Hvem er det egentlig, der taler, når organisationen kommunikerer? I en privat virksomhed er svaret som regel enkelt – virksomheden taler, og ledelsen ejer stemmen. I en medlemsorganisation er svaret aldrig enkelt. Sekretariatet skriver, formanden citeres, bestyrelsen har vedtaget, og medlemmerne skal kunne genkende sig selv i det hele.
Spørgsmålet er blevet påtrængende, fordi kunstig intelligens har gjort tekst billig. Sprogligt arbejde – at skrive, formulere og formidle på en afsenders vegne – kan i stigende grad udføres af maskiner, og det frister til at måle teknologien på det, den er bedst til: hastighed og volumen. Men sprogligt arbejde har aldrig kun bestået i at producere tekst, og derfor er det værd at se nøjere på, hvad der egentlig sker med arbejdet, når maskinen skriver med – og hvad der ikke kan flyttes med over.
Tre spørgsmål, enhver tekst skal kunne svare på
Alt professionelt sprogarbejde skal kunne besvare tre spørgsmål. Hvorfor gør vi dette arbejde – giver det mening? Hvorfor er dette den rigtige måde at løse opgaven på – er den legitim? Og hvorfor er dette output det rigtige – holder kvaliteten? De tre spørgsmål svarer til arbejdets hvorfor, hvordan og hvad, og svarene påvirker hele tiden hinanden: En tekst kan være sprogligt fejlfri og alligevel forkert, fordi måden eller mandatet bag den ikke er i orden.
Kunstig intelligens ændrer ikke på de tre spørgsmål – men den ændrer på, hvor let det er at overse to af dem. Maskinen løser produktionen, og derfor lander opmærksomheden næsten af sig selv på kvaliteten: Er outputtet godt nok, og løser det opgaven? I meget sprogligt arbejde vejer legitimiteten imidlertid tungere. Måden, opgaven løses på, og mandatet bag ordene er en del af selve produktet – teksten er ikke rigtig, bare fordi den er god. Tydeligst bliver det i foreninger og politisk ledede organisationer, hvor mange stemmer skal tale som én. Det er derfor, resten af artiklen henter sine eksempler dér – men forskydningen fra kvalitet til legitimitet findes i alt sprogarbejde, hvor nogen taler på andres vegne.
Tre vilkår flytter vægten mod legitimitet
Det første vilkår er den politiske ledelse. Formanden og bestyrelsen er valgt, og organisationens holdninger skal have mandat – de er besluttet i et politisk system, ikke formuleret ved et skrivebord. Det betyder noget helt konkret for AI-brug: En sprogmodel kan formulere en overbevisende holdning på ti sekunder, men mandatet følger ikke med. Teksten kan være færdig, længe før beslutningen er truffet – og den rækkefølge er farlig i en politisk ledet organisation.
Det andet vilkår er medlemslegitimiteten. En forening eksisterer i kraft af medlemmernes tillid og kontingent, og kommunikationen med medlemmerne er ikke marketing – den er en del af medlemsdemokratiet. En tekst, der er effektiv men lyder fremmed, koster derfor på en anden konto end konverteringsraten: Den slider på oplevelsen af, at organisationen er medlemmernes egen.
Det tredje vilkår er offentligheden. Interesseorganisationer arbejder i det åbne – høringssvar bliver offentliggjort, udmeldinger bliver citeret, og modparter læser med. En faktuel fejl fra en sprogmodel er i en virksomhed en intern bommert; i et høringssvar er den et offentligt dokument, der kan svække organisationens troværdighed på præcis det felt, hvor den skal være stærkest.
Fire anvendelser, der fungerer i praksis
Vilkårene er ikke et argument mod AI – de er et argument for at vælge anvendelserne med omhu. Fire går igen i de organisationer, jeg arbejder med.
Høringssvar
Den største gevinst ligger ikke i at lade AI'en skrive svaret, men i at lade den læse forslaget. Lovforslag og høringsmateriale fylder ofte hundredvis af sider, og AI'en kan opsummere, finde de paragraffer, der rammer medlemmerne, og bygge en disposition. En brancheorganisation, jeg har undervist, halverede på den måde tiden fra lovforslag til første udkast – mens holdningen og prioriteringen stadig kom fra det politiske system. Læsning og struktur kan uddelegeres til maskinen; positionen kan ikke.
Medlemskommunikation
Nyhedsbreve, medlemssvar og formidling af politiske resultater er tilbagevendende skrivearbejde, hvor AI kan levere udkast – hvis foreningens stemme er skrevet ned først. I en faglig organisation, jeg har rådgivet, blev de vigtigste værktøjer ikke licenserne, men et dokument: en beskrivelse af, hvordan organisationen taler, hvilke ord den bruger, og hvilke den aldrig bruger. Med det på plads blev udkastene genkendelige i stedet for generiske.
Politisk overvågning
Sekretariater bruger uforholdsmæssigt meget tid på at følge med: dagsordener, folketingsspørgsmål, samråd, medier. AI kan læse strømmen og prioritere, hvad der er relevant for netop organisationens mærkesager – ikke som erstatning for den politiske konsulents dømmekraft, men som et filter, der gør, at dømmekraften bruges på det væsentlige. Resultatet er typisk, at organisationen reagerer hurtigere på det, der faktisk vedrører den.
Sekretariatsdrift
Den mindst glamourøse anvendelse er ofte den mest værdifulde, især i små sekretariater med mange opgaver pr. medarbejder: referater fra bestyrelses- og udvalgsmøder, mødeforberedelse, oversættelser og opslag i vedtægter, aftaler og gamle beslutninger. Det er opgaver, hvor AI'en sparer timer uden at røre ved noget politisk – og derfor et godt sted at høste erfaringer, før man nærmer sig de følsomme tekster.
Faldgruberne handler om afsenderen
Den vigtigste faldgrube er ikke teknisk, og den handler ikke om datasikkerhed – den handler om afsenderen. Hvem taler, når AI'en skriver for en forening?
En sprogmodel skriver gennemsnittet af alt, den har læst. Men en forening er per definition ikke gennemsnittet – den findes, fordi den mener noget bestemt på vegne af bestemte mennesker. Når maskinen formulerer, opstår risikoen for det, jeg kalder holdningsglidning: formuleringer, der lyder rimelige og professionelle, men som ingen har besluttet. Et høringssvar, der er en anelse mere forsonligt, end bestyrelsen er. Et nyhedsbrev, der lover lidt mere, end kongressen har vedtaget. Det er ikke sprogfejl – det er små forskydninger af, hvad organisationen mener, og i en politisk ledet organisation er det et demokratisk problem, før det er et kommunikationsproblem.
Værnet er ikke at afskaffe værktøjet, men at gøre rammerne eksplicitte: Hvad må AI bruges til uden videre – læsning, struktur, udkast til det upolitiske? Hvad kræver politisk godkendelse, uanset hvor færdig teksten ser ud? Og hvem har mandat til at sige nej til en tekst, der er velformuleret, men ikke er foreningens? De organisationer, der skriver svarene ned, flytter vurderingen fra den enkelte medarbejders mavefornemmelse til en fælles standard – og det er den forskel, der holder, når presset stiger.
Erfaringen fra undervisningen
Jeg underviser politisk ledede organisationer i AI og kommunikation på Altingets masterclass, og der er ét mønster, jeg møder hver gang: Samtalen starter med teknik og ender med organisation. Deltagerne kommer med spørgsmål om værktøjer og forlader lokalet med spørgsmål om mandat – hvem godkender, hvem taler, hvor går grænsen. Det er efter min erfaring det rigtige sted at lande, for det er dér, forskellen på god og risikabel AI-brug afgøres.
Jeg kan også se, at sekretariaterne ofte er længere fremme end deres retningslinjer. Medarbejderne bruger allerede værktøjerne – spørgsmålet er ikke om, men på hvilke vilkår. De samme temaer går igen, når jeg holder foredrag om kunstig intelligens for bestyrelser og repræsentantskaber, og i den AI-rådgivning, jeg laver for sekretariater: Behovet er sjældent mere teknologi, men tydeligere rammer om den, der allerede er i brug.
Hvis jeres organisation skal begynde et sted, vil jeg foreslå tre spørgsmål: Hvilke opgaver i sekretariatet er læsning og struktur snarere end holdning? Hvem har mandat til at godkende en tekst, AI'en har skrevet med på? Og ville jeres medlemmer kunne kende jer på tre sætninger uden logo – også i de tekster, maskinen har lagt første hånd på? Organisationer, der kan svare på de spørgsmål, får ikke bare mere ud af teknologien. De passer på det, der er sværest at genopbygge: medlemmernes tillid til, at det stadig er dem, der taler.
