Ydelser · Startpunktet
Hvor står I egentlig — og hvad skal I gøre først? Et beslutningsgrundlag i stedet for en stemningsmåling.
De fleste organisationer ved ikke, hvor de står med AI. Ikke fordi de er sløsede, men fordi det eneste, der er blevet målt, er stemning.
En AI-værdivurdering kortlægger det hårde — hvilke værktøjer findes, hvem har adgang, hvad kan folk faktisk — og kobler det med det bløde: kultur, faglig mening og ledelsesopbakning. Det er dér, forskellen mellem en plan og en praksis afgøres.
Jeg måler ikke, hvad folk siger, de kan. Jeg ser på, hvad de rent faktisk laver. Afstanden mellem de to er som regel hele pointen.
Fire spørgsmål
Næsten altid ja — og oftest mere end ledelsen tror. Spørgsmålet er, hvad de bruger det til, og om nogen kan stå fagligt inde for resultatet.
Ikke i abstrakte use cases, men i navngivne opgaver hos navngivne faggrupper. De to lister ligner sjældent hinanden.
Sjældent teknikken. Som regel tid, faglig mening og manglende ledelsesopbakning — i den rækkefølge.
Det er hele pointen. Et scorekort uden prioritering er en tilstandsrapport, ikke et beslutningsgrundlag.
Fra problem til måling
De otte dimensioner er ikke tilfældige. Hver enkelt svarer til et sted, hvor tingene typisk går galt — udledt af forskningen og af det, jeg selv har set gå skævt.
Hvilke værktøjer findes, hvem har adgang, hvilke versioner og begrænsninger. Uden det billede diskuterer man i blinde.
Ikke kun hvor meget der bruges, men hvor godt. Her fanges den skjulte brug — og begyndende skill decay.
Har ledelsen selv prøvet det, de taler om? Det er her forventninger og virkelighed oftest står længst fra hinanden.
Hvor ligger gevinsterne konkret — hos hvilke faggrupper. Ikke abstrakte use cases, men navngivne opgaver.
Forandringskapacitet, kultur og psykologisk tryghed til at fejle åbent. Hvor meget kan I rumme på én gang.
EU AI Act, GDPR og branchekrav. Politikker, procedurer og ansvarsplacering — så folk tør spørge.
Hvem driver det indefra. Superbrugere, formidlere — og de skeptikere, det er værd at lytte til.
Hvilke opgaver fylder dagligdagen i hver rolle, og hvilke af dem er reelt AI-egnede. Ikke bare teoretisk muligt.
Kortlagt gennem tre kilder, der holder hinanden i skak: et kort spørgeskema til alle, fortrolige interviews og observation af faktisk praksis. Det interessante er afstandene imellem dem — hvor selvbillede og praksis skiller, ligger som regel hele pointen.
Omfanget følger kompleksiteten, ikke medarbejderantallet: antal faggrupper, datafølsomhed og reguleringskrav. En lille virksomhed på et reguleret marked kan kræve en grundigere måling end en stor med ensartede opgaver.
Ambitioner, ønsker og forventninger. Hvad vil I egentlig opnå — og hvem skal mærke det?
Spørgeskema til alle, fortrolige interviews, dokumenter og observationer. Jeg ser på hvad der faktisk foregår, ikke hvad der står i planen.
Værdivurdering og AI-parathed, koblet på jeres faglige kerneopgave.
Scorekort og anbefalinger, skrevet til ledelsen — ikke til it-afdelingen.
Leverancen
Frem for at beskrive rapporten, viser jeg den. Udslagene herunder er et konstrueret eksempel — jeres eget ser anderledes ud.
AI-modenhed · eksempel, ikke rigtige data
Messing markerer de dimensioner, hvor der er mest at hente.
Et scorekort uden prioritering er en tilstandsrapport, ikke et beslutningsgrundlag. Derfor er de 3–5 anbefalinger rangeret efter effekt og indsats — og skrevet til ledelsen, ikke til it-afdelingen.
Og bagefter
En rapport, der bliver liggende, er spildte penge. Derfor hænger vurderingen sammen med det, der skal ske bagefter.
En uforpligtende samtale. Giver det ikke mening for jer, siger jeg det.
Book en samtale