Hvad nu hvis AI-omstillingen aldrig bliver færdig?

Vi taler om AI, som om uddannelserne er midt i en omstilling, der på et tidspunkt bliver færdig. Men hvad hvis den nye normal netop er, at teknologien hele tiden flytter sig? Så bliver opgaven ikke at følge med i alt, men at sætte realistiske delmål, prioritere hårdere og undgå at ændre for meget på én gang.

I 2023 skulle vi alle sammen lære prompt engineering. Der blev holdt kurser i roller, kontekst, few-shot prompts og små magiske formuleringer, som efter sigende kunne få ChatGPT til at opføre sig ordentligt. I 2024 flyttede opmærksomheden videre mod multimodale modeller, egne GPT’er, RAG og AI, der kunne arbejde med vores egne dokumenter. I 2025 handlede en stadig større del af samtalen om reasoning-modeller og AI-agenter, der ikke bare kunne svare, men planlægge og udføre opgaver. I 2026 taler vi om agentsværme, hvor flere AI’er fordeler arbejdet mellem sig, kritiserer hinanden og gennemfører længere arbejdsprocesser. Samtidig møder jeg stadig mange kloge og gode danskere, som endnu ikke har fået den helt basale forståelse af, hvordan man giver en sprogmodel en ordentlig opgave.

Det er bestemt ikke en kritik af dem. Det er snarere en illustration af problemet. Vi har næsten ikke fået lært én ting, før AI-verdenens opmærksomhed er flyttet videre til den næste. Mange af mine kollegaer har måske en forestilling om, at vi befinder os midt i en overgang. Vi skulle lige forstå teknologien, få reglerne på plads, ændre nogle eksamener, kompetenceudvikle os og derefter finde den nye normal.

Jeg er efterhånden blevet i tvivl om, om den nogensinde kommer. Måske er der ikke noget tidspunkt efter AI-omstillingen. Måske fortsætter den bare i al evighed. Og evigt er altså ret lang tid.

Det lyder umiddelbart som en lidt trist tanke. Jeg har trods alt ikke meldt mig til et arbejdsliv som permanent deltager i et transformationsprojekt. Men måske bliver tanken først ubehagelig, fordi vi forestiller os omstillingen forkert.

Vi opfører os stadig, som om der kommer et tidspunkt, hvor vi igen har fået styr på det hele

Det er egentlig mærkeligt, hvor meget af vores sprog bygger på et før, et under og et efter. Vi taler om digital omstilling, grøn omstilling og AI-omstilling. Ordet antyder, at vi står ét sted, bevæger os gennem en periode med forandring og lander et andet sted. Før havde vi den gamle måde. Så kom omstillingen. Til sidst får vi den nye måde.

Det giver god mening ved mange forandringer. Hvis en virksomhed skifter økonomisystem, kommer der en periode med datamigrering, uddannelse, frustrationer og mærkelige Excel-filer, som ingen længere helt ved, hvem der ejer. Derefter er systemet implementeret. Man kan stadig forbedre det, men selve omlægningen er afsluttet. Det er det samme, når to virksomheder fusionerer, så har vi et par år med nye organisationsdiagrammer, systemer der skal flettes sammen, medarbejdere der skal finde ud af, hvem de nu refererer til, og processer som begge virksomheder insisterer på var bedre før. Men på et tidspunkt er fusionen gennemført. Den nye organisation findes, rollerne er fordelt, og man går fra integrationsprojekt til almindelig drift. Man kan stadig justere undervejs, men selve fusionen er afsluttet.

Jeg tror, at jeg ubevidst har tænkt om AI på samme måde. Vi skal bare lige finde reglerne. Vi skal lige lære værktøjerne. Vi skal lige udvikle nogle nye eksamensformer. Vi skal lige finde ud af, hvilke kompetencer de studerende fremover skal have. Så kan vi komme videre.

Men hvad betyder “videre”, hvis teknologien ændrer sig hurtigere, end vi kan nå at institutionalisere vores svar? En AI-politik skrevet med ChatGPT anno 2023 i tankerne kan se temmelig rustik ud, når en agent i 2026 selv kan åbne filer, søge, analysere materiale og gennemføre en arbejdsgang. En bog om AI fra 2022 er i dag mere et stykke tidshistorien end en brugbar vejledning. 

Det betyder ikke, at vi skal opgive regler eller planlægning, men måske skal vi holde op med at se hvert nyt svar som et skridt på vejen mod den endelige løsning. Der er måske ingen endelig løsning.

Som underviser i projektledelse burde jeg være meget skeptisk over for projektet “tilpas uddannelsen til AI”

Jeg underviser selv i projektledelse, og her er der faktisk noget ret grundlæggende, som hjælper med at forstå problemet. Et ordentligt projekt skal have et nogenlunde klart mål og en fornuftig afgrænsning. Hvis jeg starter et projekt med målet “gør organisationen klar til fremtiden”, har jeg ikke lavet et ambitiøst projekt. Jeg har lavet et dårligt projekt, fordi målet er uklart.

Det er præcis derfor, jeg bliver skeptisk over for formuleringer som “vi skal tilpasse uddannelsen til AI”. Hvad betyder færdig egentlig her? Hvornår kan projektlederen lukke projektet og sige, at uddannelsen nu er tilpasset kunstig intelligens?

Det kan man sandsynligvis aldrig. Problemet er derfor ikke, at projektet nødvendigvis lider af scope creep. Problemet ligger et skridt tidligere: Målet og afgrænsningen er håbløst formuleret, hvis de forudsætter, at der findes en sluttilstand, hvor AI-spørgsmålet er løst.

Hvis omstillingen er vedvarende, må vi i stedet formulere projekter, der faktisk kan afsluttes. Vi kan beslutte at udvikle og afprøve en bestemt tilgang i en måned. Vi kan undersøge, hvordan AI kan bruges til feedback i en proces. Vi kan beslutte, hvilke basale AI-kompetencer alle i afdelingen skal have efter en 1-dags træning.

Det er projekter med en god målbeskrivelse. “Find ud af AI” er ikke.

Og det ændrer faktisk noget ved oplevelsen af hele situationen. Hvis målet er at blive færdig med AI-omstillingen, vil vi permanent være bagud. Hvis målet er at nå et realistisk delmål og derefter vælge det næste, kan vi godt være færdige med noget, selv om verden fortsætter med at bevæge sig.

Så må vi vel bare blive agile, men agilitet betyder ikke, at alt skal ændres hele tiden

Det oplagte svar er selvfølgelig agilitet. Hvis omgivelserne ændrer sig hurtigt, er det dumt at lave en detaljeret tiårsplan for præcis, hvordan vi vil bruge en teknologi, der kan se helt anderledes ud om to år. Vi må arbejde i kortere forløb, prøve noget, lære af det og justere.

Det er jeg grundlæggende enig i. Men ordet agil bliver nogle gange brugt lidt for bekvemt. Som om agilitet betyder, at vi skal være klar til at ændre alt hele tiden. Det er næsten det modsatte.

Agil projektledelse virker blandt andet, fordi man reducerer usikkerheden ved at tage små bidder ad gangen. Man vælger et realistisk næste mål. Man arbejder på det. Man ser, hvad man lærer. Derefter beslutter man, hvad næste skridt er.

Og lige så vigtigt: Man forsøger ikke at lave alting på én gang. Indenfor agil projektledelse arbejdes der med et princip om at man vurderer hvor mange processer som teamet har håndterer på en gang i et stadie. Hvis svaret er to, og der er en tredje som man er klar til at gå i gang med, så venter man pænt indtil en af de to er færdige. Har vi ti gode ideer, betyder det ikke, at vi skal starte ti initiativer. Pointen her er den gamle traver, at prioritering bliver mere værdifuld, jo hurtigere verden ændrer sig.

Hvis vi hele tiden starter nye forandringer, mens de gamle stadig kører, får vi hurtigt en organisation, hvor alle er med i tre pilotprojekter, to arbejdsgrupper og et kompetenceforløb, samtidig med at de på mystisk vis også forventes at passe deres egentlige arbejde.

Det er ikke agilitet. Det er bare travlhed med engelske begreber. Vedvarende omstilling kan tværtimod kræve mere disciplin: Hvad er det vigtigste, vi vil ændre nu? Hvad kan vente? Hvad har vi faktisk afsluttet? Hvad har vi lært? Hvilke problemer ser vi, men vælger bevidst ikke at løse endnu?

Det er lidt mindre heroisk end fortællingen om den konstant innovative organisation. Til gengæld er der en chance for, at mennesker faktisk kan arbejde i den.

Måske er problemet ikke forandringen, men at vi bliver ved med at behandle den som ekstraarbejde

Her kommer trivsel ind i billedet. For permanent forandring er ikke nødvendigvis dårligt. Det ville være et ret kedeligt arbejdsliv, hvis min undervisning i 2040 skulle ligne min undervisning i 2020. Jeg vil gerne lære noget nyt. Jeg vil gerne prøve nye værktøjer. Jeg vil gerne ændre min tilgang, når noget bedre bliver muligt.

Så måske er hele bekymringen bare gammelmandsbrok? “Åh nej, nu ændrer verden sig igen.” Det ville være en lidt sørgelig pointe. Men jeg tror ikke helt, det er problemet. Det interessante er forskellen mellem løbende udvikling og en permanent undtagelsestilstand.

Når en organisation laver en større omstilling, ligger der ofte et implicit løfte i processen: Nu bliver det lidt besværligt. Vi skal lære det nye system. Vi skal på kursus. Vi skal ændre arbejdsgange. Vi skal bruge nogle ekstra timer på at få det til at fungere. Men bagefter bliver der roligere.

Den ekstra indsats kan accepteres, fordi den netop er ekstra. Hvad sker der, hvis bagefter aldrig kommer? Så kan den ekstraordinære indsats stille og roligt blive en almindelig del af jobbet. Den medarbejder, der frivilligt brugte aftener i 2023 på at lære prompting, var måske frontløber. Et par år senere betragtes basal AI-forståelse som noget, man selvfølgelig har. Samtidig er frontlinjen rykket videre til agenter, workflows og agentsværme.

Så tager vi lige en runde mere.

Det kan selvfølgelig være spændende. Jeg synes selv, at meget af det er spændende. Men interessant arbejde kan også være krævende arbejde. De to ting modsiger ikke hinanden.

Dit job kan langsomt blive til to samtidige jobs: du skal løse dine opgaver i dag og samtidig genopfinde din arbejdsgang for i morgen. 

Det er ikke bestemt et argument for at sætte udviklingen i stå. Som vi kunne. Men det er et argument for at give udviklingen en reel plads i arbejdet i stedet for at behandle den som noget, engagerede medarbejdere lige ordner ved siden af.

Men selvfølgelig skal vi følge med, så hvor meget stabilitet kan vi med rimelighed kræve?

Selvfølgelig skal vi følge med. En læge kan ikke kræve at praktisere medicin ud fra det, vedkommende lærte på universitetet for 25 år siden. En programmør kan ikke nægte at forholde sig til nye teknologier, fordi den gamle løsning føles rar og velkendt. En underviser der elskede skriftlige eksamener bør ikke holde fast i dem, fordi han elskede at sidde med et glas rødvin og rette dem.

Men der er forskel på at opdatere sit fag og på løbende at genoverveje selve konstruktionen omkring det. Hvis jeg underviser i marketing, skal jeg selvfølgelig følge udviklingen i marketing. Men når AI samtidig får mig til at genoverveje, hvad den studerende bør kunne skrive selv, hvordan vi kan bedømme selvstændig kunnen, hvilke færdigheder der stadig bør øves uden hjælp, hvordan eksamen skal se ud, og hvad et fremtidigt marketingjob overhovedet består af, er forandringen rykket ind i undervisningens fundament.

Så kan vi ikke nøjes med at sige, at jeg skal “holde sig opdateret”. Vi har brug for en måde at arbejde med usikkerheden på. Og her vender jeg tilbage til projektledelsen: realistiske delmål, korte feedbacksløjfer og begrænset arbejde i gang.

Ikke fordi det gør fremtiden forudsigelig, men netop fordi fremtiden ikke længere er det.

Måske er det bare overgangssmerter, og om ti år virker hele diskussionen temmelig komisk

Det kan også være. Vi mennesker er gode til at tro, at lige præcis vores egen tid er historisk unik. Da internettet kom, ændrede undervisningen sig. Da Google kom, ændrede vores forhold til information sig. Da smartphones kom, flyttede både viden, kommunikation og distraktion ned i lommen. Vi fandt ud af det.

Så hvorfor skulle AI være anderledes?

Måske sidder vi om ti år og griner lidt af 2026, hvor voksne mennesker tog på heldagskursus for at diskutere generativ AI, ligesom ingen længere arrangerer et strategiseminar om “hvordan vi skal forholde os til internettet”.

Det er bestemt muligt. Jeg håber faktisk, at noget af det sker.

Men der lige den lille forskel, at AI ikke er én bestemt anvendelse. Den bevæger sig ind i skrivning, søgning, analyse, programmering, planlægning, feedback, design, kommunikation og beslutningsstøtte. Den bliver samtidig bygget ind i de systemer, vi allerede bruger. Dermed begynder den at ligne mindre et bestemt værktøj, vi skal lære, og mere et teknologisk lag under stadig flere aktiviteter.

Måske stabiliserer ChatGPT sig. Det betyder ikke nødvendigvis, at konsekvenserne for vores arbejde gør det. Og hvis næste ændring kommer, før vi har afsluttet den første, bliver det sværere at opretholde forestillingen om, at vi bare lige skal igennem en overgang.

Hvis AI-omstillingen ikke har en slutdestination, så er vi konstant bagud. Vi får aldrig den rigtige AI-politik, fremtidens arbejdsform, den tilpassede organisation eller nogle af de ting, som vi i gamle dage kaldte ”efter”. Der er hele tiden noget, vi burde have fået styr på.

Så løsningen bliver måske bare at acceptere at der aldrig kommer 100% styr på noget i vores levetid. Men det flytter jo bare målet til at have styr nok på det til at træffe den næste rimelige beslutning.

Det kan være et konkret projekt: Vi afprøver denne arbejdsform denne måned. Derefter afslutter vi projektet og beslutter, hvad vi gør næste gang. Det kan være et bevidst fravalg: Dette værktøj ser interessant ud, men det er ikke vigtigt nok til, at vi ændrer noget nu. Og det kan være en prioritering: I år arbejder vi med afdelingens grundlæggende AI-kompetencer. Agentsværmene må vente.

Det er måske netop sådan, man kan fungere i permanent omstilling: ikke ved at forsøge at blive færdig med forandringen, men ved hele tiden at blive færdig med noget. Hvis forandringen virkelig er permanent, skal vi derfor heller ikke løbe hurtigere. Vi skal sætte bedre delmål, afslutte mere, prioritere hårdere og lade færre forandringer være i gang samtidig.

Og måske først og fremmest holde op med at behandle en permanent tilstand som en permanent undtagelsestilstand.

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

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

At trives med sin diagnose