
Drop de flotte demoer: Lean tilgang gør kunstig intelligens målbar i drift
Kort fortalt
- Mange projekter med kunstig intelligens ender som imponerende præsentationer, der aldrig bliver en del af hverdagen
- En artikel fra Modern Data 101 (26. januar 2026) anbefaler en lean tilgang: små forsøg, hurtig feedback og klare succeskriterier
- BCG har peget på, at 74% af virksomheder stadig kæmper med at skabe og skalere tydelig økonomisk effekt af kunstig intelligens
- For danske SMV’er og offentlige arbejdspladser handler det især om at designe til drift og medarbejdernes faktiske arbejdsgange
En ny artikel fra Modern Data 101 sætter fingeren på en klassisk fejl: Vi bygger løsninger med kunstig intelligens (ofte kaldet AI), som ser gode ud til en demo, men som ikke er lavet til at fungere stabilt i driften – eller til at blive taget i brug af dem, der skal leve med dem.
Artiklens hovedpointe er, at flaskehalsen ofte ikke er teknologien, men leverancemodellen: store satsninger, lange projektplaner og sene tests i “virkeligheden”. Den lean tilgang (altså en slank og læringsdrevet metode) vender det om: Test småt, lær hurtigt, og skaler kun det, der kan dokumentere effekt.
| Demo-fokus | Lean-fokus | |
|---|---|---|
| Mål | Ser godt ud i en præsentation | Skaber målbar værdi i hverdagen |
| Tid | Evaluering efter måneder | Evaluering efter 2–4 uger |
| Brugere | Inddrages sent | Giver feedback fra dag ét |
| Succes | “Det kan lade sig gøre” | “Det bliver brugt – og gør en forskel” |
For danske virksomheder og offentlige organisationer er konsekvensen ret konkret: Hvis I vil undgå at bruge tid og budget på “koncepttests”, der aldrig flytter noget, så skal I måle på det, der betyder noget for forretning og drift. Det kan være kortere sagsbehandlingstid, færre fejl, mindre ventetid for borgere/kunder eller bedre kvalitet i standardbesvarelser – ikke kun om systemet “kan”.
Det kan du gøre nu
- Vælg én proces med tydelig friktion (fx indbakke, journalnotater, udkast til breve, kundesvar, afstemninger) – ikke den mest spektakulære.
- Sæt 2–3 målepunkter, der kan aflæses hurtigt (fx minutter sparet pr. sag, fejlrettelser pr. uge, svartid).
- Lav et forsøg på 2–4 uger med få brugere og klare rammer.
- Indbyg menneskelig kvalitetssikring fra start (en person gennemgår og godkender i begyndelsen).
- Tænk GDPR tidligt, især hvis der er personoplysninger: start med afgrænsede data og klare regler for brug.
- Stop eller justér hurtigt hvis effekten ikke kan ses i praksis – og skaler kun det, der virker i hverdagen.
Kilder
- Modern Data 101: A Lean Approach to AI (26. januar 2026) – https://moderndata101.substack.com/p/a-lean-approach-to-ai
- Boston Consulting Group (BCG): Pressemeddelelse om at 74% kæmper med at skabe og skalere værdi af kunstig intelligens (24. oktober 2024) – https://www.bcg.com/press/24october2024-ai-adoption-in-2024-74-of-companies-struggle-to-achieve-and-scale-value
🤖 Denne artikel er skrevet af kunstig intelligens og kan indeholde fejl.
Læs original kilde →Fandt du en fejl?