Hvad er vores AI strategi?
Under overskrifterne om de 95 procent: hvor AI faktisk skaber værdi, hvorfor projekterne fejler, og hvad det kræver at lykkes.

01Under overskrifterne
De sidste par år er alle virksomheder med en puls blevet konfronteret med spørgsmålet: Hvad er vores AI strategi?
AI kom som et lyn fra en klar himmel og ændrede verden. Etablerede monopoler som Google og Meta fik travlt med at sadle om, men midt i den rabiate hype skete der noget.
Tallene er på vej ind, med nye studier som viser manglende gevinst ved AI-implementering. MIT-rapporten The GenAI Divide: State of AI in Business 2025 fastslår, at 95 % af virksomheder, der implementerer generativ AI, ikke opnår økonomisk afkast.
Der er også kommet et studie med dansk ophav fra Emilie Vestergaard, ph.d.-studerende ved Københavns Universitet, under titlen Large Language Models, Small Labor Market Effects. Det bygger på data fra 100.000 erhvervsaktive danskere i 2023 og 2024. Titlen taler for sig selv.
Spørgsmålet er derfor: Hvad er virkeligheden, hvis vi dykker ned under overskrifterne?

02Tre områder, som skaber markant værdi
1. Back-office og operationelle funktioner. Budgetterne ender ofte i marketing og salg, fordi effekten er let at måle. Den rigtige gevinst ligger der, hvor det ikke fremhæves: dokumenthåndtering og kundeservice, hvor GenAI reducerer eksterne omkostninger betydeligt og øger kundetilbageholdelse via automatiserede opfølgninger.
2. Teknisk organisationsstruktur og agentiske systemer. De mest effektive AI-anvendelser er bygget på agent-baserede systemer, der bevarer kontekst, lærer over tid og integrerer feedback. Partnerskaber med eksterne leverandører øger succesraten dramatisk; omtrent dobbelt så ofte lykkes det med eksternt udviklede løsninger.
3. Brugerdrevet adoption gennem prosumers. Når medarbejdere, som allerede bruger personlige AI-værktøjer (shadow AI), tager føringen i implementeringen, med klar ansvarlighed fra ledelsen, lykkes AI-projekterne bedre.
Problemet i en dansk kontekst er, at EU’s AI Act gør shadow AI til et compliance-mareridt, både i forhold til GDPR, AI Act og ophavsret.

03De tre største udfordringer
1. Mangelfuld integration og organisatorisk parathed. Virksomheder køber værktøjer uden at ændre processer. GenAI bliver lagt oven på eksisterende arbejdsgange i stedet for at redesigne workflows. Resultatet er ineffektivitet og "pilot traps", hvor løsningen aldrig skaleres.
2. Forkert fokus på front-office frem for back-office. Budgetterne ender i marketing og salg, fordi ROI er nemmere at kommunikere. De største gevinster ligger i drift, kundeservice og dokumentbehandling. Fokus på showcase-cases giver hype uden reel værdiskabelse.
3. Ledelses- og governance-gab. 95 % af projekterne fejler, fordi de mangler klar ansvarlighed og governance. Uden retningslinjer for compliance, data og KPI’er bliver projekterne fragmenterede og uden økonomisk afkast.

04Prosumers: fordele og ulemper
Fordele: Hurtig innovation, hvor medarbejdere eksperimenterer, før organisationen officielt adopterer. Reel produktivitetsgevinst, der frigiver tid og skaber konkrete cases. Og bund-op adoption, hvor implementering lykkes oftere, når medarbejderne selv driver de første pilots.
Ulemper: Compliance-risici med GDPR-brud, datalæk og manglende sporbarhed. Fragmentering, hvor forskellige AI-apps giver siloer og inkonsistens. Og manglende governance, som ifølge MIT er en hovedårsag til, at 95 % af AI-projekterne ikke giver afkast.
Konklusionen fra MIT er, at prosumer-initiativer skal institutionaliseres: klare rammer, dataretningslinjer og governance, så innovationskraften kan udnyttes uden at skabe risici.

05Hvorfor mange fejler
Problemet er ikke AI, som er et redskab, men halvbagte implementeringsindsatser uden klar strategi. Virksomheder nedsatte for to år siden AI task forces, ofte via håndsoprækning. De fik sjældent dedikerede budgetter og blev mest til sporadiske samtalegrupper. Mange er gradvist opløst, i takt med præmature konklusioner uden strategisk og budgetmæssig gennemslagskraft.
Resultatet er, at vi står tre år inde i AI Revolutionen, men de færreste virksomheder har omsat det mest potente teknologiske paradigmeskift i verdenshistorien til reelle produktivitetsgevinster. Ikke fordi det ikke er muligt, selv de mest kritiske studier viser, at det er, men fordi udviklingen har bevæget sig så hurtigt, at vi ikke har kunnet følge med.
I mellemtiden er teknologien blevet langt mere potent. Du kan lave research, som før kostede 500.000 via McKinsey, på 15 minutter med deep research. Du kan lave fotorealistiske billeder på timer i stedet for uger. Du kan automatisere rutineopgaver og frigøre tid til kreativt og strategisk arbejde.
Alligevel bliver teknologien ofte brugt til korrektur, hvor der ryger følsomme data med. Eller til halvbagte LinkedIn-opslag, der lugter af ChatGPT.
Spørgsmålet nu, hvor honeymoon-fasen er ovre, er: Hvordan vil du fremtidssikre din forretning? Har du et dedikeret budget og en dedikeret strategi til AI-implementering over de næste 5 år?

06Spiralen af tavshed
En central teori i denne sammenhæng er spiralen af tavshed. Frygten for at have en holdning i arbejdslivet er kompleks: 60 % af ansatte frygter negative følger ved at ytre holdninger (Ipsos, 2022). Organisatorisk tavshed er aktiv tilbageholdenhed, ikke blot fravær af ytring. Og mangel på psykologisk sikkerhed fører til færre idéer, mindre læring og ringere performance.
Denne spiral afføder innovationstab. Når vi står midt i et teknologisk paradigmeskift, kan det være fatalt, fordi virksomheder risikerer irrelevans.

07Paradokset
Vi kan i dag lave McKinsey-rapporter på alt, finde information hurtigere end nogensinde og kæde det hele sammen. Netop derfor er holdninger vigtigere end nogensinde.
I fremtiden vil ingen betale for information, fordi den er frit tilgængelig. Det, kunderne betaler for i vidensarbejde, er vores sensibilitet og holdninger baseret på erfaring og forståelse.
Hvis din holdning er, at AI er fremtiden, og at AI kan skabe værdi, bør du handle derefter. Dem, som investerer, høster frugten. Dem, som debatterer og er fanget i fortiden, står i stampe.
Kilder: MIT: The GenAI Divide · Vestergaard & Humlum (NBER) · Fortune.




