Står du over for at skulle indføre AI i din organisation? Her er nogle gode råd fra dem, som har gjort det

95% af virksomheder, der satser på AI-integration, ser ingen meningsfuld vækst i omsætningen. Det er MIT-forskning, ikke clickbait. Og alligevel fortsætter organisationer med at kaste penge efter AI-licenser, som om selve indkøbet var en strategi.

Sections AI Proficiency Report fra januar 2026, baseret på en undersøgelse af 5.000 vidensarbejdere, sætter tal på fiaskoen: 97% af arbejdsstyrken bruger AI dårligt eller slet ikke. 85% har ingen use case, der skaber reel forretningsværdi. Og 25% sparer nul tid med AI. Nul. Trods millioninvesteringer i licenser og træning.

Problemet er velkendt for enhver kommunikationsmedarbejder, der har fået opgaven med at "rulle AI ud": AI bliver behandlet som et IT-projekt. En teknologi der skal installeres. Et værktøj der skal aktiveres. En licens der skal distribueres. Men AI-implementering er en forandringsproces. En kulturforandring. Og det er derfor, den fejler så spektakulært i de fleste organisationer.

Byg din egen AI er dødsdømt: 95% af alle AI-projekter fejler – hvorfor og hvad gør du ved det?

Byg din egen AI er dødsdømt ifølge ny rapport. En ny MIT-rapport afslører nemlig at kun 5% af alverdens AI-projekter lykkes. På trods af manisk hype og milliard-investeringer er Return On Investment tæt på nul.

copenhagen review of communicationTimme Bisgaard Munk

Det seneste år har Copenhagen Review of Communication holdt foredrag, kurser og workshops om AI som forandringsproces for organisationer på tværs af brancher. Vedlagt denne artikel finder du den fulde præsentation med alle pointer, modeller og cases. Her er de vigtigste lektier samlet i én artikel. Her er præsentationen

AI i din organisation er forandringskommunikation | Timme Bisgaard Munk | 12 comments

Hvordan bruger vi AI i vores organisation på den rigtige måde? Godt spørgsmål. Svaret skal vi k-folk typisk komme med lige nu og her i AI feberens FOMO. I dag holder jeg et oplæg for en række kommunikationschefer i regi af EGN om, hvilken rolle de og deres afdeling kan og skal spille i AI-adaption. Præsentation er vedlagt her. Det går det galt, hvis man tror, løsningen er AI i alt for alle steder alt for hurtigt som en gigantisk Big Bang AI for all. Altså som ubetingede mandater, teknologi-først, ignoring af modstand, at kommunikere abstrakt, fejre sejr for tidligt, automatisere det forkerte og brug AI til at blive dummere mere end klogere. Den såkaldte atrofi risiko. Hvis du er nysgerrig på problematikken og din rolle som k-person, vil jeg anbefale følgende artikler: ➡️ HBRs artikel om de organisatoriske og socialpsykologiske problemer ved AI-workslop. Et must read med mange begavede overvejelser om, hvad der går galt, og hvorfor. https://lnkd.in/dZtAUKVK ➡️ CROC: 95 % af alle AI-projekter går galt, lød budskabet i en omdiskuteret MIT-rapport. Her er vores diskussion af rapporten med overvejelser om, hvad man skal/ikke skal gøre, for at AI-projekter lykkes. https://lnkd.in/e8Bv9HX2 ➡️ Det er ikke alle opgaver, som skal løses af AI. Også fra HBR, en interessant artikel om, hvordan arbejdsopgaver fordeles bedst mellem mennesker og AI. https://lnkd.in/eB9imK-P ➡️ Husk: AI er ikke en strategi i sig selv. Det er et nyt fælles fundament. Hvorfor AI ikke i sig selv vil give virksomheden en unik konkurrencefordel, beskrives begavet i denne artikel fra MIT Sloan. https://lnkd.in/eiMksq4v ➡️ UK Government – “Artificial Intelligence Playbook for the UK Government” Meget konkret på identifikation af use cases, business case, indkøb, support-struktur og deployment patterns. Kan nemt oversættes til en privat organisation. https://lnkd.in/eGsfqM7S ➡️ CBS: AI Impact Barometer er også værd at se på. Det er nemlig den første brede nationale måling af, hvordan AI påvirker trivsel, faglighed, kvalitet og samarbejde på tværs af danske arbejdspladser. https://lnkd.in/etnHpgc6 https://lnkd.in/eQ_9_6df | 12 comments on LinkedIn

LinkedInTimme Bisgaard Munk

Ledelsen lever i en parallelverden

Sections rapport afslører noget endnu mere ubehageligt end de ringe resultater: Ledelsen aner ikke, hvor galt det står til.

C-suite-respondenter er overbevist om, at deres AI-udrulning er en succes. De mener, at virksomheden har en klar strategi, at adoption er udbredt, og at medarbejdere opmuntres til at eksperimentere. Resten af organisationen er uenig. Gabet mellem ledelsens opfattelse og medarbejdernes oplevelse er op til 53 procentpoint på tværs af nøgleparametre.

Tidsbesparelsen fortæller samme historie. 33% af direktørerne siger, AI sparer dem 4-8 timer om ugen. 19% hævder endda over 12 timer. Men 40% af de menige medarbejdere siger, at AI ikke sparer dem nogen tid overhovedet. Kun 2% af medarbejderne rapporterer de samme 12+ timer som ledelsen. Det er ikke en nuanceforskel. Det er to helt forskellige virkeligheder.

Og her er den bitre pointe for kommunikationsfolk: De medarbejdere, der udfører det mest repetitive og automatiserbare arbejde, har mindst adgang til værktøjer, træning og ledelsesopbakning. Kun 32% af individuelle bidragydere har klar adgang til AI-værktøjer mod 80% i C-suiten. Kun 27% har modtaget AI-træning mod 81% blandt direktører. De, der har mest at vinde, er dem, der får mindst at arbejde med.

The AI Proficiency Report | Section

The first report to measure the state of AI proficiency in the modern workforce

Section

Det er kommunikation, ikke teknologi

Den vigtigste erkendelse først: Grunden til at 95% fejler er ikke, at de valgte den forkerte AI-model. Det er, at de sprang kommunikationsplanen over.

John Kotter, Harvard-professor i forandringsledelse, analyserede over 100 virksomheder i forandring og nåede frem til en konklusion, der burde hænge indrammet over ethvert skrivebord i enhver kommunikationsafdeling: Forandring fejler ikke på grund af dårlig strategi. Den fejler på grund af dårlig proces. Og 70% af alle forandringsinitiativer fejler.

Det tal bør give enhver kommunikationsmedarbejder selvtillid. For det betyder, at AI-implementering er kommunikationsafdelingens opgave. Kommunikationsafdelingens faglighed. Kommunikationsafdelingens banehalvdel. Det er ikke et IT-projekt med en kommunikationskomponent. Det er et kommunikationsprojekt med en teknologikomponent.

Find jeres 30.700 emails

En energivirksomhed stod med et konkret problem: 30.700 emails om året skulle sorteres manuelt. Ikke disruption. Ikke transformation. Bare kedelig, tidskrævende emailsortering.

De startede ikke med "vi skal bruge AI." De startede med "vi bruger 42 timer årligt på at sortere emails manuelt."

Den forskel er afgørende. "AI vil transformere vores forretning" skaber ingen reaktion hos medarbejdere. "AI kan sortere dine 47 daglige emails" skaber interesse. "AI frigjorde 42 timer årligt" skaber begejstring.

Sections rapport kalder problemet "Use Case Desert": Medarbejderne sidder ikke fast, fordi de ikke kan prompte. De sidder fast, fordi de ikke ved, hvilke problemer AI kan løse i deres specifikke rolle. 26% har slet ingen arbejdsrelateret use case, og 60% beskriver deres brug som begynderniveau. Kun 15% af alle rapporterede use cases vurderes til at kunne generere ROI.

Så det første råd er banalt, men de færreste følger det: Start med problemet, ikke med teknologien. Hvad klager folk over? Hvor sidder flaskehalsene? Hvad tager uforholdsmæssigt lang tid? Hvad er kedeligt men nødvendigt?

De bedste kandidater til et første AI-projekt er opgaver med lav fejlomkostning, baseret på eksplicit viden, som gentages ofte, og som ingen vil savne at lave manuelt.

Kend dine fire personaer

Én kommunikationsstrategi til alle medarbejdere er dømt til at fejle. Der er fire personaer i AI-adoption, og de kræver radikalt forskellige tilgange:

De Begejstrede (15-20%) ser AI som karriereaccelerator. De bruger det allerede i smug. Giv dem frihed til at eksperimentere og rekruttér dem som ambassadører. Deres nøglebudskab: "Du er foran. Vi vil gerne lære af dig."

De Rolige Følgere (50-60%) er den tavse majoritet. De venter på instruktioner og gør hvad der bliver sagt. Giv dem konkrete how-to-guides og standardiserede skabeloner. Deres nøglebudskab: "Her er præcis hvordan du gør. Du kan ikke gøre noget forkert ved at prøve."

De Ambivalente (15-20%) er højt kompetente og engagerede, men skeptiske. De stiller de svære spørgsmål om bias, datakvalitet og etik. Involvér dem i governance og test. Deres nøglebudskab: "Dine bekymringer er reelle. Vi har brug for din kritiske sans."

Modstanderne (10-15%) føler sig truet. Lyt uden at affeje. Vær ærlig om at roller ændrer sig. Tilbyd konkrete omskolingsmuligheder. Deres nøglebudskab: "Din faglighed er stadig værdifuld. Sådan her."

Her er den vigtigste indsigt: De Begejstrede overbeviser sig selv. De Ambivalente overbeviser alle andre. Hvis man kan vinde en Ambivalent, får man den mest troværdige fortaler, man kan ønske sig. Deres støtte er funderet i kritisk stillingtagen, og det kan De Begejstrede aldrig matche.

Piloter versus passagerer

BetterUp Labs og Stanford Social Media Lab har identificeret en skelnen, der er vigtigere end alle personaer tilsammen: Piloter versus passagerer.

Piloter har høj handlekraft og høj optimisme. De bruger AI 75% mere på arbejdet. De forstærker egen kreativitet. De har et formål med deres brug.

Passagerer har lav handlekraft og lav optimisme. De bruger AI for at undgå arbejde. De producerer "workslop" (det vender vi tilbage til). De har en undskyldning, ikke et formål.

Samme træningsprogram giver vidt forskellige resultater afhængig af, om medarbejderen er pilot eller passager. Kommunikationsopgaven er at flytte passagerer mod pilot-mentalitet. Det sker ikke gennem flere værktøjer. Det sker gennem oplevelsen af kontrol og succes. Små sejre skaber handlekraft. Handlekraft skaber optimisme. Optimisme skaber piloter.

Workslop: AI-slammet der æder din organisation indefra

Workslop: The Hidden Cost of AI-Generated Busywork | BetterUp Labs

AI-generated ‘workslop’ is flooding workplaces. New research reveals how leaders can fight back and reclaim productivity.

BetterUpBetterUp

Stanford- og BetterUp-forskningen har afdækket et fænomen, der bør bekymre enhver kommunikationsafdeling: workslop. AI-genereret arbejde der ser flot ud på overfladen, men mangler substans.

AI-Generated “Workslop” Is Destroying Productivity

Despite a surge in generative AI use across workplaces, most companies are seeing little measurable ROI. One possible reason is because AI tools are being used to produce “workslop”—content that appears polished but lacks real substance, offloading cognitive labor onto coworkers. Research from BetterUp Labs and Stanford found that 41% of workers have encountered such AI-generated output, costing nearly two hours of rework per instance and creating downstream productivity, trust, and collaboration issues. Leaders need to consider how they may be encouraging indiscriminate organizational mandates and offering too little guidance on quality standards. To counteract workslop, leaders should model purposeful AI use, establish clear norms, and encourage a “pilot mindset” that combines high agency with optimism—promoting AI as a collaborative tool, not a shortcut.

Harvard Business ReviewKate Niederhoffer

40% af medarbejdere har modtaget workslop den seneste måned. Hver episode koster i gennemsnit 1 time og 56 minutter at håndtere. For en stor organisation kan det løbe op i over 9 millioner dollars årligt i tabt produktivitet.

Det lumske ved workslop er, at det flytter arbejdsbyrden fra afsender til modtager. Den der sender en AI-genereret rapport, sparer 20 minutter. Kollegaen der modtager den, bruger to timer på at finde ud af, hvad der mangler, hvad der er forkert, og hvad der egentlig var intentionen.

Halvdelen af medarbejdere ser kollegaer, der sender workslop, som mindre kreative, pålidelige og kompetente. 42% ser dem som mindre troværdige. Workslop ødelægger samarbejde.

Why People Create AI “Workslop”—and How to Stop It

With the rise of gen AI tools, offices have had to contend with a new scourge: “workslop” or low-effort, AI-generated work that looks plausibly polished, but ends up wasting time and effort as it offloads cognitive work onto the recipient. Workslop can have a corrosive effect on office dynamics. But why do people create it and send it to their colleagues, especially if it can lead to bosses, coworkers, and subordinates thinking less of them? New research suggests that the recipe for workslop is surprisingly simple and under the control of management: It’s the result of unclear AI mandates and overwhelmed teams. Leaders are issuing vague directives for employees to start using extremely powerful tools, while many of those employees are overburdened, psychologically depleted, and operating in environments where it doesn’t feel safe to admit uncertainty or ask for help. Addressing this problem first requires understanding pressures at both the top and bottom of organizations.

Harvard Business ReviewKate Niederhoffer

For kommunikationsmedarbejdere, der ofte sidder tæt på ledelsen, er der en ekstra pointe: Når ledere anbefaler AI til alt uden differentiering, modellerer de mangel på dømmekraft. Og det omsættes direkte til medarbejdere, der tankeløst kopierer og indsætter AI-output.

Otte råd der virker

Her er de otte anbefalinger til organisationer baseret på erfaringer fra dem, der faktisk har fået det til at fungere:

1. Start med konkrete smertepunkter. Problem først, teknologi bagefter. Ikke "vi skal bruge AI," men "vi har dette problem, som AI måske kan løse."

2. Etablér en trafiklys-model for data. Uklarhed om regler skaber enten paralyse eller farlig "Shadow AI"-brug, hvor folk bruger deres private ChatGPT med firmaets data. Rød: personfølsomme data og forretningshemmeligheder, aldrig i offentlige AI-modeller. Gul: interne notater og generelle processer, kun i virksomhedens egne AI-instanser. Grøn: offentligt tilgængelig information, frit at bruge. Plus ét ufravigeligt krav: Mennesket er altid ansvarligt for outputtet.

3. Skab psykologisk tryghed. Næsten en fjerdedel af medarbejdere oplever at blive bedt om mere arbejde som følge af AI-effektiviseringer. Det skaber et perverst incitament til at skjule produktivitetsgevinster. Ledelsen skal garantere eksplicit: Formålet er bedre arbejde, ikke bare mere arbejde. Kommunikér en "learning license" med tilladelse til at bruge tid på at lære og accept af at eksperimenter kan fejle.

4. Vis det, fortæl det ikke. Demoer slår PowerPoints. Vis hvordan CEO'en bruger AI til at summere en rapport. Del konkrete historier med navngivne kollegaer. "Mød Hanne fra Regnskab. Hun brugte Copilot til at automatisere faktura-matching og sparede 3 timer om ugen." Nære historier er mere relaterbare end abstrakte IT-cases.

5. Fejr de små sejre. Del én konkret succeshistorie hver uge. Fokusér på tidsbesparelse folk kan relatere til. Minutter sparet, ikke millioner tjent. Det beviser at det kan lade sig gøre, giver skeptikere noget konkret at forholde sig til, og skaber social proof.

6. Involvér De Ambivalente. Gør dem til "red teamers" der tester systemet for fejl og bias. Tag deres spørgsmål alvorligt. Affej aldrig skepsis som modstand.

7. Kommunikér "The Jagged Frontier" ærligt. AI kan bestå en advokateksamen og fejle i at tælle bogstaver i et ord. Den takkede grænse mellem hvad AI kan og ikke kan skaber et dilemma: Stoler medarbejderne blindt, overser de fejl. Er de for skeptiske, går de glip af produktivitetsgevinster på op til 40%. Den rigtige kommunikation: "AI er en kraftfuld, men uperfekt assistent. Din ekspertise er nødvendig for at kvalitetssikre." Ærlighed om begrænsninger øger tillid. Den reducerer den ikke.

8. Rekonstruér mening aktivt. "Hvis maskinen kan skrive rapporten på 30 sekunder, hvad er min værdi så?" Det spørgsmål kommer. Garanteret. Hvis organisationen ikke besvarer det, vokser modstand som forsvarsmekanisme mod identitetstab. Svaret: "Din værdi ligger i at vurdere og strategisere ud fra rapporten, ikke i at taste ordene."

Byg et ambassadørprogram

Peer-to-peer indflydelse slår top-down-beskeder. Ledelsen taler om strategi og transformation; medarbejderne tænker "hvad betyder det for min hverdag?" Kløften lukkes ikke af flere PowerPoints.

Et ambassadørprogram med fem elementer kan bygge broen. Rekruttering bredt fra alle afdelinger, med både Begejstrede og Ambivalente. Uddannelse i prompt engineering, etik og virksomhedens specifikke værktøjer. En playbook med FAQ, slides og prompt-bibliotek. En feedback-loop med månedlige møder, hvor ambassadørerne rapporterer hvad der virker, hvad der fejler, og hvad de hører. Og anerkendelse via titler, synlighed og karrierekobling.

Ambassadørerne er organisationens øjne og ører. De tidlige advarselstegn kommer fra dem: "Folk i min afdeling tør ikke bruge det." "Min chef siger vi ikke har tid." "Folk bruger deres private ChatGPT i stedet." Det er informationer, ledelsen sjældent får ad andre kanaler.

Hvad du skal undlade at gøre

Lige så vigtigt som de gode råd er anti-rådene. Her er de fejl, der går igen på tværs af organisationer:

Udsted ikke ubetingede mandater om at bruge AI overalt. Det producerer workslop. Køb ikke AI-værktøjer før problemet er forstået. Fancy AI-apps ender ubrugt uden konkrete use-cases. Rul ikke ud til alle på én gang. Revolution overnight skaber kaos. Ignorér ikke modstanden. Isolation skaber gift. Kommunikér ikke abstrakt. "AI vil transformere vores forretning" lander hos ingen. Erklær ikke sejr for tidligt. AI udvikler sig eksponentielt, og der er ingen slutlinje. Glem ikke kulturen. Uden forankring i onboarding og MUS-samtaler klæber intet.

Sections data understreger endnu en anti-anbefaling: Mål ikke succes på adoption og adgang. Hvis 55% af medarbejderne bruger AI ugentligt, men kun 15% har use cases der skaber værdi, lyver adoptionstal. Start med at måle tid sparet per medarbejder, kvaliteten af use cases og faktiske forretningsresultater. Og luk gabet mellem direktionens opfattelse og medarbejdernes virkelighed. Hvis C-suiten tror, udrulningen er en succes, mens de menige medarbejdere rapporterer minimal effekt, er der et dataproblem der formentlig også påvirker moralen.

Og en sidste anti-anbefaling, der fortjener ekstra opmærksomhed: Pas på 20/80-fejlen. AI bør forstærke de 20% af tænkningen, der er genuint ny, og frigøre fra de 80%, der er repetitive. Hvad der faktisk sker er det modsatte. Folk outsourcer det konceptuelle arbejde og beholder formateringen. Musklerne for kritisk tænkning atrofierer.

MIT study: How ChatGPT affects our brains and creativity | Jiunn-Tyng (Tyng) Yeh posted on the topic | LinkedIn

People are suffering—yet many still deny that hours with ChatGPT reshape how we focus, create and critique. A new MIT study, “Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay-Writing,” offers clear neurological evidence that the denial is misplaced. Read the study (lengthy but far more enjoyable than a conventional manuscript, with a dedicated TL;DR and a summarizing table for the LLM): https://lnkd.in/g6PBVwVe 🧠 What the researchers did - Fifty-four students wrote SAT-style essays across four sessions while high-density EEG tracked information flow among 32 brain regions. - Three tools were compared: no aid (“Brain-only”), Google search, and GPT-4o. - In Session 4 the groups were flipped: students who had written unaided now rewrote with GPT (Brain→LLM), while habitual GPT users had to write solo (LLM→Brain). ⚡ Key findings - Creativity offloaded, networks dimmed. Pure GPT use produced the weakest fronto-parietal and temporal connectivity of all conditions, signalling lighter executive control and shallower semantic processing. - Order matters. When students first wrestled with ideas on their own and then revised with GPT, brain-wide connectivity surged and exceeded every earlier GPT session. Conversely, writers who began with GPT and later worked without it showed the lowest coordination and leaned on GPT-favoured vocabulary, making their essays linguistically bland despite high grades. - Memory and ownership collapse. In their very first GPT session, none of the AI-assisted writers could quote a sentence they had just penned, whereas almost every solo writer could; the deficit persisted even after practice. - Cognitive debt accumulates. Repeated GPT use narrowed topic exploration and diversity; when AI crutches were removed, writers struggled to recover the breadth and depth of earlier human-only work. 🌱 So what? The study frames this tradeoff as cognitive debt: convenience today taxes our ability to learn, remember, and think later. Critically, the order of tool use matters. Starting with one’s ideas and then layering AI support can keep neural circuits firing on all cylinders, while starting with AI may stunt the networks that make creativity and critical reasoning uniquely human. 🤔 Where does that leave creativity? If AI drafts faster than we can think, our value shifts from typing first passes to deciding which ideas matter, why they matter, and when to switch the autopilot off. Hybrid routines—alternate tools-free phases with AI phases—may give us the best of both worlds: speed without surrendering cognitive agency. Further reading: Lively discussion (debate) between neuroethicist Nita Farahany and CEO of The Atlantic, Nicholas Thompson, “The Most Interesting Thing in AI” podcast. The big (and maybe the final) question for us is: What is humanity when AI takes over all the creative processes? Podcast link: https://lnkd.in/emeQkcK6 | 457 comments on LinkedIn

LinkedInJiunn-Tyng (Tyng) Yeh

MIT Media Lab har vist, at medarbejdere der ukritisk overlader tankearbejde til chatbots, oplever op til 55% reduceret hjerneaktivitet i områder for hukommelse, kreativitet og opmærksomhed. Effekten vedvarer, efter de har lagt værktøjet fra sig.

The Gen AI Playbook for Organizations

Leaders can’t afford to take a “wait and see” approach to adopting generative AI. They need a plan for applying it differently than others in the value chain, say the authors. In this article they introduce a framework for thinking about gen AI strategically and offer practical advice on how to apply gen AI to the tasks composing jobs. The framework focuses on two factors: the cost of errors and the type of knowledge required. If an error in carrying out a task would lead to serious harm, financial loss, or reputational damage, firms must be cautious about employing gen AI to perform it without human oversight. Tasks that rely on explicit data (information that can be captured and processed) are well suited for gen AI. But other tasks are fundamentally harder for it to perform because they involve not just retrieving information but also applying tacit knowledge: empathy, ethical reasoning, intuition, and contextual judgment. Placing the tasks in the appropriate quadrant makes it clear which ones gen AI can handle faster, cheaper, or better.

Harvard Business ReviewBharat N. Anand

Den farlige asymmetri er her: Organisatoriske gevinster ved AI er langsomme. Individuel kognitiv skade er hurtig. Kognitiv atrofi kræver ingen indkøbsproces, ingen implementeringsplan, ingen godkendelsesrunde. Bare en stille erosion af kapacitet, person for person, beslutning for beslutning.

En 90-dages køreplan

Dag 1-30: Kortlæg opgaver, mål medarbejder-sentiment med en pulse survey, identificér første use-cases med lav risiko, og etablér en styregruppe med relevante funktioner.

Dag 31-60: Udfærdig en AI Usage Policy med trafiklys-modellen, rekruttér og uddan de første ti ambassadører, og lancér en central AI Hub med ressourcer.

Dag 61-90: Kør pilotprojekter i afgrænsede områder, del succeshistorier ugentligt, og evaluér feedback og justér kursen.

Efter 90 dage: Evaluering. Beslutning om skalering. Rekruttering af næste bølge ambassadører.

Artificial Intelligence Playbook for the UK Government (HTML)

GOV.UKGovernment Digital Service

AI kan ikke være en varig konkurrencefordel i sig selv

AI kan ikke være en varig konkurrencefordel. Forskerne David Wingate (Brigham Young University), Barclay Burns (Utah Valley University) og Jay Barney (University of Utah) har i MIT Sloan Management Review argumenteret præcist for hvorfor: For at en konkurrencefordel er holdbar, skal den være værdifuld, unik for organisationen og umulig at kopiere.

AI er værdifuld. Men den er hverken unik eller umulig at kopiere. Algoritmer og træningsdata bliver commoditiseret. Open source-modeller æder kommercielle tilbud. Hardwarekonkurrencen er brutal. Talent er tilgængeligt. Alle har adgang til samme teknologi, og fordi AI er digital, er den kopierbar, skalerbar, repeterbar og forudsigelig.

Why AI Will Not Provide Sustainable Competitive Advantage

Once AI becomes pervasive, it no longer gives companies an edge over rivals — but cultivating creativity can.

MIT Sloan Management ReviewDavid Wingate, Barclay L. Burns, and Jay B. Barney

Wingate, Burns og Barney peger på, at AI snarere bliver en kilde til homogenisering end differentiering. Alle virksomheders AI-drevne produkter vil præstere nogenlunde ens, fordi de bygger på de samme platforme og modeller. Det, der skaber varig værdi, kalder forskerne "residual heterogeneity": evnen til at gå ud over det, alle andre også har adgang til, og skabe noget unikt.

Og den evne er menneskelig. Kreativitet, drive, dømmekraft, uventede forbindelser mellem idéer. AI er fremragende til interpolation, til at finde mønstre i eksisterende data og kombinere dem på nye måder. Men ekstrapolation, evnen til at se muligheder ingen har set før, er stadig en menneskelig disciplin.

Pointen er brutal for enhver organisation, der tror, at AI-investeringer i sig selv er en strategi: Værktøjet giver ingen fordel, når alle har det. Fordelen ligger i de mennesker, der bruger det. Og i den kommunikationsplan, der sikrer, at hele organisationen bevæger sig i samme retning.

Det er derfor, AI-implementering er kommunikationsmedarbejderens opgave. Ikke fordi kommunikationsafdelingen skal skrive nyhedsbrevet om den nye Copilot-licens. Men fordi kommunikationsfolk forstår, hvad der skal til for at flytte mennesker.

Start småt. Lær hurtigt. Skalér det, der virker. Og besvar det spørgsmål, der garanteret kommer: "Hvad er min værdi, når maskinen kan gøre mit arbejde?"

Svaret er kommunikationsafdelingens at formulere.