Din virksomhed har tusindvis af mennesker, der bruger AI – så hvorfor kan den ikke sige, at den arbejder anderledes nu?

I BCG’s juni 2026-undersøgelse AI at Work siger 42 % af de faste frontline-brugere, at AI sparer dem mindst en hel arbejdsdag om ugen, men 66 % fortæller, at de får begrænset eller slet ingen vejledning i, hvad de skal gøre med den tid. Den individuelle brug stiger, mens måden organisationen arbejder på, forbliver den samme.

Det korte svar: AI-adoption måler, hvor mange der bruger et værktøj. At arbejde anderledes betyder, at driftsmodellen har ændret sig omkring teknologien – dens processer, roller og beslutninger. De fleste organisationer måler det første og planlægger ikke for det andet, og det hul ligger bag mange udfordringer ved AI-adoption.

Denne artikel bygger på en Ground Truth-samtale med Irina Holt Christensen, som har ledet proces excellence og tværfunktionelt transformationsarbejde hos Maersk Line, Novozymes og Sampension. Hendes råd i én linje: “stop med at måle individuel adoption og se på hele ændringen af driftsmodellen”.

Vigtigste pointer

• Stigende brug er ikke bevis på forandring. Spørg, hvad der er anderledes for kunden eller forretningen.
• AI løser ikke en uklar proces. Den gør uklarheden tydelig.
• Behandl en pilot som en ændring af driftsmodellen fra dag ét: en procesansvarlig, de mennesker der udfører arbejdet involveret, og måling før, under og efter.
• Forretningen ejer AI-parathed. IT bygger, driver og sikrer; processtyring giver begge et fælles sprog.
• Det, der oftest mangler, er intent: hvad et stykke arbejde er til for, og hvor en agent må træffe beslutninger.

Se hele den 24-minutters samtale fra Gluus Ground Truth-serie nedenfor, eller læs videre for hovedpointerne.

Hvad er forskellen på AI-adoption og at arbejde anderledes?

Irina peger på McKinsey-forskning, der viser det samme hul: 80 % siger, at AI har gjort dem mere produktive individuelt, men færre – omkring 37 % ifølge hende – ser en effekt på virksomhedens resultater.

Irinas advarselstegn er enkelt: brugen går op, men processerne forbliver de samme. Gevinsterne kommer, siger hun, når man også ændrer, hvordan teamet bemandes, og hvordan folk bruger deres tid – og de beslutninger ligger sjældent hos dem, der bygger løsningerne.

“Our processes have been anchored from top to bottom in the group”. Read case

Camilla Larsen, Sr. Process Manager, Norlys

Hvorfor virker piloter, mens udrulninger går i stå?

“Når en pilot virker, så starter den egentlige forandring,” siger Irina, fordi processen, rollerne og ejerskabet nu skal ændres for alle andre. En pilot har typisk et motiveret team, der selv har valgt at være med, og nogen, der følger den hver dag. Bagefter bliver løsningen overdraget til et team, der bare udfører arbejdet. I en AI-pilot, hun arbejdede på, blev kundesamtaler transskriberet og opsummeret, og de fleste rådgivere sagde, at opsummeringerne hjalp dem med at gøre deres arbejde bedre. Det, siger hun, “var den nemme del at vise”.

Det, der får en pilot til at lykkes, bliver afgjort tidligt: De mennesker, der udfører jobbet, er involveret, processen har en ejer allerede fra pilotfasen, og succes måles før, under og efter.

“At behandle det som en ændring af driftsmodellen fra begyndelsen, hvor teknologi er den mindre del, og alle de andre elementer er endnu vigtigere.”

Irina Holt Christensen, leder af procestransformation

Hun så det samme mønster før AI. I en global transformation, der påvirkede 100.000 mennesker, med omkring 1.000 mennesker i nye roller, var go-live den synlige milepæl. “Men den egentlige forandring kom bagefter,” gennem hypercare, en ny driftsmodel og løbende procesforbedring af den.

Hvad afslører AI om, hvordan arbejdet reelt foregår?

AI viser meget hurtigt, om en organisation er tydelig omkring sine egne processer, fordi, som hun siger, “AI arbejder ud fra det, du giver den”. Hendes pointe er, at “de fleste eksekveringsproblemer er klarhedsproblemer”, og at “AI bare gør dem mere synlige”. Irina peger på tre ting, der lyder simple, men som typisk tager lang tid at få på plads: selve processen, hvem der ejer den (og hvad det vil sige at eje den), og overdragelser.

“Hvis processen ikke er klar, så løser AI ikke det. Den gør det bare tydeligt.”

Irina Holt Christensen, leder af procestransformation

Når det gælder overdragelser, starter hun altid med at blive enige om, hvad en komplet overdragelse er, for intet kan måles før det. Sætter du AI på en overdragelse uden en definition, arbejder den ud fra det, du giver den – og “giver dig et svar, der ser selvsikkert ud, men ikke nødvendigvis er det rigtige svar”.

Det hænger sammen med en bredere test: Kan to personer i din organisation beskrive den samme best practice og mene det samme? “Som regel ikke,” siger hun. Bed dem skrive ned, hvad de gør, og de opdager, at de tror, de gør det samme, men det gør de ikke. AI, der arbejder ud fra forskellige versioner af den samme proces, vil give dig forskellige versioner af svaret.

Er det her bare change management?

Delvist. Giv folk et nyt værktøj og vent, siger Irina, så vil de bruge det på deres egen måde; efter et stykke tid bliver hver af de versioner til as-is. Change management er en del af svaret, inklusive disciplinen til at stoppe det, der ikke virker – hvilket ikke sker af sig selv og kræver governance for, hvem der siger stop. Men det virker bedst som del af en større ændring af driftsmodellen, hvor I beslutter de nye måder at arbejde på, hvem der ejer dem, og hvordan de måles.

Gør regulering det her lettere eller sværere?

Irinas svar er, at det er “lettere på papiret, men sværere i virkeligheden”. Regulerede virksomheder dokumenterer allerede, hvem der beslutter hvad, med kontroller, godkendelser og governance – præcis det, AI har brug for. Problemet opstår, når dokumentationen ikke afspejler det, folk faktisk gør til daglig. Og når AI-agenter træffer beslutninger, hæver regulering barren: Du skal vide, hvem der ejer udfaldet, når det er forkert, og hvordan du forklarer en beslutning til en kunde eller en regulator.

Hvem ejer AI-parathed?

Forretningen, i Irinas optik: “forretningen skal eje det.” Den skal eje, hvordan teams bemandes, hvad folk bruger deres dag på, hvilket arbejde der forsvinder, og hvem der ejer udfaldet. IT bygger, driver og sikrer teknologien, hvilket i sig selv er en stor opgave; risikoen er, at IT ender med at eje AI, fordi IT ejer værktøjerne. Processtyring ligger mellem de to og gør end-to-end-processen, overdragelser og beslutninger klare nok til, at IT og forretningen kan beslutte det samme. Se også procesansvarlig og overdragelse.

Hvad bør en ny procesleder gøre først?

1. Vælg én end-to-end-proces, hvor værdien er tydelig, tværfunktionel og med mange overdragelser.
2. Gå den igennem sammen med dem, der driver den.
3. Find ejeren. Hvis ingen rækker hånden op, er det den første opgave.
4. Mål, hvor I er, og bliv enige om, hvordan “godt” ser ud.
5. Spørg, hvilket arbejde der bør forsvinde, hvad der kan automatiseres, hvad AI kan understøtte, og hvad der bliver hos mennesker.
6. Planlæg for succes: Roller, governance og data skal flytte med.

Hvis du vil prøve det her på én proces, kan du starte en gratis prøveperiode af Gluu nedenfor.

Hvad mangler oftest: prompt, kontekst eller intent?

Rammen med prompt, kontekst og intent kommer fra AI-tænkeren Nate B. Jones (se hvad intent engineering betyder for AI-ledere). Irinas svar er intent. Mange organisationer har trænet folk i prompting og er begyndt at koble AI til deres dokumenter og data, men få har besluttet, hvad et stykke arbejde faktisk er til for: hvor en agent må træffe en beslutning, hvem der ejer udfaldet, og hvordan arbejdet bevæger sig mellem mennesker og AI. Hun kalder det en ledelsesbeslutning. Enhver proces, hvor en beslutning har en konsekvens for kunden, som ikke kan gøres om, tilføjer hun, bør aldrig køre uden opsyn.

“Ud fra det, jeg ser, er der i hvert fald meget få, der har besluttet, hvad et stykke arbejde faktisk er til for.”

Irina Holt Christensen, leder af procestransformation

Mere fra Ground Truth sæson 1: hvorfor AI-piloter ikke skalerer (med Michael Hansen), hvor en organisations intent faktisk bor (med Etienne Venter) og hvorfor AI i ERP-projekter gør uklarhed hurtigere (med Henrik Hasselbalch).

FAQ – AI-adoption og ændring af driftsmodel