Hvad mellemstore virksomheder lærte om AI-transformation i 2025

"Vinderne valgte et eller to reelle problemer i eksisterende arbejdsgange, ikke 'det muliges kunst'," sagde Bhrugu Pange, administrerende direktør for AI & digitale teknologiløsninger hos AArete. "De valgte flaskehalse, som folk allerede klagede over, såsom tiden til afslutning af opkald, tilbudsgenerering, besvarelse af kundespørgsmål og fakturaafvigelser. De fleste havde 'drejestols'-syndromet."

Virksomheder, der integrerede AI i de værktøjer, medarbejderne allerede brugte—Salesforce, kontaktcenterplatforme og dokumentsystemer—opnåede anvendelsesrater på 60-80 %. Virksomheder, der lancerede selvstændige AI-værktøjer, oplevede, at anvendelsen stagnerede på 30-40 %.

Mønstret gik igen på tværs af funktioner. Marketingteams viste 98 % overbevisning om, at AI ville forbedre resultaterne, men kun 27 % rapporterede om bred anvendelse. Afstanden skyldtes ikke skepsis, men friktion.

"Succesfulde virksomheder bad ikke medarbejderne om at åbne et separat vindue for at få adgang til AI," forklarede Pange. "De placerede det i de værktøjer, folk allerede bruger, og udvidede eksisterende platforme som Salesforce."

De mindre succesfulde virksomheder byggede det, Pange kalder "kontekstløse chatbots", og undrede sig over, hvorfor ingen brugte dem. Ved udgangen af 2025 var læringen blevet et fast princip: Hvis AI ikke er der, hvor arbejdet foregår, slår det ikke rod.

Det uventede kompetencegab

2025 begyndte med en udbredt antagelse: anvendelsen af AI ville følge mønstret fra tidligere implementeringer af virksomhedssoftware. Køb de rigtige værktøjer, oplær folk i brugerfladen, og mål anvendelsesraterne. Midt på året var denne antagelse brudt sammen.

Kompetencegabet viste sig overalt. Kundeserviceteams havde AI, der kunne udarbejde svar, men ikke vurdere, hvilke svar der skulle sendes. Salgsteams havde AI, der kunne opsummere udskrifter af opkald, men ikke afgøre, hvilke indsigter der var vigtige. Økonomiteams havde AI, der kunne generere prognoser, men ikke vurdere, hvilke antagelser man kunne stole på.

"Utrænede medarbejdere havde seks gange større sandsynlighed for at sige, at AI gjorde dem mindre produktive," sagde Emily Mabie, senioringeniør i AI-automatisering hos Zapier. "Teams, der virkelig ønsker at opnå AI-transformation, er nødt til at investere i oplæring."

Medarbejderne skulle lære, hvad de skulle uddelegere til AI, hvad de skulle beholde, hvordan de skulle kontrollere AI-resultater, og hvornår de skulle tilsidesætte AI-anbefalinger. Disse kompetencer kunne ikke læres på et to timers kursus.

Virksomheder, der havde succes, betragtede anvendelsen af AI som kompetenceudvikling, ikke som implementering af software. De skabte lærlingeordninger, hvor erfarne medarbejdere arbejdede sammen med AI i månedsvis og opbyggede dømmekraft gennem gentagelse. De målte udviklingen af kompetencer, ikke kun brugen af værktøjerne.

It starts with one signal.

Each week, AI Signal takes one meaningful shift in AI and helps people leaders understand what changed, why it matters, and what to consider next.

Get Free Access

Have an account? Log In

Kompleksitetsskatten

Mens nogle virksomheder kæmpede med anvendelsen, opdagede andre, at de helt havde opbygget det forkerte fundament. Freshworks' rapport om omkostningerne ved kompleksitet viste, at 20 % af organisationernes softwareforbrug gik til spilde på mislykkede implementeringer, underudnyttede værktøjer og skjulte omkostninger.

"Mange organisationer støder på kompleksitetsbarrierer, der hæmmer produktiviteten, herunder ældre systemer, usammenhængende systemer og data i siloer," sagde Ashwin Ballal, CIO hos Freshworks. "Disse udfordringer fører til medarbejdertræthed, ineffektivitet og tab af indtægter på grund af forsinkelser og forpassede muligheder."

Det resulterede i, at medarbejderne i gennemsnit mistede 6,7 timer om ugen på at navigere i kompleksiteten af værktøjerne i stedet for at udføre produktivt arbejde, hvilket skabte betydelige barrierer for anvendelsen af AI.

Dermed blev der skabt en ond cirkel. Virksomheder hentede eksterne leverandører og konsulenter ind for at integrere AI i deres rodede teknologistakke, men disse tilføjelser skabte ofte mere friktion, end de fjernede.

Freshworks fandt, at 12 % af de økonomiske tab som følge af ineffektiv software skyldtes unødvendige konsulenter og kontraktansatte.

"Virksomheder henter ofte eksterne leverandører og konsulenter ind for at reparere ældre systemer, men disse tilføjelser kan skabe friktion i stedet for at fjerne den," sagde Ballal. "Organisationer betaler ofte to gange: først for kompleks teknologi og derefter for konsulenter, der skal få den til at fungere."

De mellemstore virksomheder, der havde succes i 2025, valgte en anden tilgang. I stedet for at lægge AI oven på eksisterende kompleksitet brugte de anvendelsen af AI som en mulighed for at forenkle. De samlede overflødige værktøjer. De valgte AI-funktioner, der var indbygget i platforme, de allerede brugte, frem for at købe selvstændige produkter.

Læringen: Du kan ikke transformere det, du ikke kan styre. Virksomheder med enklere og mere integrerede teknologistakke implementerede AI hurtigere og opnåede bedre resultater.

Pilotprojektets fælde

Afstanden mellem succes med pilotprojekter og implementering i produktionen blev et af 2025's mest frustrerende mønstre.

"De faktiske resultater af AI-investeringerne i 2025 var langt mere ujævne, end de overordnede adoptionsrater antydede," sagde Mabie. "Generativ AI og pilotprojekter var overalt i begyndelsen af året, men blandt de ledere, vi undersøgte hos Zapier, sagde kun 26 %, at størstedelen af deres AI-pilotprojekter nåede produktion."

Mønstret gentog sig på tværs af brancher. HR-afdelinger afprøvede AI-baseret screening af CV'er med fremragende resultater, men kunne ikke få de ansættende ledere til at bruge det. Driftsteams afprøvede AI til forudsigende vedligeholdelse, som fungerede præcis som lovet, men kunne ikke udvide det ud over det oprindelige anlæg.

Succesfulde pilotprojekter blev gennemført under særlige forhold: ekstra support, ledelsens opmærksomhed, motiverede frivillige og afsat tid til at lære. Da virksomheder forsøgte at skalere, forsvandt disse forhold.

"Succesfulde initiativer identificerede et medlem af virksomheden, som var ansvarlig for resultatet," sagde Pange. "IT blev ikke drivkraften eller ejeren, men forvalteren af AI-implementeringen. Forretningen ejede resultatet."

Virksomheder, der med succes skalerede, gjorde tre ting anderledes.

1. De dokumenterede ikke kun, hvad pilotteamet gjorde, men også hvorfor det virkede, og kortlagde de organisatoriske forhold, der muliggjorde succesen.
2. De afprøvede løsningen med repræsentative teams, herunder skeptiske og underbemandede grupper, ikke kun frivillige.
3. De målte organisatorisk parathed, ikke kun teknisk parathed.

Læringen: Et succesfuldt pilotprojekt beviser, at teknologien virker. Det beviser ikke, at din organisation kan optage den.

Problemet med skjult AI

Ved sommerens begyndelse stod ledere i mellemstore virksomheder over for medarbejdere, der brugte AI-værktøjer, som virksomheden ikke havde godkendt, sikret eller ofte kendte til. Medarbejdere uploadede kundedata til ChatGPT, brugte AI-værktøjer til forbrugere til følsomme forretningsanalyser og oprettede automatiserede arbejdsgange uden sikkerhedsgennemgang.

Problemet med skjult AI afslørede et dybere problem: Virksomhederne bevægede sig for langsomt til at imødekomme legitime medarbejderbehov. Medarbejderne handlede ikke hensynsløst; de var produktive med de værktøjer, der var tilgængelige for dem.

De kloge virksomheder reagerede ved at fremskynde implementeringen af godkendt AI, ikke kun ved at stramme kontrollen. De etablerede hurtige evalueringsprocesser for AI-værktøjer, som medarbejderne anmodede om, og skabte godkendte alternativer til almindelige anvendelser af skjult AI. De målte tiden fra anmodning til godkendelse af AI-værktøjer og betragtede forsinkelser som organisatoriske fejl.

Skjult AI var et signal om et udækket behov, ikke et complianceproblem, der skulle løses gennem politikker. Ved årets udgang havde de organisationer, der håndterede det bedst, skiftet fra reaktivt forbud til proaktiv muliggørelse.

Ledelsens tilpasningskrise

Når AI håndterer rutinepræget koordinationsarbejde som planlægning, statusopdateringer og grundlæggende problemtriage, forsvinder de traditionelle ledelsesaktiviteter, der fyldte 40-60 % af en leders dag, pludselig. Tilbage er det arbejde, som de fleste ledere aldrig havde tid til, såsom coaching, strategisk tænkning, kompleks problemløsning og teamudvikling – færdigheder, der afdækker problemer i ledelsesfødekæden.

De bedste ledere tilpassede sig hurtigt. De ledere, der havde det svært, følte sig fortrængt, satte spørgsmålstegn ved deres værdi og modsatte sig ofte AI-implementering, fordi den truede deres identitet.

Det handler grundlæggende om en udfordring inden for ledelsesudvikling. Der er behov for eksplicitte overgangsplaner for ledere, hvis roller ændrer sig, og planerne skal tilbyde coaching i, hvordan man arbejder anderledes, fordi meget få ledere har en klar vision for dette, og næsten ingen har mestret det. Organisationer er nødt til at vurdere, om deres AI-strategi tager højde for disse ledelsesovergange, og redefinere forventningerne, så ledere, der med succes skifter til arbejde med højere værdi, belønnes.

Nogle ledere vil ikke klare overgangen. Ledere kan håndtere dette på et par måder, herunder at forberede sig på en reduktion af mellemledelsen, efterhånden som organisationsstrukturerne bliver fladere.

• Skab karriereveje som individuelle bidragydere for ledere, der er fremragende til arbejde, som AI ikke kan udføre, men som har svært ved den nye ledelsesmodel.
• Tilbyd intensiv coaching, men vær forberedt på at træffe den vanskelige beslutning, at visse ledere ganske enkelt ikke egner sig til rollen i AI-æraen.

Det, der ikke fungerer, er at lade som om, rollen ikke har ændret sig. Organisationer, der implementerede AI, men fastholdt de samme forventninger til ledelsen, endte med ledere, der udførte meningsløst arbejde for at udfylde tiden.

Gennembruddet for tillidsarkitekturen

Den uventede succeshistorie i 2025 var virksomheder, der opbyggede systematisk tillid til AI i stedet for at håbe på, at medarbejderne bare ville acceptere det.

ADP implementerede deres "5P-rammeværk" på tværs af AI-initiativer:

• Formål (hvorfor vi bruger AI her)
• Mennesker (hvem der er involveret i beslutningerne)
• Proces (hvordan det fungerer)
• Resultater (hvordan vi måler succes)
• Beskyttelse (hvilke sikkerhedsforanstaltninger der findes).

Organisationer, der anvendte strukturerede tillidsrammeværk, opnåede AI-adoptionsrater på 60-80 % sammenlignet med 30-40 % for dem, der baserede sig på uformel opbygning af tillid.

"Menneskelig involvering i processen blev rangeret som den vigtigste styringsprioritet af 71 % af lederne," sagde Mabie.

Tillid opstår ikke naturligt som følge af god teknologi. Det kræver bevidst design. Virksomheder skal besvare specifikke spørgsmål før implementeringen, såsom:

• Hvorfor bruger vi AI til denne opgave?
• Hvem fører tilsyn?
• Hvordan træffer systemet beslutninger?
• Hvad sker der, når det tager fejl?
• Hvilke beskyttelsesforanstaltninger findes der?

Organisationer, der besvarede disse spørgsmål eksplicit – i dokumentation, i oplæring og i løbende kommunikation – opbyggede tillid hurtigere og fastholdt den længere.

Den skjulte omkostningskaskade

Omkostningerne rækker langt ud over spildte softwarebudgetter.

Én dårlig hændelse kan bremse implementeringen i månedsvis. Tab af tillid blev en skjult skat på fremtidige initiativer.

"AI kan fremskynde det første udkast, men hvis man ikke redesigner gennemgangsprocessen, skaber man et nyt problem," sagde Pange. "Teams bruger nu tid på at verificere og korrigere. Vi kalder det 'verifikationsskat'." Denne mentale belastning bidrager til problemer med medarbejdernes dømmekraft, når medarbejderne kæmper med at balancere AI-støtte med kritisk tænkning.

Medarbejdernes kynisme viste sig som endnu en skjult omkostning. Når ledelsen oversolgte AI og investerede for lidt i oplæring og redesign af arbejdsgange, modsatte medarbejderne sig implementeringen. Værre endnu anvendte de ikke-godkendte AI-værktøjer, hvilket skabte problemet med skygge-AI, som lagde beslag på sikkerheds- og regeloverholdelsesressourcer.

Federal Reserve Bank of St. Louis' realtidsundersøgelse af befolkningen viste, at omkring halvdelen af voksne i USA i august 2025 rapporterede, at de brugte generativ AI, og at over en tredjedel brugte det på arbejdet. Undersøgelsen anslog tidsbesparelser svarende til omkring 1,6 % af det samlede antal arbejdstimer med en potentiel produktivitetsstigning på op til 1,3 % siden lanceringen af ChatGPT.

Men disse gevinster var ulige fordelt.

"Mens én virksomhed sidder fast i pilotprojektlimbo, forbedrer en anden stille og roligt serviceniveauer, salgsgennemstrømning eller den operationelle cyklustid," sagde Pange. "Og den fordel, der kommer fra gradvise forbedringer og læring, begynder at akkumulere."

Skiftet i målingens modenhed

En af 2025's tydeligste udviklinger var, hvordan virksomheder målte AI-succes.

"Tidligt på året blev succes defineret ud fra lancering af pilotprojekter og dokumentation af gennemførlighed," sagde Mabie. "Langsomt skiftede lederne til at måle AI-kompetence og investeringsafkast gennem forretningsresultater."

Det faktum, at de fleste ledere måler investeringsafkast, afspejler en bredere modenhed. "Hvor sejt er det?" blev til "Hvad er den vigtigste resultatindikator, og hvor er referencepunktet?"

En del af overgangen fra at måle adoptionsrater til at måle forretningspåvirkning handler ikke blot om, hvorvidt medarbejderne bruger AI-værktøjer, men om hvorvidt disse værktøjer forbedrer kvaliteten af beslutninger, reducerer cyklustider eller frigør kapacitet til arbejde med højere værdi.

De mest avancerede organisationer målte både effektivitetsgevinster og udvikling af kompetencer. De ville vide, om AI gjorde medarbejderne hurtigere og bedre, idet de anerkendte, at AI-modenhed kræver en omfattende evaluering.

More Articles

• Problemer med AI-lønpræmier: Hvorfor højere løn for AI-kompetencer kan give bagslag
• 10 bedste softwareløsninger til efterfølgerplanlægning i 2026

Opvågningen omkring ressourceallokering

Måske var den vigtigste læring fra 2025, at 70-20-10-reglen for AI-investering viste sig at holde stik, og at de fleste virksomheder fordelte midlerne omvendt.

Reglen, som er blevet valideret på tværs af flere forskningsstudier, siger, at 70 % af investeringerne i AI-transformation bør gå til mennesker og procesforandringer, 20 % til infrastruktur og integration og 10 % til algoritmer og modeller.

De fleste mellemstore virksomheder brugte 60-70 % på teknologi og kæmpede for at finansiere arbejdet med organisatoriske forandringer.

Det betyder at finansiere roller inden for forandringsledelse, beskytte tid til læring og tilpasning, investere i AI-understøttede coachingprogrammer, kommunikationsstrategier og organisatoriske støttestrukturer.

De virksomheder, der fastholdt teknologitunge investeringer, så deres AI-initiativer gå i stå, uanset hvor sofistikeret teknologien var. Gode algoritmer i uforberedte organisationer klarede sig hver gang dårligere end middelmådige algoritmer i velforberedte organisationer.

Hvad 2026 kræver

Lærdommene fra 2025 peger på flere klare prioriteter for mellemstore virksomheder, der går ind i 2026.

• Integrer AI i eksisterende arbejdsgange. Kløften inden for arbejdsgangsintegration vil kun blive større. Stop med at lancere selvstændige AI-værktøjer, og begynd i stedet at opgradere de platforme, medarbejderne allerede bruger.

• Investér i uddannelse før teknologi. Zapiers konstatering af, at medarbejdere uden uddannelse er 6 gange mere tilbøjelige til at sige, at AI gør dem mindre produktive, bør skræmme enhver leder, der planlægger AI-investeringer. Kompetencekløften bliver ikke lukket gennem softwarelicenser.
• Forenkl, før du tilføjer kompleksitet. Virksomheder med fragmenterede teknologistakke vil få svært ved at implementere AI effektivt. "Organisationer, der samarbejder med softwareledere, som aggressivt fjerner elementer fra teknologistakken, integrerer AI i deres systemer og erstatter teknologisk spredning med samlede systemer, vil opnå en konkurrencemæssig fordel," sagde Ballal.
• Opbyg styring, der muliggør frem for at blokere. Styring med mennesket i løkken blev rangeret som den højeste prioritet af 71 % af lederne. Men styring, der bremser implementeringen til et snegletempo, skaber skygge-AI. Målet er en smidig styring, der gør det sikkert at bevæge sig hurtigt.
• Skalér orkestreringskapaciteten. "Flere mellemstore hold vil tage AI-orkestrering i brug," sagde Mabie. "Fordi mellemstore hold ikke har ressourcerne til fuldstændigt at genopbygge platforme og hold, vil de bruge og forbinde deres eksisterende værktøjer med AI-orkestrering."

Zapiers data viser, at 25 % af lederne forventer at nå AI-orkestrering i fuld skala inden 2026, mens 43 % forventer at drive agentbaserede arbejdsgange på tværs af funktioner. Med det i tankerne er det en god idé at:

• Omdesign lederroller eksplicit. AI ændrer, hvad ledere laver. Anerkend denne ændring, støt overgangen, og accepter, at nogle ledere ikke vil klare den.
• Genopbyg karrieremodeller til AI-æraen. Traditionelle forfremmelsesveje bryder sammen. Virksomheder har brug for nye modeller for, hvordan mennesker udvikler sig, når AI håndterer arbejde, der tidligere var udviklende.
• Skab systematisk tillid. Tillidsrammer virker. Uformel opbygning af tillid gør ikke. Besvar eksplicit de fem P'er for hver AI-implementering: Formål, mennesker, proces, præstation, beskyttelse.
• Omfordel budgetterne, så de følger 70-20-10-reglen. Det meste af værdien fra AI kommer fra organisatoriske forandringer. De fleste AI-budgetter går til teknologi. Ret denne skævhed, eller acceptér lavere afkast.
• Mål forretningsresultater, ikke teknologimålinger. Følg kvaliteten af beslutninger, reduktioner i gennemløbstid og udvikling af kompetencer – ikke kun systemudnyttelse.

"Nogle tendenser, der sandsynligvis vil forsvinde, er enkeltstående eksperimenter, automatiseringsmodeller kun for udviklere og tankegangen om 'AI som en funktion'," sagde Mabie.

Skellet mellem førende virksomheder og efternølere handler ikke om, hvem der har AI. Det handler om, hvem der lærte af at implementere det. Denne læringskløft vil blive større, efterhånden som AI-beslutninger i 2026 afgør, hvilke virksomheder der indhenter det forsømte, og hvilke der sakker yderligere bagud.