Kunstig intelligens er overalt – og alligevel mærkes den ofte mere som en ny vane end en ny æra. I dette indlæg undersøger jeg, hvorfor AI ikke har væltet arbejdsmarkedet omkuld, men i stedet langsomt ændrer, hvordan vi arbejder, lærer og leder. Det handler ikke kun om teknologiens muligheder, men i stigende grad om menneskets rolle i et system, hvor læring, selvledelse og kritisk sans bliver de vigtigste aktiver.
Kunstig intelligens har på rekordtid fundet vej ind i arbejdslivets værktøjskasse. Det er ikke længere kun udviklere og forskere, der arbejder med AI – det gør også marketingkonsulenter, revisorer, HR-specialister og skolelærere. Sidste år viste tal fra Dansk Industri, at mere end hver tredje danske virksomhed enten eksperimenterer med eller allerede har implementeret AI-løsninger. Det kan være alt fra automatiserede sagsgange og co-pilots til internt tilpassede sprogmodeller. Teknologien er her, og den bruges.
Men hvis vi kigger ud over anvendelse af nye arbejdsredskaber og i stedet spørger: Hvad har det ændret? – så er svaret mere mudret. For mens AI fylder meget i debatten og i arbejdshverdagen, fylder den mindre i samfundsøkonomien. Et nyt dansk studie af Anders Humlum og Emilie Vestergaard viser, at der endnu ikke er nogen målbar effekt af ChatGPT-lignende teknologier på løn- og arbejdstid blandt danske arbejdstagere i 11 særligt eksponerede brancher. Der er med andre ord ikke noget at se i de hårde tal. Teknologien er her, men transformationen lader vente på sig.
Det betyder ikke, at AI ikke gør en forskel. Det gør den – men måske bare ikke der, hvor vi først havde forventet det. Humlum og Vestergaards studie viser, at organisationer, der aktivt arbejder med AI – ikke blot som værktøj, men som praksis – ser mindre effekter på kreativitet, engagement og udviklingen af nye arbejdsopgaver. Vi kan således tale om en evolution fremfor en revolution af arbejdsmarkedet.
Doing-by-learning sker ikke med AI
Det kan virke skuffende. Men måske er det netop der, vi skal lede efter AI’s reelle betydning: i ændringen af arbejdets karakter, ikke dets volumen. AI skriver sig ind i en megatrend, som allerede længe har været i gang, nemlig specialisering.
Min farfar byggede for 100 år siden sit eget hus med noget hjælp fra hans venner. Den gang var det evner, som de fleste havde til fælles. Men i dag er det anderledes. Jeg ville ikke vide hvor jeg skulle begynde med at bygge et hus, men til gengæld ved jeg en del mere om at formidle viden end min gode håndværker. Vi lever i dag et samfund, hvor vi hver især er gode til noget specielt, men samtidig mangler hvad vores bedsteforældre ville kalde generelle evner. AI kommer blot til at skubbe den megatrend videre.
Den videre specialisering, som AI skaber, betyder nu også, at opgaver ikke længere skal ses som noget, man nødvendigvis skal lære ved at gøre dem. Tidligere blev opgaveløsning ofte betragtet som en læringsvej: Du lærte at skrive ved at skrive, du lærte at kode ved at kode. Det var doing-by-learning. Med AI bliver den ligning brudt. Det er nu muligt – og i mange tilfælde fristende – at få en maskine til at løse opgaven med samme eller lavere fejlrate, uden at du selv behøver forstå detaljerne.
Vibe studying og den nye læringsrolle
Det ændrer ikke blot, hvordan vi løser opgaver – det ændrer også, hvad det vil sige at lære. Den amerikanske IT-ekspert Andrej Karpathy introducerede for nyligt begrebet vibe coding, som han beskrev således: “It’s not really coding—I just see things, say things, run things, and copy-paste things, and it mostly works.”
I min egen forskning og undervisning på Erhvervsakademi København har jeg ligeledes mødt “vibe studying” blandt mine studerende. Det er en ny studieteknik, hvor man prompt’er sig frem til viden uden nødvendigvis at internalisere den. I stedet for at mestre et fag, designer man prompts, justerer output og kopierer resultater. Det føles som læring, men er i virkeligheden en slags interaktiv overfladeglidning.
På arbejdsmarkedet ser vi nu en parallel forskydning. Mange funktioner – især i den administrative sektor – går fra at være producerende til at være kuraterende. Det handler ikke længere om at kunne skrive en rapport, men om at kunne formulere det rigtige prompt, forstå svaret og kvalitetssikre outputtet. AI er ikke bare en ny teknologi – det er en ny form for arbejdsdeling.
Dette skaber behov for, at både medarbejdere og virksomheder tænker over, hvornår noget er en læringssituation, og hvornår det blot er en opgave, der skal løses. I strategisk teori taler man om balancen mellem exploration og exploitation – at udforske nye muligheder og at udnytte eksisterende ressourcer. Den samme balance skal medarbejdere nu lære at mestre i deres egen arbejdsdag: Hvornår giver det mening at sætte sig grundigt ind i en problemstilling? Og hvornår er det faktisk mest effektivt bare at lade maskinen gøre arbejdet?
Ledelse som forandringsopgave
Dette skift kalder på nye former for ledelse. Ikke nødvendigvis mere teknisk – men mere strategisk. Som professor Thomas Ritter fra CBS har påpeget, er det ikke anderledes at implementere AI end at implementere enhver anden større forandring. Det kræver analyse, ledelsesmæssigt mod og en tydelig værdiforståelse. Ritter peger at de klassiske spørgsmål ved forandringsledelse, såsom passer projektet ind i strategien, skaber det engagement, er det organisatorisk forankret og løser det et reelt problem, i høj grad stadigvæk gælder. Det er en nyttig påmindelse om den gamle remse om, at det ikke er teknologien i sig selv, der skaber værdi – det er den måde, den bruges på.
Og netop her bliver billedet mere nuanceret. Mange af de arbejdsopgaver, der i dag overlades til AI, er hverken dem, der skaber de største indsigter eller de største frustrationer – men de fylder. Eksemplerne er mange: Sagsbehandling, mailformuleringer, dataopsamling, dokumentation. Funktioner, hvor fejlmargen er lille og gentagelsen stor. Her er AI allerede konkurrencedygtig – og i nogle tilfælde overlegen.
Men det betyder ikke, at medarbejderne forsvinder. Snarere betyder det, at deres rolle forandres. Den kliniske læge, der tidligere brugte 40% af sin tid på journalføring, kan nu i princippet fokusere mere på patientrelationen – hvis organisationen tør ændre praksis. Den kommunale medarbejder, der har skrevet den samme byggetilladelse 117 gange, kan måske i stedet bruge tiden på at tænke i nye løsninger.
Det er her AI kan gøre gavn: Når den frigør tid, der bruges til at skabe værdi – ikke bare afvikle opgaver. Men det kræver, at ledere tør stille sig selv spørgsmålene: Hvad er det, vi prøver at opnå? Hvorfor gør vi det, vi gør? Og kan teknologien være en vej dertil?
Hvem bliver dygtig i en tid med AI?
Der er med andre ord stadig et stykke vej fra prompt til profit. Men det betyder ikke, at vejen ikke er værd at gå. Tværtimod. Den nuværende fase er ikke præget af revolution, men af små, betydningsfulde forandringer. Det er i detaljerne, AI forandrer arbejdsmarkedet: i den måde vi lærer på, i den måde vi prioriterer på, i den måde vi organiserer os på.
Og måske er det netop derfor, det føles som om AI ændrer alt og ingenting. Fordi ændringerne sker på indersiden – af opgaverne, af arbejdsrelationerne, af vores forståelse af kompetence og indsigt. Det er ikke en storm, der vælter samfundets strukturer, men en langsom strøm, der forskyder landskabet. Den slags kræver årvågenhed, ikke hype.
Som det ser ud lige nu, så i takt med at AI overtager flere rutineprægede funktioner, bliver det menneskelige bidrag ikke mindre – men anderledes. Det bliver mere kognitivt, mere reflekterende, mere strategisk. Hvor plat det amerikanske “we are all leaders” end lyder, så peger pilen lige nu i retning af selvledelse, læringsevne og kritisk sans som de nye vindende kompetencer.
Hvis du som medarbejder tidligere kunne brillere ved at kende systemet og vide, hvordan man ”gør tingene”, så vil fremtidens værdi i højere grad ligge i, om du kan stille de rigtige spørgsmål, vurdere kvaliteten af et AI-output og lære noget nyt, når svaret ikke holder. Det er netop her, vi kan trække på ideer fra Charles Fadel og diskussionen om 21st century skills: Fremtidens kernekompetencer handler ikke blot om teknisk kunnen, men om evnen til at lære, tilpasse sig og tænke kritisk.
I stedet for at spørge ”Hvad kan jeg?” skal man måske begynde at spørge: ”Hvad skal jeg gøre for at lykkes?” For hvis AI er en konstant medspiller i opgaveløsningen, bliver evnen til at lære i konteksten – learning agility – en afgørende differentieringsfaktor. Ikke blot for individer, men også for organisationer.
Det kræver, at de enkelte arbejdspladser begynder at anerkende læring som en legitim aktivitet i sig selv – ikke kun som et middel til produktion. Hvis alt, hvad vi laver, skal kunne omsættes til KPI’er og performance-mål, så bliver det sværere at finde plads til netop den langsomme, fejlbehæftede og nødvendige proces, der kendetegner ægte læring. AI kan løse opgaver, men det lærer ikke i vores sted. Det kræver stadig mennesker.
Og netop derfor bliver det næste afgørende konkurrenceparameter ikke, hvem der har adgang til den bedste teknologi – men hvem der formår at bruge teknologien klogt. Det vil i stigende grad være dem, der har modet til at være langsomme, når det gælder om at forstå, og hurtige, når det gælder om at handle. Dem, der tør stille spørgsmål og turde tage fejl. Dem, der forstår, at kritisk tænkning ikke er kritik for kritikens skyld, men en evne til at se alternativer og tænke konsekvenser igennem.
Hvis det er sandt, at vi står foran et paradigmeskifte, så handler det ikke kun om, hvordan vi bruger AI – men om, hvordan vi genopdager vores egne intellektuelle færdigheder. Kreativitet. Nysgerrighed. Analytisk dømmekraft. Evnen til at skabe mening, ikke bare output.
Så måske er AI ikke bare endnu en teknologisk bølge, men en anledning til at genforhandle, hvad vi egentlig mener, når vi taler om kvalifikationer og kompetencer. En anledning til at flytte fokus fra at vide noget til at kunne være noget. Fra at have et svar til at stille det spørgsmål, der åbner for flere svar.
For i sidste ende er spørgsmålet ikke, hvad AI kan. Det er, hvad vi vil bruge det til – og hvad vi vil bruge os selv til i en tid, hvor læring, kritisk tænkning og dømmekraft er blevet vores vigtigste værktøjer.
Follow Me