gang, har fået teknologien dybt ind i både arbejdsgange og produkter. Der er altså masser af pilotforsøg og meget lidt drift. Afstanden mellem de to tal er præcis det, en driftschef står med.
Det interessante er, at forklaringen sjældent er, at værktøjet var for dårligt, eller at man valgte den forkerte leverandør. Forsøgene går i stå senere, i overgangen fra "det virker, når vi passer på det" til "det virker, når alle bruger det". Den overgang har sin egen fysik, og den ignorerer man på egen regning.
Den egentlige grund
Et AI-værktøj i hænderne på en, der ikke kan vurdere, hvad der kommer ud, producerer plausible fejl hurtigere end før. Det er kernen. En pilot bemandes typisk med de mest nysgerrige, og de fanger selv, når et svar er skævt. Når værktøjet så rulles bredt ud, havner det hos folk uden den vane, og et forkert svar, der ser rigtigt ud, er farligere end intet svar, fordi ingen standser op ved det. Det er den hyppigste grund til, at noget, der virkede i demoen, ikke holder i driften. Ikke teknikken. Bemandingen.
Derfor kommer kompetencen først, ikke sidst. Det er også det skridt, flest springer over. Der bliver købt et værktøj, skrevet en politik, og så regner man med, at folk nok skal finde ud af det. At springe kompetencen over er ikke en genvej. Det er den mest almindelige måde at ende i pilot-limbo på, hvor forsøgene aldrig helt dør, men heller aldrig bliver til drift.
Hvad drift faktisk kræver
Drift betyder, at én konkret anvendelse kører fast, med et tal i den anden ende, og uden at det afhænger af, at bestemte personer er på arbejde den dag. Vejen dertil går fra en bemanding, der kan bruge kunstig intelligens forsvarligt, til en anvendelse, der er sat i drift og bliver målt. Det er et kort spring, men det kræver, at tre ting sker samtidig. Folk skal lære at bruge værktøjet på deres egne opgaver, ikke på et kursuseksempel. Nogen skal eje anvendelsen, når konsulenten er gået. Og der skal være sat et mål, man kan holde den op imod, ellers kan ingen sige, om den virker.
Derfor er det bedste sted at lære på en rigtig opgave. Et kursus alene efterlader folk med en fornemmelse. Et forløb, hvor de lærer ved at sætte én anvendelse i drift, efterlader dem med noget, der kører, og med en driftschef, der ved, hvem der passer det. Det er samme sløjfe, som vi bruger i al forandring: sæt retning, prøv i det små, lær af det, og forankr det, der virker. Den kan du læse mere om under Sådan arbejder vi.
Skrevet til dig, der skal drive det
Du bliver sjældent målt på, om I har prøvet AI. Du bliver målt på, om det, I har sat i gang, stadig kører om et halvt år. Det er en anden opgave end at vælge værktøj, og den begynder ikke med teknologien, men med de mennesker, der skal bruge den, når nyhedens interesse har lagt sig. Er jeres seneste forsøg tæt på drift eller hænger det stadig i pilot-limbo, er det som regel et spørgsmål om bemandingen, ikke om værktøjet.
Skal vi se på, hvor jeres forsøg står?
Det korteste skridt er en snak om det ene forsøg, du helst vil have til at køre fast, og hvad der skal til for at flytte det de sidste meter. Book en uforpligtende snak, så finder vi ud af, om der mangler en bemanding, et ejerskab eller bare et mål.