Gå til indhold
Naitive.
← Blog

Fra chatbot til faglig AI-arbejdsplads: Hvad Novo Nordisks satsning på Claude Science betyder for danske SMV'er

"AI""AI-strategi""SME""Right-sizing""Life Sciences"

Udgivet: september 2026 · ca. 5 min. læsning · Baseret på Børsens og Anthropics dækning · Skrevet med AI-assistance · Redigeret og godkendt af Thomas Genster, Naitive

Fra chatbot til faglig AI-arbejdsplads: Hvad Novo Nordisks satsning på Claude Science betyder for danske SMV'er

Den 7. september 2026 offentliggjorde Novo Nordisk i en fondsbørsmeddelelse et samarbejde med Anthropic, hvor medicinalkoncernen skal benytte Anthropics nye AI-platform til videnskabsfolk, Claude Science, til medicinudvikling. Novo er en af Anthropics navngivne launch-kunder.

Det er en stor dansk AI-business-historie. Men den rummer også en vigtig lære for SMV'er — fordi den peger i retning af den dominerende tendens i 2026: branche-specialiserede AI-arbejdspladser, ikke generiske chatbots.

Claude Science er en arbejdsplatform, ikke en ny model

Det er vigtigt at forstå, hvad Claude Science egentlig er. Det er ikke en ny AI-model. Platformen kører på Anthropics eksisterende Claude Opus 4.8, som allerede er tilgængelig for alle Claude-brugere. Ingen særlig adgang, ingen gating.

Claude Science er derimod en AI-forsker-"workbench" — en arbejdsplatform lanceret 30. juni 2026 — der samler forskerens spredte værktøjer i ét miljø: databaser, kode og beregningskraft. Forskeren behøver ikke hoppe mellem PubMed, Jupyter, R, terminalen og dusinvis af specialiserede databaser, der hver taler deres eget sprog. AI-agenter kan køre arbejdet fra start til slut.

Det bygger videre på "Claude for Life Sciences" fra oktober 2025.

Hvorfor det virker for Novo — og hvad I kan lære af det

Novo Nordisk er ikke tilfældigvis launch-kunde. De har allerede erfaring med Anthropic via Claude Code, som de bruger til "NovoScribe" — en platform der automatiserer regulatorisk indhold og dokumentation, herunder 300-siders kliniske studierapporter.

Claude Science tilføjer noget nyt: platformen kører på laboratoriets egen infrastruktur. Store eller private datasæt forlader ikke virksomhedens systemer — kun konteksten for hvert trin sendes til Claude. Det er en afgørende egenskab for virksomheder med følsomme data, og det er præcis den type arkitektur, der vil blive standarden.

Forskere bruger også Claude Science til enkeltcelle RNA-sekventering, CRISPR-skærmdesign, proteinstrukturforudsigelse og cheminformatik. Platformen forstår fagområdets databaser — UniProt, PDB, ChEMBL, GEO og mange flere — og kan skabe 3D-proteinstrukturer, genom-browser-spor og kemiske strukturer nativt.

Fire lærerige punkter for danske SMV'er

1. AI er ikke længere ét værktøj — der kommer platforme, der forstår jeres fag

Novo får ikke bare en bedre chatbot. De får en arbejdsplads bygget til deres fagområde — med integrationer, dataforbindelser og repræsentationer, der giver mening for forskere.

For SMV'er betyder det: I skal ikke tænke på AI som "en ChatGPT til os alle". I skal tænke på, hvilke arbejdsgange i jeres virksomhed der kunne samles i én faglig platform. Det kan være alt fra teknisk dokumentation og tilbudsgivning til kvalitetskontrol og kundesupport — og der kommer flere og flere specialiserede løsninger hver måned.

2. Modellerne bliver bedre ved at blive sat i arbejde på jeres egen data infra

Claude Science kører på Novos egne systemer. Det er ikke en cloud-demo — det er integration i eksisterende infrastruktur. Det er der, værdien opstår: når AI'en arbejder hvor jeres data allerede bor, og når den indgår i jeres eksisterende arbejdsgange.

For SMV'er betyder det: I skal kortlægge jeres data og jeres arbejdsgange før I vælger model. AI-strategi starter ikke med modelvalg — den starter med forbrug og data.

3. Right-sizing: Novo kan bruge avancerede modeller — men de fleste SMV'er får værdi af at vælge modeller efter opgaven

Novo har råd til og behov for at bruge avancerede platforme. Men de fleste SMV'er får mere værdi af at vælge modeller efter opgaven — og det inkluderer open-weight modeller, der kan køres lokalt eller på egen infrastruktur.

Claude Science er et eksempel på, at platformen er vigtigere end modellen — og at den samme model kan bruges på meget forskellige måder alt efter, hvordan den integreres. For SMV'er er det en påmindelse om, at den dyreste model ikke nødvendigvis er den rigtige til jeres opgave.

4. Det er en konkurrencefordel at være tidligt ude

Novo var launch-kunde. Det betyder, at de er med til at forme platformen — og at de bygger kompetencer og arbejdsgange, mens konkurrenterne stadig overvejer.

For SMV'er betyder det: I behøver ikke at være launch-kunde hos Anthropic. Men I har en konkurrencefordel ved at starte nu — ved at bygge AI-kompetencer, kortlægge forbrug og eksperimentere med integrationer, før det bliver en branche-standard.

Konkurrenceområdet: ikke kun Anthropic

Claude Science er ikke alene på markedet. OpenAI har GPT-Rosalind (april 2026), som er enterprise-gated med partnere som Amgen, Moderna, Thermo Fisher og Novo. Google DeepMind ejer fundamentale videnskabsmodeller som AlphaFold og AlphaGenome, bundlet i "Gemini for Science" med over 30 livsvidenskab-databaser.

Det er et tegn på, at de store AI-selskaber nu konkurrerer direkte om at bygge faglige arbejdspladser — ikke bare generelle modeller. Det er den tendens, der vil sprede sig fra life sciences til andre brancher.

Reproducerbarhed som differentiator

En af de mest interessante detaljer ved Claude Science er fokus på reproducerbarhed. Hver figur inkluderer den nøjagtige kode og det miljø, der lavede den, en klarsproglig beskrivelse af hvordan den blev skabt, og hele beskedhistorikken. Det imødegår problemet med fabrikerede citater og "shaky" statistikker i AI-skrevne papers.

For SMV'er er det en påmindelse om, at AI-output skal kunne efterprøves. Det gælder også for jer — uanset om I bruger AI til at skrive tilbud, analysere kundedata eller generere teknisk dokumentation.

Sådan hjælper Naitive jer

Hvis I vil gribe tendensen an — fra generisk chatbot til faglig AI-arbejdsplads — kan vi hjælpe jer konkret:

  • Forbrugs-kortlægning: Vi kortlægger, hvor I bruger AI i dag, hvad det koster, og hvor der er uudnyttet potentiale. I kan ikke vælge rigtigt uden at vide, hvad I allerede har.
  • Model-selektion og right-sizing: Vi hjælper jer med at vælge modeller efter opgaven — inklusive open-weight modeller, der kan køres lokalt. Den dyreste model er sjældent den rigtige til alle opgaver.
  • Værdibaserede builds: Vi bygger AI-løsninger, der er bundet til konkret forretningsværdi — ikke teknologi for teknologiens skyld. Ligesom Novo har NovoScribe, kan I få en løsning, der passer til jeres arbejdsgange.
  • Overvågning og alarmer på serviceaftaler: Vi sætter overvågning op, så I kan se, om jeres AI-løsninger performer, hvad de koster, og om der opstår fejl — før det bliver et problem.
  • AI-kompetence-kurser: Vi uddanner jeres medarbejdere i at bruge AI i praksis — ikke som en generel chatbot, men som en faglig arbejdsplads, der forstår jeres område.

Kilder