Kan en algoritme se, at du er ved at mistrives?

Digitale spor kan rumme tegn på stress. Samtaler med en AI kan måske hjælpe os med at forstå vores belastning tidligere. Men teknologien skal kunne mere end at finde mønstre: Den skal give mennesker bedre muligheder for at handle uden at reducere dem til en profil.

Du retter en sætning for tredje gang. Skifter mellem dokumenter. Besvarer en besked, inden du har afsluttet det, du var i gang med. Arbejdsdagen føles måske bare travl. Forestil dig, at din computer samtidig registrerer en forandring. Dine musebevægelser er blevet mere ujævne. Du laver flere tastefejl, og dine pauser har ændret sig. Et system vurderer, at mønstret kan hænge sammen med stress. Ville det være en hjælp at få den besked? Måske ville den få dig til at stoppe op, før belastningen voksede. Måske ville den fortælle dig noget, du allerede vidste. Eller måske ville den tage fejl.

Situationen er tænkt, men forskningen bag er virkelig. Forskere undersøger, om digitale spor og kropslige målinger kan bruges til at registrere stress. Andre løsninger tager udgangspunkt i det, medarbejderen selv fortæller, og forsøger at hjælpe gennem profilering og digitale samtaler.

Begge tilgange rummer muligheder for tidligere støtte. Men de giver forskellige former for viden, og de rejser forskellige spørgsmål om dokumentation, fortrolighed og indflydelse.

Stress sætter spor

I et forsøg ved ETH Zürich udførte 90 deltagere kontoropgaver i et laboratorium. De planlagde aftaler og arbejdede med data, mens forskerne registrerede deres brug af mus og tastatur samt deres hjerterytme. Undervejs fortalte deltagerne, hvor stressede de følte sig. Nogle arbejdede uforstyrret, mens andre blev udsat for yderligere pres og afbrydelser.

Forskerne fandt forskelle i deltagernes adfærd. Under stress bevægede de blandt andet musen mindre præcist og lavede flere fejl, når de skrev. I forsøget var muse- og tastaturadfærd bedre til at forudsige deltagernes oplevede stress end hjerterytmen. (⁠ethz.ch)

Det er interessant, fordi målingerne tager udgangspunkt i noget, kontormedarbejdere allerede gør. En mulig fremtidig løsning behøver dermed ikke bygge på ekstra udstyr eller lange spørgeskemaer. Men forsøget viser også, hvor præcist teknologiens løfte skal formuleres. Forskerne undersøgte sammenhængen mellem adfærd og oplevet stress under bestemte opgaver. De dokumenterede ikke, at systemet kunne forudsige, hvem der senere ville blive langtidssygemeldt.

At registrere pres i en situation og at opdage begyndelsen på et alvorligt belastningsforløb er to forskellige opgaver. NFA, Det Nationale Forskningscenter for Arbejdsmiljø, beskriver stress som en reaktion på belastning eller trusler. Kortvarig stress er en almindelig del af livet. Når tilstanden fortsætter over længere tid, kan den påvirke livskvaliteten og øge risikoen for sygdom. Et øjebliksbillede fortæller derfor ikke i sig selv, hvordan et forløb vil udvikle sig. (⁠nfa.dk)

Hverdagen er vanskeligere end laboratoriet

Et senere feltstudie illustrerer udfordringen. Her fulgte forskerne 36 kontormedarbejdere gennem otte uger og indsamlede data om mus, tastatur og hjerteaktivitet sammen med medarbejdernes egne vurderinger af stress. Resultaterne var beskedne. Personligt tilpassede modeller viste større potentiale end én fælles model, men der var store forskelle mellem deltagerne. Selv de individuelle modeller havde væsentlige begrænsninger. Den her anvendte version af undersøgelsen er offentliggjort som preprint og er ikke fagfællebedømt. (⁠medrxiv.org, ⁠medrxiv.org)

En almindelig arbejdsdag rummer også flere mulige forklaringer på en forandring end et kontrolleret forsøg. En ny opgave kan ændre arbejdsrytmen. En anden mus kan ændre bevægelserne. Smerter, træthed eller afbrydelser kan påvirke, hvordan man arbejder.

Dataene kan stadig være værdifulde, men mønstret skal fortolkes i sin sammenhæng.

En systematisk gennemgang af 33 studier om maskinlæring og stressmåling fra kropsbårne sensorer pegede på lignende problemer: små datagrundlag, forskellige måder at definere stress på og begrænset viden om, hvor godt modellerne virker på nye data. Mange af datasættene rummede mindre end et døgns målinger. (⁠pubmed.ncbi.nlm.nih.gov) En model kan altså genkende mønstre i det materiale, den er udviklet på, uden at fungere lige så godt på næste medarbejder eller næste arbejdsplads.

Hvad er det egentlig, der bliver målt?

Trivselsteknologi dækker over forskellige måder at indsamle og behandle oplysninger på. Et spørgeskema spørger medarbejderen direkte. Et ur registrerer kropslige forandringer. Et program analyserer arbejdsadfærd. En digital samtalepartner kan hjælpe med at beskrive en vanskelig situation. Når medarbejderen fortæller, at arbejdet føles uoverskueligt, har systemet fået en selvbeskrivelse. Når det udleder belastning af musebevægelser, har det lavet en fortolkning af adfærd. Når en sprogmodel sammenfatter en samtale, kan den gøre beskrivelsen mere overskuelig uden dermed at have foretaget en selvstændig måling af stress. Forskellen har betydning for, hvad en leverandør kan hævde, og hvordan påstanden skal undersøges. Et system, der skal genkende stress, må undersøges for, hvor pålideligt det gør det. En digital coach må også vurderes på kvaliteten af samtalen og på, om brugeren får relevant hjælp.

En forskningsoversigt offentliggjort i PLOS Digital Health i september 2026 fandt 13 studier af AI-baseret overvågning af mental sundhed på faktiske arbejdspladser. Ti handlede om stress, og otte anvendte kropsbårne sensorer. Studierne rapporterede præcisionstal fra 62 til 99 procent, men brugte forskellige metoder, definitioner og datagrundlag. Forskerne fremhæver derfor, at resultaterne er vanskelige at generalisere. Søgningen bag oversigten dækkede forskning frem til marts 2024. (⁠journals.plos.org) Tallene giver ikke ét samlet svar på, hvor godt trivselsteknologi 

virker. Man må vide, hvad det enkelte system forsøger at gøre.

Det danske løfte

En dansk virksomhed på området er Sympact. Virksomheden beskriver sin teknologi, ATLAS, som et redskab til blandt andet at synliggøre, hvad der driver mennesker, hvad der belaster dem, og hvordan de reagerer under pres. Ifølge virksomhedens hjemmeside skal belastning kunne blive synlig tidligt for personen selv og som et samlet billede for arbejdspladsen. (⁠sympact.ai)

I et interview med AI Portalen beskriver Nicolai Forsberg en tilgang, hvor profilering og relationer står centralt. Profileringen tager ifølge ham udgangspunkt i psykometriske forhold og spørgsmål om, hvordan personen vil handle i forskellige situationer. Profiler kan derefter sammenholdes for at undersøge samspillet mellem mennesker.

”Det interessante med det her er ikke, hvad den ene profil i sig selv kan. Det bliver rigtig interessant, når du sætter den ene over på den anden. Fordi det er i relationen, man egentlig kan se, hvor man har nogle synergier, og hvor man måske har nogle udfordringer,« forklarer Nicolai Forsberg.

Virksomheden tilbyder også en digital coach, som skal hjælpe brugeren med konkrete jobsituationer. Det kan eksempelvis være en oplevelse af, at chefen giver for meget arbejde, eller at samarbejdet med en kollega ikke fungerer. Oplysninger kan ifølge Forsberg komme gennem profilering, brugerens input i virksomhedens app og en funktion til optagelse af møder eller samtaler.

”Vi henter alle de data ind, du giver os lov til,” siger han.

Det er en anden tilgang end laboratoriets analyse af tastetryk og musebevægelser. Forskningen i sensorer dokumenterer derfor ikke Sympacts metode. Her bliver spørgsmålene blandt andet, om profileringen er holdbar, hvordan oplysningerne fortolkes, og hvad samtalerne tilfører.

Mennesket er mere end profilen

Jeppe Ajslev er professor ved NFA med fokus på implementering af nye teknologier og sikkerhedskultur. Han har ikke undersøgt Sympacts løsning og understreger, at vurderingen må tage udgangspunkt i den konkrete teknologi og anvendelse. Han peger på, at profilering allerede har en lang historie på arbejdsmarkedet. Erfaringerne giver anledning til både interesse og opmærksomhed.

”Det, vi ved fra nogle af de profilsystemer tidligere, er, at nogle har stor glæde af det, og det kan være motiverende for dem. Men det kan også skabe en oplevelse af, at man bliver sat i en boks og ikke føler, at man kan blive forstået på arbejdspladsen som en mere kompleks og sammensat person,” siger Jeppe Ajslev.

En profil kan give et sprog for forskelle og samarbejde. Men den kan også få betydning for, hvordan andre fortolker medarbejderens handlinger. Hvis en uenighed bliver forklaret med personligheden, kan opmærksomheden flytte sig fra det konkrete spørgsmål, medarbejderen rejser.

Derfor er det vigtigt, om profilen kan udfordres. Kan medarbejderen sige, at beskrivelsen ikke passer? Bliver ændringer i opgaver, ledelse og livssituation taget alvorligt? Og får personen mulighed for at være andet og mere end den forklaring, systemet tilbyder?

En vurdering med forbehold

Sympact beskriver ikke profilen som en endelig vurdering. Forsberg fortæller, at vurderingerne har et indbygget mål, som virksomheden kalder et confidence level. Han forklarer, at systemet i begyndelsen har begrænset kendskab til personen, og at menneskers adfærd afhænger af situationen.

”Generelt ligger den egentlig relativt lavt. Når vi ligger godt, ligger vi på mellem 60 og 80 procent. Men vi vil heller ikke være hundrede. Jeg tror ikke på, at man er hundrede. Jeg vil begynde at være kritisk, fordi man jo også agerer i en kontekst,” siger Nicolai Forsberg.

Hjælp uden at kende hele forklaringen

Teknologien behøver ikke kunne forudsige en sygemelding for at have værdi. Et redskab kan være nyttigt, hvis det hjælper medarbejderen med at sætte ord på noget, der er svært at forklare, eller undersøge en situation fra flere sider. Jeppe Ajslev ser et muligt potentiale i, at digital hjælp kan være tilgængelig, når mennesker mangler nogen at vende en situation med.

”Man kan forestille sig, at man vil have større adgang til sparring, hvilket jo kan være fint. Der kan være rigtig mange tvivlsspørgsmål, som sådan en kunstig intelligens, hvis den har data fra virksomheden, vil kunne afklare for en. Hvis det bliver brugt på en hensigtsmæssig, velovervejet og ikke overgribende måde, vil det også kunne hjælpe, kunne man forestille sig, hvis man står i et dilemma eller en udfordring eller konflikt med en kollega, en kunde eller en borger. At man får noget sparring, som det ikke er sikkert, kolleger eller leder har tid til at give en.”

Han understreger samtidig, at han ikke kan vurdere, om personprofilering gør denne sparring bedre.

Forsberg beskriver Sympacts rolle som at åbne for andre perspektiver:

”Den tager jo aldrig beslutninger. Den stiller nogle spørgsmål til det: Du kunne jo også gøre det på den her måde, eller har du set det på den her måde? Den siger jo ikke, at du tager fejl. Men den udfordrer dig på at give dig nogle alternativer hele tiden.”

Det gør kvaliteten af spørgsmålene vigtig. En digital assistent kan lyde forstående, selv når dens fortolkning rammer forkert. At mennesket træffer den endelige beslutning, fjerner ikke betydningen af det grundlag, beslutningen træffes på.

Hvem får beskeden?

Oplysninger om belastning betyder noget forskelligt, alt efter hvem der modtager dem. Hos medarbejderen kan de give anledning til refleksion. Hos en coach kan de indgå i en fortrolig samtale. Hos en leder kan de få betydning for opgaver, forventninger og vurderingen af medarbejderen.

Sympact oplyser på sin hjemmeside, at oplysninger, som en person deler videre, først skal være set og godkendt af vedkommende. (⁠sympact.ai) Den praktiske prøve er, hvilke oplysninger arbejdsgiveren kan se, og hvordan medarbejderens valg fungerer. Kan man få hjælp uden at dele personlige oplysninger med sin leder? Kan man sige nej uden at skulle forklare hvorfor? Og kan oplysninger senere få betydning i en personalesag?

Ajslev fremhæver, at mulighederne for at bruge data hensigtsmæssigt begynder med en fælles forståelse af indhold og formål.

”Det at vide, hvad det er for data, og hvad vi skal bruge dem til, er ekstremt vigtigt. Hvis man som menneske på en arbejdsplads selv kan være med til at definere, hvad det bliver brugt til, kan det faktisk være utroligt motiverende. Man kan skabe ny viden om nogle ting, man gerne vil blive bedre til eller få større overblik over ved at bruge sådan nogle teknologier.”

Indflydelsen handler dermed både om at beskytte oplysninger og om at kunne påvirke, hvilken hjælp og viden teknologien skal skabe.

Otte spørgsmål før arbejdspladsen går i gang

NFA har udviklet et forskningsbaseret etikværktøj til arbejdspladser, der overvejer AI eller overvågningsteknologi. Det skal hjælpe ledere, arbejdsmiljøgrupper og medarbejderrepræsentanter med at undersøge både nytte og mulige negative konsekvenser.

De otte spørgsmål handler, her gengivet i forkortet form, om:

1. Teknologiens tilsigtede formål.
2. Om dens principper kan danne grundlag for fælles praksis.
3. Hvem eller hvad løsningen beskytter og understøtter.
4. De forventede fordele.
5. De mulige ulemper.
6. De nye behov og muligheder, den skaber.
7. Ændringer i arbejdspladsens magtforhold.
8. Hvordan den ville virke på dem, som udvikler eller indfører den.

Værktøjet lægger også op til, at overvejelserne gentages, når anvendelsen udvikler sig. (⁠nfa.dk) For trivselsteknologi kan spørgsmålene eksempelvis gøre det nødvendigt at vælge mellem forskellige formål: Skal medarbejderen have et fortroligt støtteredskab, skal arbejdspladsen opdage fælles problemer, eller skal ledelsen have mere viden om den enkelte? Formålene kræver forskellige oplysninger og aftaler.

Det sidste spørgsmål giver lederen en personlig prøve:

”Ville jeg have lyst til, at en medarbejder eller nogle andre ledere skulle bruge den her type styring i forhold til mig? Hvis ikke jeg ville have lyst til det, har jeg i hvert fald et etisk problem i den måde, jeg forsøger at styre mine medarbejdere på,” siger Jeppe Ajslev.

De fulde spørgsmål og vejledningen findes i ⁠NFA’s etikværktøj.

Signalet skal føre et sted hen

Selv en pålidelig vurdering fortæller ikke nødvendigvis, hvad der skal ændres. Belastningen kan hænge sammen med opgavemængde, uklare forventninger, konflikter eller forhold uden for arbejdet. Det kræver en nærmere undersøgelse at forstå årsagerne og vælge en relevant indsats.

WHO’s retningslinjer om mental sundhed på arbejdet omfatter både individuelle tilbud og organisatoriske indsatser samt uddannelse af ledere og medarbejdere. Hjælp til den enkelte indgår i en bredere indsats for arbejdspladsen. (⁠who.int) Teknologien skal derfor vurderes på, om medarbejderen får relevant støtte og bedre handlemuligheder. En arbejdsplads kan få mere viden uden at ændre de forhold, der skaber problemerne. En medarbejder kan få en præcis beskrivelse af sin belastning uden at have mulighed for at reducere den.

Algoritmen kan åbne samtalen

Kan en algoritme så se, at du er ved at mistrives? Forskningen viser, at teknologi under bestemte forhold kan finde mønstre, der hænger sammen med oplevet stress. Den viser også betydelige problemer med at overføre resultater mellem mennesker og fra kontrollerede forsøg til en almindelig arbejdsdag. Derfra er der endnu et skridt til at dokumentere, at et system kan advare om længerevarende mistrivsel i tide.

Profilering og digitale samtaler giver en anden mulig indgang til hjælp. Her må vurderingen også handle om fortolkningernes holdbarhed, spørgsmålenes kvalitet og brugerens mulighed for at korrigere systemet. Algoritmen kan måske registrere en forandring eller hjælpe et menneske med at undersøge en belastning, det allerede mærker. Om det bliver en hjælp, afhænger også af, hvem der får adgang til oplysningerne, hvordan de bliver brugt, og om nogen kan handle på dem.

Teknologien kan åbne samtalen. Mennesket skal fortsat kunne genkende sig selv i den.

Vi laver journalistik om AI, fordi udviklingen går hurtigere end den offentlige samtale.

På AI Portalen forsøger vi at skabe overblik, perspektiv og kritisk indsigt i en teknologi, der allerede former alt fra arbejdsmarkedet til demokratiet — ofte uden at nogen bremser op og forklarer, hvad der foregår.

Hvis vores artikler hjælper dig med at forstå AI lidt bedre, så overvej at støtte arbejdet.

Et medlemskab gør én ting mulig: at vi kan blive ved med at undersøge, dokumentere og forklare, hvordan AI påvirker Danmark — uden investorer, uden PR-interesser og uden at jage hype.

Bliv medlem og vær med til at styrke uafhængig journalistik om AI.

Læs også:

Når trivsel skal kunne betale sig

Hvad nu hvis rutinearbejdet var din daglige pause?

Fra stresssignal til bedre arbejdsplads