Chat eller arbejdsgang: Derfor får nogle langt mere ud af kunstig intelligens end andre

Et nyt mønster går igen på tværs af brancher: Mange bruger kunstig intelligens som en hurtig chat til enkeltopgaver, mens andre bygger den ind i faste arbejdsgange. Og det er typisk den sidste gruppe, der henter de store produktivitetsgevinster.

Kort fortalt

• Der tegner sig to bruger-typer: ad hoc chat-brug og integreret brug i arbejdsgange
• Gevinsten kommer især, når kunstig intelligens arbejder efter skabeloner, standarder og med sikker adgang til relevante interne informationer
• Uklare retningslinjer, for brede sikkerhedsforbud og manglende oplæring holder mange fast i “chat-stadiet”

Martin Alderson beskriver forskellen som kløften mellem dem, der “spørger og får et svar”, og dem, der bruger kunstig intelligens som en digital assistent, der løser opgaver i et fast setup. Det flugter med en bredere pointe fra blandt andre McKinsey: Værdien opstår, når man gentænker processer og får teknologien ind i selve arbejdsgangen – ikke når den ligger ved siden af som et ekstra værktøj.

Et kontrolleret studie (arXiv) af Security Copilot til it-administratorer fandt i de målte scenarier cirka 29,8 % hurtigere opgaveløsning og cirka 34,5 % bedre nøjagtighed, når værktøjet blev brugt direkte i arbejdsgangen. Pointen for danske virksomheder er ikke tallet i sig selv, men at effekten hænger sammen med, hvordan løsningen er sat i drift.

Eksempel (økonomi/regnskab): Én medarbejder bruger chat til at få et udkast til en rykker. En anden arbejder i en standardiseret rykker-proces, hvor kunstig intelligens automatisk foreslår tekst ud fra jeres egne godkendte formuleringer og de konkrete faktadata—hvorefter en medarbejder kvalitetssikrer og sender. Samme teknologi, men vidt forskellig skalerbarhed.

Det kan du gøre nu

1. Kortlæg brugen: Er kunstig intelligens primært chat, eller indgår den i konkrete processer?
2. Vælg én arbejdsgang (fx rykkerflow, sagsresumeer eller tilbudstekster) og gør den til pilot for en standardiseret løsning.
3. Lav skabeloner og kvalitetskrav (hvad skal altid med, hvad må aldrig med, og hvem godkender).
4. Skab trygge rammer for data: Gør det nemt at gøre det rigtigt – og svært at gøre det risikabelt.
5. Oplær målrettet: Træn i jeres egne skabeloner og arbejdsgange, ikke kun i “at chatte”.

Kilder

• Martin Alderson: To typer brugere af kunstig intelligens vokser frem
• McKinsey: Fordelen ved mere selvkørende systemer med kunstig intelligens
• MIT Sloan Management Review: Når intelligente valg-støtter øger produktivitet
• arXiv: Kontrolleret forsøg med Security Copilot for it-administratorer