Blog Post - AI and Digital Maturity

The blog post is in Danish.

AI fylder mere end nogensinde. Den omtales i medierne, i nye bøger og på ledermøder og konferencer – ofte som et selvstændigt teknologisk vidunder. Men AI er hverken hype eller mirakelværktøj. Det er en teknologi, der kun skaber reel værdi, når ledelsen sikrer de rette organisatoriske forudsætninger. AI kan løfte kvalitet, frigøre tid og styrke fagligheden – men kun i organisationer med den nødvendige digitale modenhed til at realisere værdien ansvarligt.

I mit arbejde med digital modenhed ser jeg igen og igen organisationer, der går i gang med AI, før der er styr på strategi, data, roller og ledelsesretning. Resultatet bliver ofte spredte eksperimenter uden forankring. Derfor er det centrale spørgsmål efter min erfaring ikke ”hvilken AI skal vi vælge?”, men ”hvor moden er vores organisation til at bruge AI – og hvad kræver det af os som ledere?”

Denne artikel er ikke en fuld AI‑strategi eller implementeringsguide. Den er et orienteringsværktøj til ledere, der viser, hvordan AI’s rolle og værdiskabelse udvikler sig i takt med digital modenhed – og hvordan man kan vurdere, hvad der realistisk kan lade sig gøre på jeres nuværende modenhedsniveau. De seks generationer tydeliggør, hvordan og til hvad AI kan anvendes, og hvilke gevinster der kan realiseres på hvert niveau.

Jeg giver her mit bud på sammenhængen mellem AI og digital modenhed i de seks generationer: fra de første forsøg til avancerede, etisk forankrede og strategisk vigtige anvendelser. Artiklen henvender sig primært til læsere, der allerede kender min generationstrappe – og som ved, at hver generation bygger på den forrige – men den kan også læses af andre med interesse for AI og værdiskabelse.

Du får her den ultrakorte version af artiklen. Jeg arbejder netop nu på den fulde version, som forventes færdig i januar. Den vil kunne rekvireres hos os eller tilgås via vores ressourcecenter. Før vi går videre, giver jeg en kort introduktion til de to overordnede typer af AI.

For at forstå, hvordan AI skaber værdi i organisationer, er det vigtigt at skelne mellem to overordnede typer: klassisk AI og generativ AI. De løser forskellige opgaver og stiller forskellige krav til organisationen.

Klassisk AI analyserer, forudsiger og automatiserer. Det spænder fra simple regelmotorer og RPA til lokale modeller og avanceret mønstergenkendelse. Klassisk AI kan skabe værdi tidligt, når man har adgang til selv mindre, men strukturerede datasæt – fx i kommuner, sundhedsvæsen eller forsikring. Men når teknologien skal bruges bredt, stiger kravene hurtigt: datakvalitet, struktur, governance og tværgående processer bliver afgørende.

Generativ AI fungerer anderledes. Her er fokus på at skabe og udvikle indhold, viden og løsninger. Medarbejdere bruger den allerede til at skrive, analysere, kvalitetssikre og reflektere. Den kræver ikke store dataprojekter og er derfor mere tilgængelig for organisationer, der stadig bygger deres digitale fundament – men kvaliteten afhænger af medarbejdernes faglighed og dømmekraft.

Skellet mellem klassisk og generativ AI er vigtigt, fordi det viser, at AI ikke er ét værktøj, men forskellige teknologier, der kræver noget forskelligt af organisationen. Klassisk AI bygger på data og processer; generativ AI bygger på sprog, viden og evnen til at anvende teknologien i praksis. I det nedenstående vil jeg give mit bud på hvordan hhv. klassisk og generativ AI kan bruges på hvert af generationstrappetrinene og hvilken værdi de kan skabe.

Modellen er allerede kendt i mange organisationer som en ramme for at forstå, hvordan digitalisering udvikler sig over tid, og hvilke strukturer, kapabiliteter og fundamenter der skal være på plads for at lykkes. Modellen giver et fælles sprog for at vurdere, hvilke typer AI‑tiltag der giver mening nu — og hvilke der først bliver realistiske, når den digitale modenhed er øget og fundamentet er stærkere.

I Generation 1 anvendes AI som et praktisk redskab, der løser afgrænsede opgaver tæt på medarbejdernes egen hverdag. Teknologien fungerer her som en lille hjælper, der understøtter mindre dele af arbejdet uden at påvirke faglighed, organisering eller større processer. Fokus ligger typisk på at lette konkrete opgaver snarere end at skabe sammenhæng eller ændre arbejdsgange.

Klassisk AI anvendes typisk i enkle tekniske funktioner, hvor små datamængder skal sorteres, kategoriseres eller tjekkes automatisk. Her hjælper teknologien med grundlæggende strukturering af information, men uden dyb analyse eller integration i større systemer. Modellerne identificerer simple mønstre, men deres anvendelse er begrænset til isolerede opgaver.

Generativ AI bliver især synlig i denne fase, fordi den kan hjælpe med at skrive tekster, foreslå formuleringer, udarbejde standardsvar eller skabe hurtige opsummeringer af begrænsede informationsmængder. Den bruges som et værktøj, der kan tages frem, når medarbejdere har brug for sproglig støtte eller et hurtigt overblik. Bidraget er lokalt og praktisk – og fungerer som supplement til det daglige arbejde, der fortsat udføres manuelt.

På strategisk niveau kan AI være noget, organisationen taler om som en mulighed for lokale forbedringer, men uden at være koblet til langsigtede mål eller udviklingen af kerneopgaverne. Den strategiske opmærksomhed kan være til stede, men fokus er overvejende praktisk – på at løse små problemer her og nu.

Ledelsen kan se de små forbedringer, teknologien skaber, men AI vil nok typisk ikke indgå i prioriteringer, styring eller faglig retning. Teknologien kan bruges, når det giver mening, men uden overordnede krav eller organisatoriske mål. Ledelsens støtte vil kunne være anerkendende, men tilbageholdende.

I Generation 2 anvendes AI som en integreret del af organisationens mere strukturerede og standardiserede processer. Teknologien fungerer som en driftssikker assistent, der understøtter kvalitet, ensartethed og stabilitet i opgaveløsningen. Hvor AI i Generation 1 primært bruges som et individuelt hjælpemiddel til mindre opgaver, indgår AI her i generation 2 i højere grad i de fælles systemer og arbejdsgange, som udgør organisationens daglige drift.

Klassisk AI får en tydeligere funktion i datakvalitet, registrering og teknisk drift. Her bruges AI til at validere data, opdage fejl, foreslå rettelser og sikre stabile registreringer på tværs af systemer. Teknologien kan overvåge procesmønstre og pege på uregelmæssigheder, der ellers ville blive overset. Klassisk AI bidrager dermed til et mere robust og forudsigeligt system- og datagrundlag, som bliver vigtigt, når organisationen konsoliderer sine IT‑løsninger og skaber mere ensartede processer.

Generativ AI anvendes i stigende omfang til dokumentation, standardiseret kommunikation og struktureret formidling. Teknologien kan udarbejde udkast til breve, rapporter, mødenotater og interne dokumenter og bidrager til et ensartet sprogligt niveau på tværs af teams og afdelinger. Generativ AI bruges som et redskab til at skabe konsistente tekster og reducere den tid, medarbejdere bruger på rutinepræget kommunikation, samtidig med at komplekse informationer gøres mere overskuelige.

På strategisk niveau omtales AI sikkert nu som et område med betydning for organisationens drift og kvalitet. Ambitionerne er mere tydelige end i Generation 1, men stadig formuleret på et relativt overordnet niveau. AI kan ses som en del af organisationens teknologiske retning, men fokus ligger fortsat på at understøtte eksisterende processer snarere end at ændre dem fundamentalt.

Ledelsen arbejder aktivt med at styrke driftssikkerhed, standardisering og datakvalitet. Fælles systemer og procesdisciplin prioriteres, fordi de skaber et stabilt fundament for AI‑anvendelse. Ledere begynder sikkert selv i stigende grad at anvende AI i deres arbejde – fx til strukturering af information, planlægning og mødeforberedelse – og deres egen brug bidrager til at normalisere teknologien i organisationen.

I Generation 3 anvendes AI som en aktiv del af organisationens udviklings‑ og analysearbejde. Teknologien fungerer som en nysgerrig medskaber, der bidrager til at forstå problemer, skabe nye løsninger og udvikle services på baggrund af data, brugerindsigter og iterative processer. AI bruges ikke kun til at støtte arbejdet, men til at udfordre og kvalificere de ideer og refleksioner, som medarbejdere og teams arbejder med i deres faglige praksis.

Klassisk AI understøtter opgaven ved at identificere mønstre i adfærd, data og processer. Teknologien analyserer historiske forløb, finder gentagne mønstre i brugerbehov og peger på afvigelser, som kræver særlig opmærksomhed. Klassisk AI styrker faglig refleksion ved at bringe dokumenterede sammenhænge ind i arbejdet, så teams ikke kun baserer udvikling på antagelser, men på systematiske indsigter.

Generativ AI får en central rolle som værktøj til at skabe, udforske og udforme indhold i både udviklings‑ og innovationsprocesser. Teknologien kan foreslå nye konceptuelle retninger, formulere problemforståelser, generere idéer, producere prototyper og analysere feedback fra medarbejdere, brugere og borgere. Den bruges til at strukturere store informationsmængder, simulere forslag og muliggøre hurtige afprøvninger, som giver teams et bedre grundlag for undersøgende og kreativt arbejde. Generativ AI bliver et fagligt sparringsværktøj, der styrker både analyse og kreativitet.

Strategisk får AI nu en kobling til organisationens kerneopgave. Teknologien forbindes til udvikling og til mål om kvalitet, service, innovation og udviklingen af praksis. Strategien beskriver, hvilke typer af problemer AI skal hjælpe med at undersøge og løse, og rummer ofte de første principper for ansvarlig anvendelse i udviklingsarbejdet. AI opfattes som en drivkraft for faglig og organisatorisk udvikling – ikke kun et driftsværktøj.

Ledelsen understøtter sikkert aktivt anvendelsen af AI som en del af organisationens udviklingskapacitet. De skaber rum til eksperimenter, prioriterer læring og finansierer projekter, hvor AI indgår i analyser, undersøgelser og prototyper. Ledere bruger sikkert også selv AI mere regelmæssigt som en del af deres egen viden‑ og beslutningspraksis og kommunikerer tydeligt, hvordan teknologien kan styrke både udvikling og virksomhedens services.

I Generation 4 anvendes AI til at skabe sammenhæng mellem organisationens systemer, processer og fagligheder – og til at forbinde organisationen med de aktører, der ligger uden for dens egne grænser. AI fungerer som en forbindelsesarkitekt, der understøtter arbejdet på tværs af værdikæder, partnerskaber, økosystemer og fælles platforme. Teknologien skaber koordination, helhed og flow i opgaver, hvor flere aktører, datasæt og systemer skal spille sammen.

Klassisk AI fungerer som et analytisk og operationelt fundament. Teknologien identificerer mønstre på tværs af systemer, prognosticerer kapacitetsbehov og understøtter planlægning i økosystemer. Den forbinder data på tværs af enheder, så organisationen kan forstå sammenhænge og handle på fælles indsigter. Klassisk AI giver overblik over komplekse flows og bidrager til mere koordineret og forudsigelig opgaveløsning.

Generativ AI integrerer viden, dokumentation og kommunikation på tværs af faglige og organisatoriske skel. Den strukturerer store informationsmængder, udvikler fælles dokumentation og understøtter koordinering i økosystemer. Generativ AI skaber overskuelige beskrivelser af komplekse processer og sikrer et fælles vidensgrundlag ved at bygge bro mellem tekniske, faglige og administrative domæner. Den understøtter også løbende opdatering af aftaler, arbejdsgange og datakrav.

Strategisk er AI nu fuldt forankret i organisationens strategi og ambitioner. Teknologien er en naturlig del af målsætninger om kvalitet, effektivitet, sammenhængende forløb og datadrevet værdiskabelse på tværs af interne og eksterne samarbejdspartnere. Strategien rækker ud over den enkelte organisation og omfatter partnerskaber, sektorløsninger og fælles digital infrastruktur, hvor AI skaber helhed og sammenhæng på tværs af aktører.

Ledelsen arbejder sikkert målrettet med at modne, prioritere og skalere AI‑initiativer. De indgår sandsynligvis aktivt i partnerskaber med andre organisationer, samarbejdspartnere og leverandører og sætter retning for, hvordan AI skal understøtte hele værdikæden – ikke kun den interne drift. Ledere deltager i fælles governancefora og etablerer rammer, der sikrer, at sammenhæng, etik og datakvalitet er til stede på tværs af aktører. Fokus ligger på fælles mål og tværgående gevinster fremfor isolerede forbedringer.

I Generation 5 anvendes AI som en integreret del af den faglige vurdering og beslutningstagning. Teknologien fungerer som en personlig rådgiver, der understøtter medarbejdere og brugere gennem personaliserede, proaktive og situationsbestemte indsigter. AI indgår tæt på kerneopgaven og bidrager til at forudsige behov, identificere risici, foreslå indsatser, træffe fuldautomatiserede beslutninger, og handle i velstrukturerede og relativt lavrisiko‑opgaver. AI erstatter ikke direkte fagligheden, men styrker og forandrer den ved at tilføre dyb dataindsigt, prædiktioner og anbefalinger.

Klassisk AI analyserer store datamængder, identificerer mønstre og forudsiger udviklinger, der er relevante for beslutninger, kundeforløb og services. Teknologien hjælper organisationen med at handle tidligere og mere præcist ved at pege på risici og muligheder, før problemer opstår, og understøtter dermed mere forebyggende praksis.

Generativ AI omsætter indsigter til konkrete anbefalinger, faglige refleksioner og personaliseret kommunikation. Den fungerer som en adaptiv sparringspartner, der udarbejder beslutningsgrundlag og forslag, tilpasset kontekst, målgruppe og faglig situation. AI bliver en aktiv del af fagets kerne, hvor menneskelig dømmekraft og datadrevne analyser smelter sammen.

Strategisk er AI nu en central del af organisationens ambitioner om kvalitet, individualisering og proaktive services. Teknologien indgår i klare principper for, hvornår AI må anbefale, og hvornår AI må handle autonomt. AI’s rolle er tæt forbundet til organisationens faglige ansvar og servicekvalitet. Der udvikles tydelige pejlemærker for, hvordan datadrevne anbefalinger integreres i beslutningsprocesser, så teknologien understøtter organisationens overordnede mål uden at overtage dem.

Ledelsen arbejder aktivt for at sikre faglig forsvarlighed, etik og kompetenceudvikling. Ledere anvender selv AI til forberedelse og prioritering, sætter grænser for autonomi og følger op på kvalitet, transparens og påvirkning af arbejdsgange. Ledelsen prioriterer løbende dialog og læring om AI’s rolle, så medarbejdere og faglige miljøer trygt kan udvikle praksis i takt med teknologiens muligheder og begrænsninger.

I Generation 6 anvendes AI som en etisk partner i de beslutningsprocesser, samarbejdsformer, værdikæder og værdifællesskaber, der går på tværs af organisationer og sektorer. AI fungerer som en integreret del af et intelligent økosystem, hvor mennesker, organisationer og autonome systemer arbejder sammen om tillid, integritet og systemisk sammenhæng. Teknologien understøtter ikke blot opgaveløsningen, men bidrager til robuste, transparente og ansvarlige beslutningsmiljøer, hvor data, indsigter og handlinger bevæger sig på tværs uden at underminere faglige eller etiske principper

Klassisk AI har en central rolle som overvågende og integritetssikrende kraft. Den analyserer beslutningsmønstre, identificerer bias og dokumenterer, hvordan beslutninger bliver til. Klassiske modeller bruges til kontinuerlig monitorering af risiko, bæredygtighed, compliance og fairness. På den måde understøtter teknologien både faglig integritet og den governance, der kræves i et fuldt integreret digitalt økosystem

Generativ AI fungerer som det forklarende og formidlende lag ovenpå. Teknologien gør komplekse modeller og automatiske beslutninger forståelige for medarbejdere, borgere, kunder og samarbejdspartnere. Den udarbejder forklaringer, auditspor, dokumentation, rapporter og etiske vurderinger og knytter dermed faglighed, transparens og ansvarlighed tættere sammen.

Strategisk bliver AI nu en del af organisationens identitet og ansvar som aktør i samfundet. AI bruges ikke kun til intern optimering, men til at sikre fælles, sammenhængende og retfærdige services på tværs af sektorer. Organisationer deler standarder, datarettigheder og etik på tværs af partnerskaber, og AI indgår som en aktiv partner i udviklingen af disse rammer.

Ledelsen arbejder sikkert i fælles styringsfora og træffer beslutninger i partnerskab med andre organisationer. Ledere bruger sandsynligvis AI som sparringspartner i komplekse vurderinger og påtager sig ansvar for at sikre klare rammer for, hvordan teknologien bruges i partnerskaber med delt dataadgang og delt governance.

AI og digital modenhed er efter min vurdering ikke to adskilte dagsordener, men én samlet strategisk bevægelse. Med modenhedstrappen og generationerne håber jeg, at det bliver lettere at se, hvilke AI‑tiltag der giver mening nu – og hvilke der kræver et stærkere fundament og øget digital modenhed, før de kan skabe reel værdi.

For mig handler det næste skridt derfor ikke om at vælge endnu et AI‑værktøj, men om at spørge: Hvor står vi i dag? Hvilke gevinster er realistiske på vores modenhedstrin? Og hvad kræver det af organisationen og af os som ledere at bevæge os videre?

Når vi tager dette ansvar på os, bliver AI ikke blot en teknologisk tilføjelse, men en mulighed for at realisere de mange gevinster ved teknologien – blandt andet at styrke beslutninger, skabe mere robust og sammenhængende praksis og levere reel værdi for borgere, kunder, medarbejdere og forretningen.