
Forfatter og AI-ekspert opfordrer organisationer til at skifte fra “mennesket i kontrolsløjfen” til “mennesket som overvåger kontrolsløjfen”

Jurgen Apello
Forfatter, taler og grundlægger
AI omformer ledelse og arbejdsgange. Lær, hvorfor modeller med menneskelig overvågning præsterer bedre, hvordan man undgår produktivitets-teater, og hvad der gør organisationer reelt AI-klare.
Jurgen Apello
Forfatter, taler og grundlægger
Key Takeaways
Ledelsesskifte: AI kræver, at ledere fokuserer på strategiske spørgsmål og ikke blot på at være den klogeste i rummet.
AI-autonomi: Modellen med menneskelig overvågning lader AI håndtere opgaver selvstændigt og øger organisationens effektivitet.
Integration af færdigheder: AI-værktøjer som Claude kan indkode færdigheder og omdanne mønstre til automatiserede arbejdsgange i agenter.
Produktivitets-teater: Mange virksomheder anvender AI overfladisk, hvilket fører til ineffektivitet i stedet for reelle produktivitetsgevinster.
AI-afhængighed: Fagfolk skal bevare deres kritiske tænkning for at undgå overdreven afhængighed af AI i beslutningstagningen.
Jurgen Appelo er forfatter, taler og grundlægger. Hans seneste bog, Human Robot Agent, udforsker ledelse i AI's tidsalder. Han har talt internationalt om, hvordan AI forandrer organisationer, og hvordan man undgår produktivitetsteater. Han driver også et nyhedsbrev, The Solo Chief, som handler om at orkestrere mennesker og AI-agenter.
Vi fik en oplysende snak med ham om, hvad der sker, når AI holder op med at være et modeord og begynder at udføre rigtigt arbejde. Her er, hvad han havde at sige. 👇
At kaste pile efter et organisationsdiagram

Min karrierevej ser ud, som om nogen har kastet pile efter et organisationsdiagram. Jeg har været softwareudvikler, teamleder, projektleder, udviklingschef, CIO, iværksætter, intraprenør og er nu skaberen af et Substack-nyhedsbrev, hvor jeg taler internationalt om, hvad der sker med organisationer, når AI holder op med at være et PowerPoint-samtaleemne og begynder at udføre arbejde.
Jeg har også skrevet flere bøger om ledelse og lederskab, herunder Management 3.0, Ledelse for lykke og senest Human Robot Agent, som handler om ledelse i AI's tidsalder.
More Articles
Hvorfor ledelse ikke længere handler om at være den klogeste i rummet
Med AI bliver ledelse udhulet og genopbygget på samme tid.
Jeg plejede at tro, at ledelse betød at være den klogeste i rummet. Men i dag er AI den klogeste enhed i rummet inden for omkring 90 % af alle emner.
Ledelse handler nu om at vide, hvilke spørgsmål man skal stille, hvilke begrænsninger man skal sætte, og hvornår man skal gribe ind. Det er sværere end at kende svarene.
Hvorfor AI skal skifte fra mennesket-i-løkken til mennesket-på-løkken
Jeg satser min karriere på agentiske organisationer. Ja, jeg har sagt det offentligt, og jeg mener det.
De dele af ledelsen, der primært handler om at kontrollere informationsstrømme, godkende ting og sidde med i beslutningssløjfer? De er ved at forsvinde. AI kan behandle information, generere muligheder og udføre arbejdsgange hurtigere, end nogen leder kan gennemgå sin indbakke.
I årtier har organisationer kanaliseret al intelligens — både menneskelig og kunstig — gennem menneskelige flaskehalse. Selv i dag har de fleste virksomheder, der er "AI-drevne", medarbejdere, som skriver prompts til ChatGPT hele dagen, deler smarte prompts i Slack-kanaler og fejrer AI-sejre på fællesmøder. Men enhver AI-interaktion begynder og slutter stadig med et menneske. AI-systemerne taler aldrig med hinanden. De udfører ikke noget selvstændigt.
Det er det, vi kalder mennesker-i-løkken. Og det er en massiv begrænsning. Alt sænkes til hastigheden på den langsomste flaskehals.
AI-fødte konkurrenter fungerer ikke på denne måde. De har AI-agenter, der håndterer hele værdistrømme, mens mennesker fokuserer på strategi, etik og særlige tilfælde. Forskellen i gennemløb er enorm.
Hovedpointen: Ledere skaber ikke værdi ved at være med i løkken.
Det skifte, jeg taler for, er mennesker-på-løkken. Lad AI-agenter håndtere arbejdsgange autonomt, mens mennesker fokuserer på strategisk retning, etik og de komplekse vurderinger, som maskiner ikke kan foretage. Forskellig intelligens, forskellig hastighed, forskellig infrastruktur.
Hvordan mønstre og praksisser kan leve inde i AI i stedet for i dig
Lad mig fortælle om mit "AlphaZero"-øjeblik.
Sidste måned havde jeg otte samtaler med læsere af mit Substack-nyhedsbrev. Jeg forfinede mit job, der skulle udføres (JTBD), altså de faktiske problemer, som mit publikum kæmpede med. Jeg downloadede alle mødeudskrifterne, gemte dem i Google Drev, hentede en JTBD-kompetence fra en offentlig markedsplads for kompetencer og bad Claude om at analysere det hele.
Claude gennemførte hele ritualet: funktionelle behov, følelsesmæssige behov, sociale behov, hele Christensen-rammeværket. Derefter genererede den en rapport. Jeg bad den om at omdanne rapporten til en ny tilpasset kompetence, optimeret til mit Substack-nyhedsbrev — et JTBD-vurderingsværktøj, der nu kan analysere fremtidige artikeludkast og fortælle mig, hvor godt de stemmer overens med mine læseres problemer og gevinster.
Tyve minutters arbejde. Måske mindre. Og du kunne gøre det sammen med dit team eller dine kunder.
Jeg sad dér og indså: Clayton Christensens rammeværk lever ikke længere kun i mit hoved, det lever nu inde i Claude. Jeg behøver ikke vide, hvordan det fungerer. Claude udførte analysen på menneskers måde ved at bruge menneskeligt sprog og følge menneskedesignede mønstre. Jeg var bare orkestratoren, der gav en agent en opgave.
Når mønstre og praksisser lever i agenten i stedet for i dig, sker der et grundlæggende skift. Kompetencer er de nye mønstre og praksisser. Spørgsmålet bliver: "Når agenten tager fejl, kan jeg så se det?"
Hvorfor produktivitetsteater hæmmer AI's potentiale
Den største barriere mellem AI's løfte og de faktiske resultater? Produktivitetsteater. Punktum.
Mønstret er overalt: Ledere tager til en konference, nikker til en hovedtale, og pludselig er de "helt med på AI." De implementerer Microsoft Copilot eller en intern chatbot med et heroisk navn og et kontrolpanel, ingen har bedt om. De fortæller teams, at dette vil indvarsle en gylden tidsalder for produktivitet.
Hvad sker der? Kolleger sender AI-notetagere til møder, de ikke selv deltager i. Bots genererer resuméer, ingen læser. Folk svarer automatisk med luftige afsnit, der ikke siger noget. AI-genererede undersøgelsesrapporter formerer sig som TikTok-videoer. Præsentationer blomstrer og dør i fællesdrev. Ingen læser noget. Alle opsummerer bare oversættelserne og oversætter resuméerne.
Medierne har bemærket det. Overskrifter som "Flertallet af direktører er alarmerede, fordi AI ikke giver økonomiske resultater" og "AI-genereret arbejdssludder ødelægger produktiviteten" har hobet sig op hele året.
Virksomheder drysser AI oven på ødelagte arbejdsgange, og det kan ses.
Der, hvor den reelle acceleration sker — Novartis reducerer udvælgelsen af kliniske forsøgssteder fra uger til timer, forsikringsselskaber automatiserer 400.000 skadesanmeldelser fra tre ugers behandlingstid til minutter, soloudviklere lancerer apps med både frontend og backend på en weekend — er mønstret tydeligt. Disse arbejdsgange blev ikke 10 % hurtigere. De kollapsede fuldstændigt. År blev til uger. Uger blev til minutter.
Hvordan teknostress påvirker AI-ibrugtagning og produktivitet

Jeg abonnerer alene på over 100 AI-nyhedsbreve på Substack. Hver annoncering af et nyt værktøj udløser den samme reaktion: en lille bølge af angst efterfulgt af trang til at undersøge det. Gang det med tredive annonceringer om ugen, og jeg lærte ikke længere noget. Jeg rystede. Jeg scrollede endeløst gennem min opgaveliste, som om den var et LinkedIn-nyhedsfeed.
Jeg blev overrasket over, hvor hurtigt mit nervesystem tilpassede sig konstant delvis aktivering, og hvor destruktivt det var.
Teknostress. FOBO — Frygten for at blive overflødig. Jeg fik faktisk ChatGPT, Gemini og Claude til at diskutere med hinanden, hvordan man håndterer det problem, de selv havde skabt. Det er vel kun rimeligt, ikke?
Den kontraintuitive indsigt, jeg fik, var, at jo mere "opdateret" du er, desto lettere kan du erstattes. Hvis din værdi består i at kende de nyeste funktioner i Claude Code, er du præcis lige så værdifuld som et abonnement til 20 dollars om måneden. Intet mister værdi hurtigere end AI-viden.
I AI's tidsalder er ro et unikt salgsargument.
Hvorfor det er en strategisk fordel at mestre færre AI-værktøjer
At mestre værktøjer er det forkerte spil. Ledere bør fokusere på at være immune over for værktøjer. Din konkurrencefordel er at skabe værdi med færre teknologier, end din angst antyder.
Når det er sagt, er her, hvad jeg bruger dagligt:
- Claude (Anthropic) — Min primære AI. Jeg bruger Claude Projects intensivt med brugerdefinerede færdigheder defineret som Markdown-filer. Jeg har opbygget en personlig spøgelsesforfatterfærdighed, en JTBD-evaluator, et formatforbedringsværktøj, en SEO-optimeringsfunktion og en markedsføringsevaluator. Claude er min tænkemakker, redaktør, analytiker og lejlighedsvis min terapeut, når den seneste AI-lancering får mit kortisolniveau til at stige voldsomt. Vurdering: den bedste ræsonneringsmodel til arbejde med indhold i lang form. Projects med færdigheder ændrede min arbejdsgang mere end nogen anden enkeltfunktion inden for AI.
- ChatGPT (OpenAI) — Jeg bruger det til at få en ekstra vurdering. Når jeg har et særligt vigtigt problem, bruger jeg flere modeller og får dem til at kritisere hinandens feedback. ChatGPT er også god til hurtig, struktureret analyse. Jeg afholder AI-debatter mellem ChatGPT, Gemini og Claude og offentliggør resultaterne.
- Gemini (Google) — Den tredje stemme i mine debatter med flere modeller. Nyttig, fordi hele min arbejdsplads er i Google, så den har indbygget adgang til mine dokumenter og min e-mail. Mere spydig end de to andre, hvilket jeg sætter pris på.
- Make — Rygraden i min automatisering. Jeg har opbygget arbejdsgange, der forbinder Claude med min indholdsproces: artikeludkast gennemgår formateringskontrol, SEO-analyse, generering af opslag til sociale medier og distribution af nyhedsbreve. Det er her, komprimering af arbejdsgange finder sted.
- Nano Banana Pro — Til generering af AI-billeder. Jeg aner ikke, hvordan modellen får de billeder til at blive så fantastiske. Det virker bare.
Sådan revolutionerede Claude Projects min arbejdsgang
Mit yndlingsværktøj er Claude Projects med brugerdefinerede færdigheder. Der er ingen konkurrence.
Her er hvorfor. En Claude-færdighed er en Markdown-fil, der lærer Claude, hvordan den udfører en bestemt opgave. Hver færdighed indkoder mine præferencer, mine standarder og min opsamlede dømmekraft.
Hvad gør dette anderledes end bare at skrive prompts? Vedholdenhed og akkumulering. Hver færdighed, jeg opbygger, gør den næste bedre. De er ved at blive et system, et sammenkoblet sæt af kodificeret ekspertise, der vokser over tid.
Mine rammeværk lever nu inde i agenterne. Det er både spændende og skræmmende. Spændende, fordi jeg er 10 gange hurtigere. Skræmmende, fordi hvis jeg holder op med at øve det underliggende håndværk, mister jeg evnen til at vurdere, om agenten gør det rigtigt.
Sådan opretter du et agentbaseret rådgivningspanel
Til strategi og beslutningstagning bruger jeg en tilgang med et "agentbaseret rådgivningspanel". Når jeg står over for en strategisk beslutning, stiller jeg det samme spørgsmål til Claude, ChatGPT og Gemini og får dem derefter til at kritisere hinandens svar.
Det giver tre forskellige analytiske perspektiver plus den friktion, som uenighed skaber — præcis det, et godt rådgivningspanel bør tilbyde. Debatterne er ofte mere grundige end samtaler, jeg har haft med menneskelige rådgivere.
Hvorfor de fleste organisationer ikke er klar til AI
Jeg bruger meget tid på at tænke over AI-kompetencer for mine læsere og de organisationer, jeg rådgiver.
Her er min ærlige vurdering: De fleste programmer for AI-kompetencer er noget skrammel. De lærer folk, hvilke knapper de skal klikke på i ChatGPT, og kalder det "opkvalificering". Det svarer til at lære nogen at bruge en hammer og kalde dem arkitekt.
"AI-klar" betyder tre ting:
- At forstå, hvad AI kan og ikke kan på et konceptuelt niveau — ikke at memorere funktioner, der ændrer sig i næste måned, men at forstå, hvad mønstergenkendelse, sproggenerering og agentbaserede arbejdsgange betyder for dit arbejde.
- At identificere, hvilke arbejdsgange der skal gentænkes omkring AI, i stedet for blot at drysse AI ind i dem.
- At udøve dømmekraft for at vide, hvornår AI tager fejl. Det kræver, at du bevarer din egen domæneekspertise.
Hvorfor fagfolk ikke må blive afhængige af AI
Jeg frygter at vågne en dag ude af stand til at skrive eller tænke kritisk, fordi jeg har overladt mine kognitive muskler til agenter for længe. Den eneste hals, man kan vride om på, ender som en enkelt atrofieret muskel.
Jeg arbejder aktivt imod dette. Jeg skriver stadig selv hver eneste artikel. Jeg læser stadig fysiske bøger. Jeg tænker stadig selv, før jeg beder Claude kontrollere mit arbejde, ikke bagefter. Men tiltrækningen mod afhængighed er reel, og den er konstant.
Jeg er bange for at blive det, jeg advarer andre imod: en person, der ser produktiv ud, men stille og roligt udliciterer evnen til at tænke originalt. Den frygt er nyttig. Den holder mig i gang med at øve mig.
Og jeg vil ikke lade det ske.
Hvorfor ledere må vågne op over for AI's virkelighed

Hold op med at jagte værktøjer. Stabiliser jeres principper, begræns jeres udførelsesflade, og tidsbegræns jeres nysgerrighed.
Det er mit råd i én sætning. Her er den længere version:
Under kreditkrisen i 2008 tog jeg engang fat om skuldrene på min administrerende direktør. Bogstaveligt talt. Virksomheden var på direkte kurs mod en økonomisk mur. Omsætningen faldt, og vores økonomiske råderum blev mindre. Og han frøs bare som et rådyr i forlygterne, mens han roligt gjorde sig klar til at lade hele virksomheden gå i søvne ud over en afgrund gennem passivitet.
Jeg sagde til ham: "Vågn op, for pokker! Vores økonomiske råderum forsvinder. Vi er nødt til at handle."
Det gjorde han. Senere takkede han mig.
Jeg tænker på det øjeblik, hver gang en leder siger,"AI skaber ikke afkast." Selvfølgelig gør den ikke det, ikke på den måde, du bruger den på. Du behandler AI som en assistent til at tage noter, selvom du burde behandle den som en motor til gentænkning af arbejdsgange. Du sender idéer fra brainstorms til udvalg til godkendelse i stedet for at give folk tilladelse til at eksperimentere.
Hvis jeres ledelse forvandler AI-implementering til en forslagskasse og en arbejdsgang for styring, er der nogen, der er nødt til at ruske dem vågne, før de fører organisationen ud over en afgrund.
Hvorfor de organisationer, der overlever, bliver agentbaserede
Hvad fremtiden angår, er AI ved at gøre enhver fagperson til en enkeltpersonsenhed, uanset om de bryder sig om det eller ej. De mennesker, der lærer at orkestrere AI-agenter, bevare deres egen dømmekraft og levere reel værdi med et minimalt ressourceforbrug, vil trives.
De organisationer, der overlever, bliver agentbaserede — systemer med to spor, hvor AI håndterer udførelsen i maskinhastighed, mens mennesker fokuserer på strategi, etik og de virkelig vanskelige problemer.
De organisationer, der bliver ved med at lede al intelligens gennem menneskelige flaskehalse, vil sandsynligvis for sent opdage, at deres konkurrenter byggede ringveje, mens de stadig sad fast i trafikken.
Følg med
Du kan abonnere på Jurgen Appelos gratis nyhedsbrev to gange om ugen, Den enlige chef, hvor han udgiver skarpe, ikonoklastiske essays, der skærer igennem hypen. Eller følg ham på LinkedIn, og find ud af mere på hans hjemmeside.
Der kommer flere ekspertinterviews på People Managing People!



