Nyt lille script skaber mere kontrol i projekter med kunstig intelligens

Når danske virksomheder sætter kunstig intelligens i drift, ender mange piloter i unødigt kaos: ingen ved, hvor langt processen nåede, hvem der godkendte hvad, eller hvordan man genskaber resultatet. Et nyt eksempel fra miljøet omkring åben kildekode viser en enkel måde at gøre implementering mere trinvis og dokumenterbar.

Kort fortalt

Shell-scriptet eric.sh (delt 9. februar 2026) organiserer et projekt i nummererede trin fra idé til drift.
Hvert trin får logning med tidsstempler, så der er et revisionsspor.
Der kan køres valideringstjek efter hvert trin, så fejl fanges tidligt.
En statusfil gør det muligt at genoptage arbejdet fra sidste fejlede trin.
Der kan gemmes versionshistorik pr. trin, så ændringer kan spores (og funktionen kan slås fra).

En gist på GitHub beskriver en praktisk tilgang til at styre flertrins-forløb for implementering af kunstig intelligens. Tanken er, at man arbejder ud fra en mappe med nummererede planfiler (fx “01-…”, “02-…”), som gennemføres i rækkefølge. Til hvert trin kan man koble et produktkravsdokument med samme navn, så krav og udførelse hænger tættere sammen — men gisten indeholder ikke en skabelon til selve produktkravsdokumentet.

Det, der gør mønsteret interessant for ledelse og ansvarlige for kvalitet og databeskyttelse, er især kombinationen af (1) faste kontrolpunkter, (2) systematisk logning og (3) mulighed for at stoppe og fortsætte uden at starte forfra. Det minder om den disciplin, mange allerede kender fra klassiske it-projekter, men som ofte mangler, når kunstig intelligens udvikles hurtigt.

Set i en dansk kontekst rammer det direkte ned i behovet for dokumentation. Forordningen om kunstig intelligens (AI Act) stiller krav om sporbarhed og dokumentation for visse løsninger, og NISTs rammeværk for risikostyring af kunstig intelligens (AI Risk Management Framework) peger på løbende kontrol og styring som en central del af arbejdet.

Et konkret eksempel kan være en økonomifunktion, der automatiserer sortering af fakturaer og klargøring til bogføring. Med en trinvis proces, logning og validering kan man lettere forklare, hvad der skete, og hvorfor — også når noget går galt.

Det kan du gøre nu

Opdel jeres næste initiativ med kunstig intelligens i 5–10 tydelige trin (fra dataafklaring til drift).
Aftal et valideringstjek efter hvert trin (fx stikprøvekontrol, datatjek eller faglig gennemgang).
Kræv logning og “hvad ændrede sig hvornår?” som standardleverance i piloter.
Beslut, hvem der ejer status og godkendelse pr. trin (projektleder, fagansvarlig, it, databeskyttelse).
Start med et lavrisiko-projekt (intern proces) før I bruger samme model på borger- eller kundevendte løsninger.

Nyt lille script skaber mere kontrol i projekter med kunstig intelligens

Kort fortalt

Det kan du gøre nu

Kilder