Den egentlige grund til, at dine AI-pilotprojekter bliver ved med at mislykkes, og hvordan du får dem på rette spor
De fleste AI-projekter dør ikke på grund af dårlig teknologi. De dør, når god teknologi møder uforberedte mennesker.
Sidste år skabte MIT's forskning overskrifter verden over, da forskerne fandt ud af, at 95 % af generativ AI-pilotprojekter ikke leverer et målbart investeringsafkast. Fejlraten har intet at gøre med modellens kapacitet. Organisationer implementerer AI-værktøjer i et rasende tempo uden en styringsstruktur, uden ansvar for oplæring og uden et klart formål, der er kommunikeret til teams. I løbet af få uger bryder systemerne sammen, fordi menneskene ikke var klar.
Folk bruger værktøjerne inkonsekvent, hvilket får resultaterne til at variere voldsomt. Kvaliteten styrtdykker. Medarbejderne bliver afhængige af systemer, de ikke forstår, og deres kernekompetencer svækkes. Under pres for at levere resultater opgiver de helt de officielle værktøjer og vender sig i stedet mod den personlige AI, der føles nemmere at bruge.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Det kender vi nu som skygge-AI.
Omkostningen er ikke kun spildt udviklingstid. Det er produktivitetstab, forringet kvalitet af resultaterne, problemer med overholdelse af regler og strategisk vildledning.
Hvorfor AI-pilotprojekter mislykkes
Ledere ser ibrugtagning af AI som en teknologisk implementering, selvom det i virkeligheden er en organisatorisk transformation.
En implementering er en teknologisk udfordring. Du skal have de rigtige data til det værktøj, du vælger, få styr på licenser og adgang og slå kontakten til.
Transformation er en menneskelig udfordring. Den berører adfærd, arbejdsgange, arbejdsmetoder, personlige identiteter og kompetencer. Arbejdet sker i den måde, mennesker tænker, træffer beslutninger og samarbejder på – ikke i selve værktøjet.
Jeg synes ikke, det er klogt at behandle generativ AI som en teknologisk implementering. Det er i virkeligheden mere en øvelse i forandringsledelse, fordi det handler om at få folk til at tænke anderledes over, hvordan de arbejder, og fordi det indebærer, at de ændrer deres adfærd. Og derefter ønsker man i sidste ende, at denne adfærd bliver til vaner.
Når du springer transformationsarbejdet over, får du kaos forklædt som innovation.
Presset for at bevæge sig hurtigt er reelt. Alle går ud fra, at konkurrenterne suser foran, så de springer det hårde arbejde med systemdesign og redesign af arbejdsgange over. Nogle organisationer indtager en letsindig tilgang fra toppen, drevet af ønsker om at reducere omkostninger, øge effektiviteten eller blive opfattet som førende på området.
Resultatet? 42 % af virksomhederne skrottede deres AI-initiativer i 2025, hvilket er en markant stigning fra blot 17 % året før.
De tre kompetencegab, der ødelægger AI's investeringsafkast
Kompetencegabet er ikke ét problem. Det er tre forskellige kompetencemangler, der tilsammen fører til organisatorisk fiasko.
1. Teknisk dømmekraft i forbindelse med implementeringsbeslutninger
Dit team skal forstå, hvornår værktøjet skal bruges, og hvornår det ikke skal. Det er noget andet end at vide, hvordan man bruger det.
Alt for ofte mangler folk dømmekraften til at vurdere, om et AI-resultat er godt nok, passende i den pågældende kontekst eller overhovedet besvarer det rigtige spørgsmål. De kan ikke skelne mellem, at »værktøjet genererede noget«, og at »værktøjet genererede noget nyttigt«.
Det har intet at gøre med SQL-kompetencer eller versionsstyring. Det handler om at udvikle dømmekraften til at træffe kloge beslutninger om AI-implementering i virkelige arbejdssammenhænge.
Taylor Blake, SVP for AI-laboratorier hos Degreed, peger på en grundlæggende afkobling.
»Forskellen mellem en AI-demo og AI i praksis kan være enorm. Og man ved det reelt ikke, før man selv får fingrene i det og er nødt til at se og mærke de problemer,« sagde han.
2. Kvalitetsstandarder og evalueringsrammer
De fleste organisationer viser folk, hvordan værktøjet fungerer. Det får dem kun til at kradse i overfladen.
Det, der mangler, er evnen til at evaluere resultater op imod meningsfulde standarder. Uden klare kvalitetsrammer falder folk tilbage på »det producerede noget, så jeg bruger det«.
Afkastkløften betyder noget, fordi dit faktiske afkast kommer fra at gøre folk bedre til deres arbejde med størst værdi – ikke fra at skabe mere output. I en verden, hvor alle har adgang til de samme værktøjer, adskiller det dine forretningsresultater at skabe et miljø, hvor folk anvender AI strategisk.
3. Kreativ anvendelse og problemløsning
De fleste kurser fejler fuldstændigt her. De underviser i funktioner i stedet for at inspirere til kreativ problemløsning.
Måske har nogen ingen problemer med at generere markedsføringstekst, når de først har fået en kreativ retning. Men når det kommer til at analysere muligheder og beslutte sig for en retning, går de i stå. Det er deres største mulighed – det sted, hvor AI kan ændre deres tilgang til arbejdet.
Ved at fremhæve forskellige funktioner for at inspirere til kreativ anvendelse hjælper man medarbejderne med at tackle deres mest tidskrævende udfordringer. Det er her, transformationen faktisk finder sted.
Den identitetskrise, du ignorerer
Personlig identitet indgår ikke i de fleste planer for implementering af AI. Det bør den gøre.
Når AI begynder at håndtere dele af en persons rolle, skaber det en dyb følelse af usikkerhed og angst. Folk frygter, hvad der vil ske, hvis de ikke tilpasser sig ændringer på arbejdsmarkedet. Denne frygt kommer til udtryk på to destruktive måder.
1.) De modsætter sig eller saboterer virksomhedens AI-initiativer. Ikke åbent, men gennem passiv manglende anvendelse, omveje og stille undergravning af de officielle systemer.
2.) De benytter sig af værktøjer, der føles nemmere at bruge, uanset om disse værktøjer faktisk imødekommer virksomhedens behov. Det skaber problemet med skygge-AI: 90 % af medarbejderne bruger dagligt personlige AI-værktøjer som ChatGPT til arbejdsopgaver, mens kun 40 % af virksomhederne har officielle LLM-abonnementer.
Dataene om medarbejdernes angst er chokerende. 65 % af medarbejderne er bekymrede for, at AI vil erstatte deres job. Omkring to tredjedele er bekymrede for ikke at vide, hvordan de bruger AI etisk. Denne angst underminerer direkte anvendelsen, idet op til 70 % af forandringsinitiativer relateret til AI mislykkes på grund af medarbejdernes modstand eller utilstrækkelig ledelsesstøtte.
Justin Angsuwat, persondirektør hos Culture Amp, har observeret noget kontraintuitivt i organisationens implementering af en AI-coach.
Nogle gange antager man, at de ledende medarbejdere eller medarbejdere med høj performance vil være de første til at tage AI til sig og på en måde mestre det. Men det er en antagelse, der ikke altid holder stik, for jeg tror faktisk, at det er ret svært at aflære den måde, man har gjort tingene på. Hvis du har gjort det samme i 20 år, er en del af din identitet knyttet til, hvordan du når frem til svaret.
Paradokset er brutalt: Folk er samtidig bekymrede for at sakke bagud og undergraver aktivt de systemer, der er designet til at hjælpe dem med at få succes.
Det menneskelige arbejde først
For en COO eller CHRO, der står foran at skulle implementere AI-værktøjer, begynder indsatsen med kommunikation og opbygning af tillid.
Medarbejderne har brug for at forstå, hvorfor du gør det på denne måde, hvad de får ud af det, og hvordan det former deres fremtid – både i virksomheden og professionelt.
De er måske stadig ikke fuldt ud overbeviste. Men gennemsigtighed skaber grundlaget for reel anvendelse.
Angsuwats team fokuserede på at opbygge selvtillid, før de bekymrede sig om perfekt implementering.
"Vores mål var at styrke medarbejdernes selvtillid ved brug af AI, fordi det er ret svært at måle et aha-øjeblik," forklarer han. "Det handlede bevidst om at lære, prøve ting af og simpelthen kaste sig ud i det. Det handlede ikke om at levere et poleret resultat, hvilket virkelig fjernede presset."
Den vigtige omformulering er at hjælpe folk med at se arbejdet med AI som en mulighed for at udvikle nye færdigheder og gentænke, hvad deres kernebidrag er. Ikke som en trussel mod deres nuværende rolle, men som en chance for at udvikle sig til noget mere værdifuldt.
Men træning alene er ikke nok. Angsuwat opdagede dette på den hårde måde.
"Det interessante var, at selv da vi gennemførte dette seks ugers program, fulgte nogle mennesker med og lavede de små prompter, hvor de skabte deres computerspil, og så vendte de tilbage til den almindelige daglige arbejdsgang. Og så blev de intimiderede igen."
Det kræver, at ledelsen udfører det svære arbejde på forhånd før implementeringen, ikke efter problemerne er opstået.
Cathey understreger behovet for at skabe plads til eksperimentering.
"Jeg synes, det er virkelig vigtigt, at virksomheder anerkender, at når der sker forandringer, er folk nødt til at sætte farten ned for at kunne sætte den op igen. Ingen går fra nybegynder til ekspert på én dag. Det kræver en proces, og man skal give sine medarbejdere plads og tid til at eksperimentere på en tryg måde."
Den blinde plet i styringen
Når ledelsen frigiver værktøjer uden klart ejerskab, ansvarsstrukturer eller indsigt i brugsmønstre, skaber man frit spil.
De fleste virksomheder følger ikke med i, hvilket arbejde medarbejderne faktisk udfører med teknologien, eller hvordan de bruger den. Det er en opskrift på en styringskrise.
Uden en ramme for AI-styring risikerer organisationer omdømmeskade som følge af inkonsistente eller problematiske resultater, tab af kundernes tillid, når kvaliteten forringes, økonomiske tab på grund af spildte investeringer og omarbejde samt regulatoriske sanktioner som følge af manglende overholdelse.
Den operationelle fare er umiddelbar. Uden klare styringsstrukturer kan man ikke placere ansvaret, når AI-systemer svigter eller fører til negative konsekvenser. Det er afgørende at etablere ansvarlighed for at kunne håndtere problemer og forbedre systemerne over tid.
Kompetencegabet rækker ud over den enkeltes evner. Det bunder i et behov for at opbygge organisatoriske systemer, der skaber synlighed, ansvarlighed og løbende forbedringer.
Spørgsmålet om $5.5 billioner
Over 90 % af verdensomspændende virksomheder vil stå over for kritisk mangel på kompetencer inden 2026. De forventede tab som følge af vedvarende kompetencegab: $5.5 billioner i den globale markedsudvikling.
Det lyder måske teoretisk eller sensationelt, men 94 % af lederne står i dag over for mangel på AI-kritiske kompetencer ifølge World Economic Forum. Én ud af tre rapporterer om gab på 40 % eller mere.
Det konkurrenceprægede pres er reelt, men kapløbet om at implementere uden først at opbygge kapacitet skaber et større problem. Organisationer, der indgår eksterne partnerskaber, opnår en implementeringssucces på 67 % sammenlignet med 33 % for interne udviklinger. Mentaliteten om, at vi selv bygger det, som fungerede for traditionel software, saboterer aktivt AI-succes.
I mellemtiden rapporterer 75 % af organisationerne, at de enten nærmer sig, befinder sig ved eller har overskredet mætningspunktet for forandringer. Den gennemsnitlige medarbejder har oplevet 10 planlagte virksomhedsforandringer i de seneste år, op fra blot to i 2016. Mere end halvdelen af IT-fagfolk siger, at de har fremskyndet AI-udrulningen i løbet af de seneste 24 måneder.
De menneskelige omkostninger ved at bevæge sig for hurtigt forstærker de tekniske fejl.
4 trin til at forhindre, at jeres pilotprojekter mislykkes
Hvis du er COO eller CHRO og står over for at skulle implementere AI, er dette, hvad der skal ske, før du trykker på knappen. Det er også værd at overveje, hvordan du kan integrere AI i din forandringsledelsesproces.
1. Definér forandringen, ikke kun implementeringen
Kortlæg, hvilke arbejdsgange der faktisk vil ændre sig. Identificér, hvilke roller der bliver påvirket, og hvordan. Definér, hvordan succes ser ud ud over, at "værktøjet er implementeret", og fastlæg et klart ejerskab for oplæring, styring og løbende support.
2. Opbyg kommunikationsinfrastrukturen
Forklar, hvorfor I anvender netop denne tilgang. Forklar, hvad medarbejderne får ud af det professionelt, og tag direkte hånd om bekymringer vedrørende identitet og usikkerhed. Skab feedbacksløjfer, så problemer opdages tidligt.
More Articles
- Kan 70-20-10-reglen for AI-transformation overføres på tværs af organisationsstørrelser?
- Slut med AI-teater: Hvorfor en opbremsning i implementeringen er et tegn på modenhed
- Vicepræsident for mennesker & organisation hos AI-unicorn siger, at HR-ledere skal blive arkitekterne bag en menneske-maskine-arbejdsstyrke
- Hvad mellemstore virksomheder lærte om AI-transformation i 2025
- Kunstig intelligens i forretningsdrift: Gør ny teknologi til en strategisk forretningsfordel
3. De første 30 dage: Skab systemer, der opbygger kompetencer
Gå videre end oplæring i "sådan fungerer det" til "sådan tænker du sammen med det". Hjælp folk med at identificere de problemer, der har størst værdi at løse, og fastlæg standarder for kvalitet samt rammer for evaluering. Fremvis kreative anvendelser, der inspirerer til strategisk brug.
Giv folk tilladelse til at sætte farten ned i begyndelsen. Anerkend, at adfærdsændringer tager tid, og at folk har brug for plads til at eksperimentere uden frygt for produktivitetstab.
4. Løbende: Etablér styring og synlighed
Følg de faktiske brugsmønstre og resultater. Skab ansvarsstrukturer for kvalitet og overholdelse, og overvåg AI-drift. Opbyg feedbackmekanismer, der kan forbedre systemet. Håndtér skjult AI, før det bliver en krise.
Vigtig realitetstest: Kun 15 % af de amerikanske medarbejdere siger, at deres arbejdsplads har kommunikeret en klar AI-strategi. Hvis dit team ikke kan forklare, hvorfor I gør dette, og hvordan det gavner dem, er I allerede bagud.
Broen, du skal bygge
Implementeringer mislykkes, fordi organisationer tager værktøjer i brug hurtigere, end de opbygger den menneskelige infrastruktur, der skal styre, implementere og udnytte dem effektivt.
Kompetencekløften er tydelig, og omkostningerne kan måles, mens konkurrencepresset fortsat vokser. Men løsningen er ikke at sænke tempoet i AI-implementeringen. Det handler om at udvikle menneskelige kompetencer parallelt. Det betyder, at man skal behandle dette som den organisatoriske transformation, det faktisk er, og ikke som et teknologiprojekt med en lanceringsdato.
Gør du det rigtigt, forvandler du AI til en varig konkurrencemæssig fordel. Spring det menneskelige arbejde over, og du slutter dig til de 95 %, hvis pilotprojekter aldrig skaber ROI, ofte fordi organisationer måler AI-ROI forkert fra begyndelsen.
Ledere opfører sig, som om de skal vælge mellem hastighed og parathed. I virkeligheden vælger de mellem bæredygtig transformation og dyr fiasko.
