Slut med AI-teater: Hvorfor en opbremsning i implementeringen er et tegn på modenhed

Hvorfor falder udbredelsestallene så?

Fordi lederne er ved at vågne op til en virkelighed, som teknologipressen har været tilbageholdende med at undersøge: Pilotprogrammer siger næsten intet om succes i produktionen. Organisationer, der skyndte sig med at demonstrere AI-kapaciteter i 2024, mærker nu konsekvenserne. 

Ifølge flere brancheundersøgelser blev 46 % af AI-proof-of-concept-projekterne skrottet, før de nåede i produktion i 2025. Det er dobbelt så høj en opgivelsesrate som blot ét år tidligere.

Virksomhederne, der trækker sig, giver ikke op. De tager det alvorligt.

Fra AI-teater til infrastrukturens virkelighed

KPMGs fortolkning af deres egne data modsiger den overfladiske læsning. Deres analytikere konstaterer, at førende virksomheder professionaliserer agentsystemer i stedet for at opgive dem.

Investeringer og ingeniørkapacitet er flyttet mod produktionsklare, orkestrerede agenter med ordentlig styring, overvågning, sikkerhed og integration. Arbejdet ser mindre imponerende ud i kvartalsrapporter, men lægger grunden til systemer, der rent faktisk fungerer i stor skala.

Denne forskel er vigtig, fordi de fleste organisationer stadig ikke forstår, hvad der kræves for at adskille AI-teater fra reel transformation. De barrierer, de støder på, er ikke tekniske kuriositeter, men grundlæggende infrastrukturelle mangler:

• Datakvalitet: Steg fra 37 % til 65 % af lederne, der angiver det som kritisk, på ét enkelt år
• Cybersikkerhed: Angives nu af 80 % som den største hindring for at nå målene med AI-strategien, op fra 68 %
• Systemkompleksitet: 65 % angiver kompleksiteten i agentbaserede systemer som deres største barriere i to kvartaler i træk
• Investeringsskifte: Halvdelen af lederne planlægger nu at afsætte $10-50 millioner specifikt til sikring af agentbaserede arkitekturer og styrkelse af modelstyringen

Det er ikke forbrugsmønstre hos organisationer, der jagter den næste demonstration. Det er infrastrukturens økonomi.

Problemet med de 88 % 

Afstanden fra pilotprojekt til produktion er blevet dokumenteret gentagne gange, men sjældent konfronteret ærligt. 

Undersøgelser viser, at kun fire ud af hver 33 AI-prototyper, en virksomhed udvikler, når i produktion. Fejlraten for opskalering af AI-initiativer ligger på cirka 88 %, hvilket er mere end dobbelt så højt som fejlraten for teknologiprojekter uden AI. 

I 2025 fandt S&P Global Market Intelligence, at 42 % af virksomhederne havde opgivet størstedelen af deres AI-initiativer, en dramatisk stigning fra 17 % året før.

Mønstret går igen på tværs af brancher: Det er let at tage teknologien i brug, pilotprojekterne breder sig, men integration er fortsat sjælden, og produktionsudrulning med målbare resultater viser sig at være ekstremt sjælden.

Hvad adskiller teater fra transformation?

Det, der adskiller de organisationer, der går i stå, fra dem, der skalerer, er hverken modellernes sofistikering eller computerkraften. McKinseys AI-undersøgelse fra 2025 bekræfter, at organisationer, der rapporterer om betydelige økonomiske afkast, har dobbelt så stor sandsynlighed for at have redesignet arbejdsgange fra ende til anden, før de valgte modelleringsteknikker. 

Vinderne tager udgangspunkt i værdipotentialer frem for anvendelsesområder og spørger, hvor de mister mest avance eller tid, frem for hvad AI teknisk set kan udføre.

Air Indias virtuelle AI-assistent AI.g, som nu behandler over fire millioner forespørgsler med 97 % automatisering, udsprang af en konkret begrænsning: Deres kontaktcenter kunne ikke følge med væksten i antallet af passagerer. De byggede den ikke for at bevise, at de kunne udrulle AI. De byggede den, fordi det var ved at ødelægge driften at sende rutineforespørgsler gennem mennesker.

Forskellen er i lige så høj grad filosofisk som operationel. Organisationer, der behandler AI som teknologisk implementering, fokuserer på modellens ydeevne og inferenshastigheder. Organisationer, der behandler AI som forretningstransformation, fokuserer på dataenes parathed, redesign af arbejdsgange og arbejdsfordelingen mellem mennesker og maskiner. 

Den første gruppe lancerer pilotprojekter, der ser godt ud i bestyrelsespræsentationer, men aldrig slipper ud af laboratoriet. Den anden gruppe sender produkter på markedet.

Denne skelnen forklarer, hvorfor datainfrastrukturen nu lægger beslag på 50-70 % af AI-budgetterne og tidsplanerne i vellykkede implementeringer – en fuldstændig omvending af de typiske udgiftsforhold. 

Det forklarer, hvorfor 72 % af organisationerne planlægger udelukkende at implementere agenter fra betroede teknologileverandører frem for at bygge skræddersyede løsninger, og det forklarer, hvorfor de mest sofistikerede ledere skruer ned i stedet for at skrue op.

Hvorfor det er det klogere valg at trække sig tilbage

Faldende implementeringstal bør ses som et tegn på modning, ikke fiasko. At skynde sig frem med det ene pilotprojekt efter det andet er ganske enkelt ikke måden, man fører an i AI-implementering på. Sagt ligeud? Stop med at optimere efter interne præsentationer i stedet for den operationelle virkelighed.

Det egentlige vendepunkt indtræffer, når ledere holder op med at spørge, om AI giver et investeringsafkast, og begynder at spørge, om deres infrastruktur kan understøtte det, AI kræver. Dette skifte adskiller de organisationer, der positionerer sig til det, der kommer bagefter, fra dem, der vil bruge 2026 på at forklare, hvorfor deres demonstrationer fra 2024 aldrig blev omsat til værdi i produktionen.

Hvis jeg skal give ét sidste råd, er det at holde op med at fokusere på mængden af AI-initiativer eller forsøg på at implementere agenter og i stedet begynde at opbygge de styringsrammer, datapipelines, sikkerhedsarkitekturer og integrationsstandarder, der gør det muligt for hver ny agent at styrke systemet frem for at gøre det mere skrøbeligt. Det arbejde skaber sjældent overskrifter. Det tager sig ikke godt ud i demonstrationer. Men det er det eneste arbejde, der betyder noget.

Når KPMG rapporterer, at implementeringstallene stiger igen om to kvartaler, ved vi, hvilke organisationer der brugte pausen på at opbygge fundamentet, og hvilke der blot fortsatte med pilotprojekter.