AI-Adoption. Hvor langt er vi? - og mangler vi modet?

Potentiale, realitet og det stille spørgsmål om mod

Vi står et sted i historien, hvor teknologien bevæger sig hurtigere, end mennesker og organisationer kan absorbere. AI er trådt ind i vores arbejdsliv med en kraft, der både fascinerer og forstyrrer: ChatGPT, Copilot, specialiserede agenter og interne AI-assisterede systemer ændrer allerede tempoet i alt fra analyse til kommunikation.

Og alligevel er der et paradoks. For mens teknologien accelererer, bevæger adoptionen sig langsommere. Vi tester. Vi eksperimenterer. Vi laver piloter. Men vi skalerer ikke i samme tempo, som verden omkring os gør. Det rejser et spørgsmål hos mig, der ikke handler om serverkapacitet, governance-modeller eller compliance (selvom de betyder noget). Det handler om noget mere menneskeligt: Mangler vi mod?

Mod til at prøve, før vi føler os klar. Mod til at lære. Mod til at fejle synligt. Mod til at gentænke vores faglighed.

Formålet med denne artikel er at udfolde netop dette: Hvor langt er vi, hvad får vi ud af AI, hvad bremser os – og hvilken type mod er der brug for, hvis vi vil videre?

Hvor langt er vi med AI-adoption – globalt, i Europa og i Danmark?

Globalt: AI er udbredt, men modenheden halter

Ifølge McKinsey’s globale 2024-analyse rapporterer 65% af virksomheder, at de bruger generativ AI i dag – og 88 % bruger AI i mindst én funktion. Det lyder imponerende, men når man kigger ind bag tallene, ser man et stort “scaling gap”: de fleste arbejder stadig med isolerede use cases, pilots og eksperimenter. Kun få har integreret AI bredt i drift, processer og beslutningsgange. Vi er altså mange, der er gået i gang – men langt færre, der er nået i mål.

Europa: Ambitioner i top, tempoet lidt lavere.

EU-landene investerer massivt i AI-infrastruktur og regulering. Alligevel viser Eurostat, at kun ca. 13–14 % af virksomheder i EU faktisk bruger AI-teknologier i 2024. Det er vækst – men fra et lavt udgangspunkt. Sammenlignet med USA halter Europa generelt på tempo, eksperimentvilje og skalering.

Danmark: Digitale frontløbere – men også forsigtige

Danmark ligger markant højere end EU-gennemsnittet: Ca. 27–28 % af danske virksomheder bruger AI i dag, hvilket gør os til nummer ét i Europa.

Vi har infrastrukturen, tilliden og talentet. Men selv herhjemme sker meget af adoptionen i lommer: hos enkelte virksomheder, teams, fagmiljøer eller sågar entusiaster. Vi er i bedste fald kommet  igang med at bruge AI-assistenter som CoPilot eller ChatGPT, men vi har ikke forandret processer, service eller virksomheder på baggrund af AI. Den brede organisatoriske transformation lader derfor vente på sig.

De dokumenterede gevinster – og hvorfor mange ikke når dem

Gevinsterne er klare – i hvert fald på papiret. Der findes efterhånden solid dokumentation: AI kan øge produktivitet, løfte kvalitet, reducere fejl, forbedre kundeservice, accelerere innovation, forbedre medarbejderoplevelsen, reducere risici, øge viden, hjælpe med indkøring af nye medarbejdere - og meget, meget andet. Eksempler er det mange af, men når det er så godt – hvorfor høster så få virksomheder hele værdien?

Fordi værktøjer uden træning sjældent skaber ændring.

Mange virksomheder ruller Copilot eller andre værktøjer ud til tusindvis af medarbejdere – men uden tilhørende træning, guidelines eller reel support. Det svarer til at udlevere instrumenter og forvente musik. Jeg oplever igen og igen at resultatet bliver pænt ujævnt hvor nogle medarbejdere blomstrer, andre bliver usikre og trækker sig men mange bruger AI sporadisk – ikke strategisk.

Det er ikke modvilje. Det er manglende tryghed og kompetence. En ting er at det er spild af licensomkostninger, men mere ærgerligt er det at potentialet reduceres markant. AI skaber kun værdi, når arbejdsprocesser ændres. Og det kræver mod.

Barriererne – tekniske, organisatoriske og dybt menneskelige

Ja, data, integration, kontrolkrav og AI Act fylder. De er legitime barrierer. Men de største barrierer er ofte mindre håndgribelige:

* Usikkerhed om “gør jeg det rigtigt?”. Bruger jeg de rigtige systemer, laver den rigtige prompt.

* Frygt for fejl eller at virke inkompetent. Dem som ikke er kommet med endnu oplever også en barriere.

* Stærk faglig identitet, der gør det svært at afgive kontrol og acceptere at AI også kan bruges

* Perfektionisme og forventning om at hvis mindre end 100% korrekt, hver gang, så ikke brugbart

* Manglende psykologisk tryghed og accept af at det er ok (eller forventeligt) at bruge AI

* Manglende støtte fra ledelsen eller hvor ledelsen kommenterer at AI er ikke lige for dem

AI-adoption kræver, at man tør stille spørgsmål, man ikke kender svaret på. Det ligger ikke naturligt i alle fagmiljøer. I Danmark har vi en stærk tradition for faglighed og grundighed. Det er en styrke – men kan også gøre det svært at springe ud i noget, der ikke er “færdigt”. Vi skal turde acceptere kvalitet og resultat, der er mindre end 100%. Vi skal acceptere noget som egentligt er helt menneskeligt.

Mod som den kritiske brik – måske særligt her i Danmark.

Mod er ikke et dramatisk begreb her. Det er et praktisk. Mod i en AI-virkelighed er evnen til at starte, før man føler sig helt klar, at lære, at være nybegynder, at acceptere fejl og at lade AI udfordre ens faglighed. Men er vi modige nok i Danmark? For mange år siden læste jeg om kultur og organisation, hvor Hofstede pegede på, at Danmark har en høj grad af tillid, lave hierarkier, høj psykologisk tryghed og høj autonomi. Men vi har også en kulturel præference for konsensus, grundighed og at ting er “gennemarbejdet”. AI passer dårligt ind i den logik. For AI bliver kun godt, når det bliver brugt, ikke når vi forventer perfektion for at vi kan komme i gang. Venter vi på perfektionen, så kommer vi til at vente længe og blive overhalet.

Vi mangler ikke lyst.

Vi mangler ikke kompetence.

Vi mangler modet til at være i det uperfekte.