3 barrierer, der holder virksomheder tilbage fra AI – og hvordan I kommer videre
Når vi taler med danske SMV'er om AI, møder vi ofte den samme undren: Hvorfor kommer vi ikke hurtigere i gang? Det er et relevant spørgsmål, for mindre virksomheder har faktisk en fordel – færre godkendelseslag, kortere fra beslutning til handling, og færre kokke i køkkenet.
Alligevel oplever vi, at tre konkrete barrierer holder virksomheder tilbage. De går dybere end frygten for at træffe den forkerte beslutning offentligt, som Charlene Li pegede på i en nylig kommentar på LinkedIn. Hendes pointe er ikke forkert, men vi ser andre og mere praktiske forhindringer i hverdagen hos SMV'er.
1. Uensartet forståelse af AI's værdi og anvendelse
I en virksomhed vi rådgav, brugte medarbejdere på tværs af afdelinger AI – nogle gange rigtig velfunderet, andre gange mere tilfældigt. Når vi spurgte, hvordan de havde lært at bruge modellerne, lød svarene: "Trial and error", "Jeg læste nogle artikler", "Jeg sprang bare i det".
Problemet er åbenlyst: Når alle har deres egen tilgang, får I inkonsistente resultater, skævvredne output og ingen fælles standard. En medarbejder beskrev en e-mailtråd, hvor både åbning og svar var AI-genereret, indtil tråden "bare var en bunke AI-agenter, der talte forbi hinanden". Det er et symptom på manglende governance.
Løsningen er ikke at sige "alle skal bruge AI" og lade det være op til den enkelte. I skal vælge de rette værktøjer til jeres behov, etablere fælles retningslinjer for hvornår AI skal bruges og hvornår den ikke skal, og sikre at ledelsen er enig om rammerne. Derefter skal alle trænes i det samme udgangspunkt.
2. Frygt for at introducere bias
Når medarbejdere bruger AI uden solid træning og fælles forståelse, risikerer de ubevidst at introducere bias. Det er forbavsende nemt at skævvride en AI-model. Spørg du fx en LLM "Hvad er der galt med dette?", antager modellen, at noget er galt, og finder et problem – selv om der måske ikke er noget.
Med et menneske kan du bruge tonefald til at signalere nuancer. Med AI har du brug for kontekst, beskrivelse og klarhed. Prompts er ikke ordrer – de er længere samtaler, der fortæller modellen, hvad der er vigtigt, og hvad der kan ignoreres.
Vi anbefaler ofte, at virksomheder offentliggør åbnings-prompten, når AI har informeret et stykke arbejde. Det skaber transparens og gør resultaterne efterprøvelige. Ligesom i skolen: Vis din regnekunst. Det kræver mere arbejde på forhånd, men når det er på plads, kan I komme til den egentlige værdiskabelse.
3. Taktik før strategi
Dette er den klassiske fejl – og vi ser den konstant. Virksomheder hopper direkte i prompt-eksperimenter og valg af model, uden at have defineret hvad de egentlig vil opnå.
Forfatteren af kildeartiklen indrømmer selv, at han faldt i: Han begyndte at skrive copy i ChatGPT, glemte at ChatGPT er stærkere på det strategiske lag end på copywriting, og brugte en frustrerende time før han skiftede til Claude. Fejlen var ikke modellens – det var manglen på en strategisk overvejelse først.
AI handler ikke om at træffe beslutninger for jer. Det handler om at guide jer på rejsen, så I selv kan finde svarene. Men det kræver en strategisk køreplan først – præcis som i al anden markedsføring.
Tøven er egentlig mangel på klarhed
Når vi ser på virksomheder, der holder sig tilbage, er det sjældent decideret træghed. Det er en klarhedsgab – afstanden mellem at hoppe i midten af processen med taktikker og at starte strategisk i begyndelsen.
Virksomheder er nervøse for at definere regler, governance og guardrails. Men mangel på klarhed gør dem tøvende. Klarheden kommer sjældent fra interne kræfter alene – ofte har man brug for eksterne øjne, der har set hvad der virker for andre, og som kan vurdere jeres virksomheds dynamik objektivt.
AI skal ses som inkrementel innovation: I ruller det ud fase for fase, evaluerer performance, forbedrer, og går videre til næste fase. Ikke et alt-eller-intet big bang.
Sådan hjælper Naitive jer
De tre barrierer ovenfor er præcis de problemer, vi hjælper danske SMV'er med at løse i praksis:
- Forbrugs-kortlægning: Vi kortlægger jeres nuværende AI-forbrug og identificerer hvor medarbejdere allerede eksperimenterer – og hvor der mangler governance. Det giver det fælles overblik, der mangler i barriere 1.
- Model-selektion og right-sizing inkl. open-weight: Vi hjælper jer med at vælge de rette modeller til jeres specifikke behov – og ser på om open-weight modeller kan levere det I skal bruge til en lavere pris. Det løser problemet med at vælge forkert værktøj fra barriere 3.
- Værdibaserede builds: Vi starter ikke med taktikken. Vi starter med strategien og bygger AI-løsninger, der skaber målelig værdi – ikke bare "AI fordi alle andre gør det". Det lukker klarhedsgabet.
- Overvågning og alarmer på serviceaftaler: Når I ruller AI ud fase for fase, sikrer vi at I har overvågning på plads, så I kan evaluere performance og gribe ind, hvis noget skævrer – inklusiv bias-detection.
- AI-kompetence-kurser: Vi leverer fælles træning, så alle medarbejdere opererer fra samme forståelse af hvad AI kan, hvad den ikke kan, og hvordan I bruger den ansvarligt. Det er den direkte løsning på barriere 1 og 2.
Hos Naitive tror vi på, at tøven ikke er et tegn på svaghed – det er en mulighed for at gøre det rigtigt fra starten. Book en samtale, så tager vi temperaturen på jeres AI-modenhed og lægger en konkret køreplan.