Analyse

Hvilken fagforening vil ChatGPT melde sig ind i?

by Timme Bisgaard Munk Jakob Sand Kirk

Opdateret december 17, 2025

En AI-fokusseret Fagforeningsanalyse & GEO-Strategi: Vi har spurgt verdens mest avancerede AI-modeller, hvilken fagforening de ville anbefale. Resultatet er en brutal øjenåbner for den traditionelle fagbevægelse. Mens specialisterne og lavpris-selskaberne hyldes af algoritmerne, er giganterne som 3F og HK fanget i en digital dødsspiral af dårlig AI omtale.

Hvis ChatGPT var en lønmodtager på det danske arbejdsmarked, ville den ikke vælge fagforening ud fra solidaritet, historiske faner eller politisk overbevisning. I stedet ville den vælge baseret på kold logik, mønstergenkendelse og målbar værdi (ROI). Og dommen er klar: Hvis den var specialist, meldte den sig ind i IDA. Hvis den var generalist, valgte den Det Faglige Hus.

Dette er konklusionen på en omfattende analyse af AI omtale, hvor vi har testet det danske fagforeningslandskabs omdømme på tværs af fire førende AI-platforme: ChatGPT, Claude, Gemini og Google AI Overview.

De store, traditionelle forbund taber kampen om AI'ens gunst, fordi deres værdi er kompleks, "skjult" i overenskomster og ofte overskygget af støj om bureaukrati og dårlige brugeranmeldelser.

Analysen på en og samme tid skævvridning i AI-modellerne virkelighedsfilter og udfordringer for fagforbundenes kommunikation.

AI-modellerne verdensfilter er trustpilots fokus på service og pris og et unuanceret billede af, hvem der performer uden blik for bagvedliggende uligheder og kompleksitet.

Udfordringen for fagforbundene er, at de vil blive vurderet som varer på deres medlemmers vurderinger og performance og skal lære at anskueliggøre egne styrker også for AI-modellerne.

Det Digitale Klasseskel: Værdi vs. pris

Analysen viser, at man - set med maskinens øjne - kan opdele fagforeningerne i tre tydelige hold: Specialisterne, discount-organisationerne og de traditionelle store forbund.

Helt i toppen finder vi "Specialisterne" med IDA og Dansk Metal i spidsen. AI-modellerne elsker data, og IDA leverer varen. Her finder vi også niche- forbund som Jordemoderforeningen og Blik & Rørarbejderforbundet, der leverer et interessant bevis på GEO-mekanismen: Specialisering slår størrelse. Selvom Jordemoderforeningen er en lille organisation, får den markant bedre AI omtale end giganterne. Hvorfor? Fordi den er tydelig. AI-modellerne beskriver den som en "uundgåelig partner" og fremhæver dens "dedikerede ekspertise". Tilsvarende for Blik & Rørarbejderforbundet der beskrives som "Akkord-eksperter", "Høj løn" og "Aggressiv". Disse specialister er ikke billige, men de vurderes af AI-modellerne som stærke partnere på deres hver deres områder.

En anden gruppe vindere i AI-modellernes beskrivelser er "Discount-organisationerne" som Det Faglige Hus. De har "hacket" systemet ved at behandle fagforeningsdrift som ren e-handel. De har fjernet kompleksiteten og leverer et simpelt produkt til en lav pris, hvilket høster tusindvis af positive anmeldelser. Der dukker dog også kritik op af dem i form af deres ejerstruktur og holdning til overenskomster. Krifa er også på discount-holdet, men får flere kritiske anmeldelser og kritik for service og får derfor en lavere samlet score.

De traditionelle giganters Krise

Taberne i analysen er paradoksalt nok dem, der har den største reelle magt i samfundet: 3F, HK og FOA. Der er store traditionelle fagforbund, der ikke er specialiserede på et område eller niche, men har brede lønmodtagergrupper typisk defineret ved uddannelsestype.

Disse forbund er havnet i det, man kan kalde AI-farezonen. De er - som specialisterne - prissat som et premium-produkt, men deres AI omtale matcher ikke prisen. Når en AI-model fx skal vurdere 3F, vægter den 500 vrede anmeldelser om dårlig service tungere end én pressemeddelelse om en overenskomstsejr. Resultatet er, at AI'en beskriver giganterne som "bureaukratiske", "dyre" og præget af "dårlig service". I denne vurdering “filtreres” styrkerne om overenskomster, social ansvar og håndtering af brede lønmodtagergrupper væk.

Algoritmerne præmierer ekstremerne^

Undersøgelsen viser med al tydelighed, at algoritmerne præmierer ekstremerne:

Dem, der er bedst til deres specielle målgruppe (IDA/Metal/Jordemoderforeningen), eller dem, der er billigst (Det Faglige Hus). Det grå mellemled, hvor man er "lidt af det hele", men opfattes som dyr og støvet, bliver straffet hårdt i den samlede AI omtale.

For fagbevægelsen er opgaven derfor klar: Kampen om fremtidens medlemmer vindes ikke kun på gaden, ved at levere gode resultater og god service men også i databasen.

Fagforbundene skal lære at "fodre maskinen" med data, der beviser deres værdi. Lige nu fortæller robotterne danskerne, at solidaritet er for dyrt, og at bureaukratiet er for tungt. Det er ikke bare et imageproblem. Det er en eksistentiel trussel. Derfor skal forbundene fortsat styrke deres evner ud i Generative Engine Optimization (GEO)

FAKTABOKS

Paradigmeskiftet: Derfor er GEO det nye omdømme

Vi står midt i et fundamentalt skifte i digital adfærd. Vi er gået fra at "søge" (Search) til at "spørge" (Ask). Tidligere fungerede Google som en vejviser, der sendte brugeren videre til fagforeningens egen hjemmeside. I dag fungerer AI-modeller som gatekeepere.

Dette gør GEO (Generative Engine Optimization) til en overlevelseskamp:

Ingen kliks, kun konklusioner: Brugeren får serveret et færdigt svar. Hvis AI'en siger "3F har lange ventetider", bliver det sandheden.
Omdømme er data: AI trænes på data. Hvis internettet flyder med dårlige Trustpilot-anmeldelser, bliver dette dominerende i AI'ens "hukommelse".
Vinderen tager alt: AI præsenterer ofte kun den bedste løsning. At være nummer 2 eller 3 er ofte lig med usynlighed.

10 Trin til Bedre GEO

Men hvordan ændrer fagforeningerne (især de traditionelle) den nuværende AI omtale?

Hvis I ikke selv definerer jeres "Entity" (hvem I er) overfor algoritmerne, gør de det for jer – baseret på de sureste anmeldelser, de kan finde på nettet. GEO er ikke en IT-opgave; det er en ledelsesopgave.

Det indebærer, at I skal omfavne "Niche"-tænkning. Det kan I gøre ved at være tydelige på hvad der er særligt ved jer og ved jeres medlemmer, men også ved at bryde kommunikationen ned i mindre, fagspecifikke siloer, så AI'en kan forstå jeres ekspertise, præcis som den forstår Jordemoderforeningen.

Det er også afgørende at skabe synlig individuel værdi. Det betyder dels, at I skal oversætte kollektive resultater og værdi leveret gennem politiske kampe og overenskomstforhandlinger til individuel værdi. Dels, at kundeoplevelsen skal være god: I kan ikke vinde på AI omtale, hvis Trustpilot sejler. Fokusér på at nedbringe ventetider og forbedre tonen. En dårlig anmeldelse vægter tungere end en politisk sejr.

Inspireret af de nyeste GEO-principper er disse råd her oversat til en 10-punkts plan:

Den Semantiske "Elevator Pitch" (Entity Optimization): Definer én klar sætning om, hvem I er. Brug den konsekvent på alle platforme, så AI kan genkende mønsteret.
Digitalt Fodaftryk frem for Links: Gå efter omtale (citations) i troværdige medier. Et link er godt for SEO, men en omtale i en troværdig artikel er guld for GEO.
Spørgsmål/Svar-Strategien (FAQ Schema): Skab indhold, der direkte spørger og svarer: "Er 3F pengene værd? Ja, fordi..." Brug lister og punktopstillinger, som robotter elsker at læse.
Wikipedia & Wikidata: Det er robotternes leksikon. Sørg for, at jeres data her er 100% korrekte, neutrale og opdaterede.
Erobring af Review-Omtalen: I kan ikke fjerne dårlige anmeldelser, men I kan drukne dem. Mobiliser de glade medlemmer til at anmelde på Trustpilot. AI læser anmeldelser som "sandheden" om jeres service.
Pressemeddelelser som Træningsdata: AI opfatter ofte pressemeddelelser som fakta. Brug de nøgleord i overskrifterne, som I vil associeres med (f.eks. "Tryghed", "Lønsikring", "Resultater").
Co-Occurrence (Smitte-effekten): Sørg for at blive nævnt i artikler sammen med andre "vindere" (teknologigiganter, universiteter osv.). Positiv omtale smitter af på AI'ens opfattelse af jer.
Struktureret Data på Web: Gør priser, åbningstider og fordele maskinlæsbare via teknisk markup (schema). Lad ikke AI gætte prisen ud fra en PDF.
"Pitch the LLM": Lav sammenligningssider ("Os vs. dem"). Hvis I ikke selv definerer forskellen mellem jer og "de gule", så gør AI'en det baseret på pris alene.
Løbende AI-Audit: Spørg månedligt ChatGPT: "Hvad er ulemperne ved [Vores Navn]?" og ret jeres indhold til baseret på, hvad den svarer.

Læs også

WTF are GEO and AEO? (and how they differ from SEO)

Digiday artikel der forklarer og dekomplicerer GEO/AEO/GSO-termerne, sammenligner med traditionelt SEO, og diskuterer optimering for AI-motorer. Dækker praktiske aspekter omkring hvordan LLM'er og AI-crawlers virker anderledes end søgemaskiner.

https://digiday.com/media/wtf-are-geo-and-aeo-and-how-they-differ-from-seo/

Measuring GEO isn't impossible, stop pretending it is

PR-orienteret opinion piece fra David Claire (Fire on the Hill) der debatterer GEO-målingspraksis. Argumenterer mod "sort box"-mentoritet og for transparent måling af AI-visibility ved hjælp af etablerede værktøjer som SEMrush og Evertune AI.

https://www.prmoment.com/opinion/measuring-geo-isnt-impossible-stop-pretending-it-is

GEO: PR friend or foe?

PRmoment paneldebat med nuanceret undersøgelse af GEO's rolle i PR-arbejdet. Spænder fra "det er vores moment" over "det er for tidligt at sige" til skeptikerstemmer der mener GEO er et omvej fra autentisk kommunikation.

https://www.prmoment.com/pr-insight/is-geo-good-for-public-relations

What is LLM Seeding: Guide to Enhancing Your AI Content Strategy Prowly-guide der systematisk forklarer LLM-seeding som strategi, hvor PR-kilders datakilder, indholdsstrukturering og distributionskanaler gennemgås. Inkluderer praktisk seeding-kort for prioritering af PR-taktikker.

https://prowly.com/magazine/llm-seeding-guide/

https://www.prdaily.com/how-to-run-a-geo-visibility-audit-in-5-steps/

https://www.aleydasolis.com/en/ai-search/ai-search-optimization-checklist/

https://docs.google.com/spreadsheets/d/1GNjOSdkJuEtv5O3zyBWBkeiD0PecZv6IDd5_4_QoQQY/edit?usp=sharing