AI i praksis · 7 min

Fem ting, jeg har lært af AI-transformationen i Akademikernes A-kasse

På halvandet år gik Akademikernes A-kasse fra spredt brug af AI til en vedtaget AI-politik, bred AI-kompetence og en egen platform, hvor medarbejderne selv bygger løsninger. Her er det, jeg tager med mig, også det, der var svært.

Af Martin Nymann Vinther · november 2026

Da jeg begyndte at arbejde med Akademikernes A-kasse i august 2025, var billedet velkendt. Medarbejderne brugte allerede AI, men spredt og uofficielt, og forudsætningerne var meget forskellige. Nogle havde arbejdet med teknologien i et par år, andre var utrygge ved overhovedet at gå i gang. Jeg har været med undervejs som rådgiver og transformation lead, mens en fast intern arbejdsgruppe har båret arbejdet.

I dag har a-kassen en AI-politik og en styringsmodel (governance, altså hvem der beslutter hvad, og hvordan det følges op). Der er et AI-kørekort og et praksisfællesskab, der hedder BYG. Der er en egen no-code AI-platform i drift, hvor medarbejdere bygger løsninger uden at skrive kode, og en porteføljemodel, der afgør, hvilke initiativer der prioriteres. Platformen udgives som open source i 2027. Selve forløbet er beskrevet i casen. Her vil jeg hellere skrive om det, jeg har lært, for det rækker ud over en enkelt a-kasse.

1. Tydelige rammer giver fart

Det lyder bagvendt, men governance kom først, og det var det, der satte tempoet op. Så længe ingen vidste, hvad man måtte, var der to slags medarbejdere: dem, der brugte AI i det skjulte, og dem, der lod være af frygt for at gøre noget forkert. En AI-politik, som folk faktisk kan forstå, med en klassificering af, hvilke værktøjer der må bruges til hvad, gjorde det trygt at prøve. Rammerne var ikke en bremse, de var en tilladelse.

Det kræver, at politikken er kort nok til at blive læst. En lang politik, der dækker alt, bliver lagt i en mappe. En kort politik, der svarer på de spørgsmål, medarbejderne faktisk stiller, bliver brugt.

2. Kompetence bygges i hverdagsopgaven

Kurser har deres plads, og a-kassen har haft både et obligatorisk onboardingforløb og et grundkursus. Men den kompetence, der holder, opstår, når folk bruger værktøjerne på deres egne opgaver sammen med kolleger. Derfor kom AI-kørekortet og praksisfællesskabet BYG, som drives af kolleger og ikke af konsulenter, som et supplement til undervisningen.

Vendepunktet kom i maj 2026, da arbejdsgruppen besluttede at tage undervisningen hjem. Siden har en intern gruppe selv stået for den, med eget materiale og eksempler fra husets egen hverdag. Det var det tidspunkt, hvor jeg vidste, at indsatsen ville overleve mig.

Det gik ikke hele vejen let. Et praktisk værksted i en anden landsdel måtte aflyses, fordi kun fire havde tilmeldt sig, og konceptet blev redesignet i stedet for bare at blive gentaget. Evalueringen viste også, at der ikke fandtes ét fælles niveau at undervise på: knap en tredjedel fandt undervisningen for let, og næsten lige så mange fandt den for svær. Svaret, niveaudelte spor og afdelingsnære værksteder, burde vi have tegnet tidligere.

3. Egen platform giver ejerskab

Den største forskel opstod, da medarbejderne fik mulighed for selv at bygge løsninger på husets egen infrastruktur. Så snart dem, der kender opgaven, kan sætte et flow sammen, rykker AI tæt på kerneopgaven og væk fra den generelle chatbot i en fane ved siden af.

Vejen fra idé til løsning har fem trin. Medarbejderen bygger flowet visuelt. Undervejs besvares spørgsmålene om GDPR og AI-forordningen. Derefter følger en teknisk og juridisk godkendelse, hvor alt efterlader spor. Når løsningen er godkendt, udgives den som app, og kollegerne bruger altid en godkendt version, der ikke kan ændres bagefter. Til sidst kan løsningen udstille et API (en standardiseret indgang, som andre systemer kan kalde), så sagssystemet eller et andet flow kan bruge den samme løsning. Platformen kører i a-kassens eget miljø med eget login, og der er et citizen developer-forløb for de medarbejdere, der vil bygge.

Det, der er bygget, siger mest. Medarbejdere uden udviklerbaggrund har lavet en assistent, der læser lønsedler fra udlandet og hjælper med at vurdere, om et medlem har optjent anciennitet i en ordning, der svarer til en dansk a-kasse. Karriererådgiverne har selv bygget en forberedelse til karrieresamtalen. Der er en klagesagsassistent, der vurderer klager op mod praksis og lovgivning, og en kontraktoversætter, der finder nøgletallene til dagpengeberegningen i udenlandske kontrakter. Løsningerne kører i drift eller er på vej dertil. Mere om platformen står i artiklen om, hvorfor den nu åbnes for alle.

4. Beslutninger skal ligge tæt på opgaven

En transformation går i stå, når hver beslutning skal op ad hierarkiet og ned igen. I a-kassen er arbejdet organiseret i cirkler med medledelse og tydelige roller. Opgaverne har navngivne rolleejere frem for at samle sig om én ildsjæl, og beslutninger træffes i gruppen. Det holder tempoet, også når jeg ikke er i rummet, og det er netop pointen. En struktur, der kun virker, mens konsulenten er der, er ikke en struktur.

5. Eksperimenter er ikke små projekter

Vi har skelnet skarpt mellem eksperimenter og projekter. Et eksperiment er et lille forsøg med ét hovedspørgsmål: virker det her på den her opgave? Det har en kort tidsramme og en klar afslutning, hvor man beslutter at stoppe, justere eller gøre det til standard. Et projekt har en plan, et budget og en leverance.

Fristelsen er at behandle eksperimenter som projekter i miniformat, med styregruppe og statusrapporter. Så forsvinder farten. Men eksperimentet må heller ikke blive en leg. Vi tager konceptet seriøst: hovedspørgsmålet skrives ned, resultatet samles op, og beslutningen bliver truffet.

Det, jeg tager med videre

Ingen af de fem læringer handler egentlig om teknologi. De handler om rammer, kompetence, ejerskab, beslutninger og læring, og de ville have været de samme i en hvilken som helst anden stor forandring. Det, AI har ændret, er tempoet. Når en medarbejder kan bygge en løsning på dage, bliver rammerne og beslutningerne omkring den vigtigere, ikke mindre vigtige.

Overdragelsen er ikke afsluttet, og dokumentationen af den enkelte medarbejders kompetence er stadig under opbygning. Men ejerskabet ligger hos organisationen selv, og det var målet fra begyndelsen.

Flere artikler

Kilder

  • Akademikernes A-kasse og Vinther Consulting: intern projektdokumentation, beslutningsreferater og evalueringsdata fra AI-transformationen, august 2025 til november 2026.
  • Akademikernes A-kasse og Vinther Consulting: produktbeskrivelse for AI-platformen, pr. november 2026.

Oplysningerne bygger på det arbejde, Vinther Consulting har udført i samarbejde med Akademikernes A-kasse. Platformen ejes af Akademikernes A-kasse og udgives som open source primo 2027. Vinther Consulting har ingen økonomisk interesse i platformen. Vinther Consulting, november 2026.