Jeg får spørgsmålet i næsten alle ledergrupper og kommunikationsafdelinger, jeg arbejder med: Hvad er AI egentlig? Det stilles ofte lidt undskyldende – som om man burde vide det efterhånden. Det burde man ikke. Feltet bevæger sig hurtigt, ordene bruges upræcist, og de fleste forklaringer falder i en af to grøfter: den tekniske, der drukner i neurale netværk, og den svulstige, der lover en revolution hvert kvartal.

Denne artikel er mit forsøg på en tredje vej – en rolig grundforklaring til mennesker, der ikke skal bygge kunstig intelligens, men lede og kommunikere med den. Jeg begynder ved ordet, fortsætter gennem de tre lag, enhver leder bør kunne skelne imellem, og slutter der, hvor definitionerne holder op med at hjælpe: ved arbejdet.

Ordet AI er ældre end de fleste tror

AI står for artificial intelligence – på dansk kunstig intelligens. Betegnelsen blev skabt i 1955, da matematikeren John McCarthy sammen med Marvin Minsky, Nathaniel Rochester og Claude Shannon søgte penge til en sommerworkshop på Dartmouth College. Konferencen i 1956 regnes i dag for feltets fødsel, og forslaget er stadig læseværdigt: Grundantagelsen var, at ethvert aspekt af læring og intelligens i princippet kan beskrives så præcist, at en maskine kan simulere det. Ambitionen er altså 70 år gammel – det nye er, at teknologien er begyndt at indfri den.

På dansk lever de to betegnelser side om side. Kunstig intelligens er det formelle ord, som lovtekster og strategier bruger; AI er det, vi siger i hverdagen. En dansk forkortelse fik aldrig fodfæste herhjemme – i modsætning til tysk, hvor KI er det gængse – og det fortæller noget væsentligt: Samtalen om kunstig intelligens føres på engelske præmisser, med engelske ord og engelske eksempler. Netop derfor er der brug for præcise forklaringer på dansk.

De tre lag, en leder skal kende

Kunstig intelligens er ikke én ting, men et felt med flere lag oven på hinanden. Tre af dem er nødvendige at kunne skelne imellem, hvis man skal træffe beslutninger om AI i en organisation.

Det første lag er klassisk AI og maskinlæring. Maskinlæring er software, der lærer mønstre fra data i stedet for at følge regler, som et menneske har skrevet på forhånd. Det er den kunstige intelligens, vi har levet med i årtier uden at kalde den noget som helst: Spamfilteret i din indbakke har lært af millioner af mails, hvordan uønsket post ser ud, og sorterer derfor det meste fra, før du når at se det.

Det andet lag er generativ AI. Generativ AI er software, der producerer nyt indhold – tekst, billeder, lyd og video – ved at beregne, hvad der sandsynligvis kommer efter det foregående. Det er dette lag, der siden 2022 har flyttet kunstig intelligens fra maskinrummet til direktionsgangen. Når ChatGPT skriver et udkast til en svær mail på ti sekunder, er det generativ AI, der arbejder.

Det tredje lag er AI-agenter. En AI-agent er software, der ikke kun svarer på spørgsmål, men selv udfører opgaver i flere trin – den planlægger, handler og justerer undervejs. Hvor generativ AI venter på din næste besked, kan en agent selv undersøge et emne, sammenligne kilder og aflevere et samlet notat, mens du laver noget andet. Laget er det yngste og mest umodne af de tre, men også det, der vil forandre flest arbejdsgange.

Hvad AI ikke er

Misforståelserne om kunstig intelligens er mindst lige så udbredte som teknologien selv. Tre af dem er så sejlivede, at de fortjener en ordentlig aflivning.

Den første: AI'en "ved" ikke noget. En sprogmodel indeholder ikke en liste over sande udsagn, den kan slå op i. Den beregner, hvilke ord der sandsynligvis følger efter hinanden, baseret på mønstre i enorme tekstmængder. Oftest rammer beregningen rigtigt; nogle gange producerer den fejl – leveret i samme selvsikre tonefald som alt andet. Det er ikke en defekt ved maskinen. Det er sådan, maskinen virker.

Den anden: Generativ AI er ikke en søgemaskine. En søgemaskine finder eksisterende dokumenter og viser dem frem; en sprogmodel genererer et nyt svar, hver gang den bliver spurgt. Flere værktøjer kombinerer i dag de to – de søger først og formulerer bagefter – men grundmekanismen er stadig produktion, ikke opslag. Beder du om en kilde, kan du få en, der lyder rigtig og aldrig har eksisteret.

Den tredje: Kunstig intelligens har ikke hensigter. Formuleringer som "AI'en vil have os til at..." eller "modellen prøver at..." er metaforer, og de er ikke uskyldige. Software har hverken mål, interesser eller vilje – de mål, der findes i et system, er lagt derind af mennesker. Den skelnen er afgørende, når ansvar skal placeres: Ansvaret ligger altid hos mennesker og organisationer, aldrig hos modellen.

AI er allerede en del af hverdagen

Meget af samtalen om kunstig intelligens handler om fremtiden. Den overser, hvor meget der allerede er sket. Når din mail foreslår resten af sætningen, er det en sprogmodel, der beregner sandsynlige fortsættelser. Når mødet er slut, og referatet ligger klar med beslutninger og næste skridt, har kunstig intelligens transskriberet lyden og sammenfattet indholdet. Når din telefon fjerner en forbipasserende fra feriebilledet, eller når et dokument på polsk bliver til læseligt dansk på et sekund, er det samme underliggende teknologi.

Pointen er ikke, at alt dette er imponerende. Pointen er, at kunstig intelligens allerede er infrastruktur – den er vævet ind i de værktøjer, du bruger i forvejen. Spørgsmålet "skal vi bruge AI?" er derfor forældet, længe før det bliver stillet. De fleste organisationer bruger allerede kunstig intelligens hver dag; de har bare ikke besluttet hvordan.

Fordele og begrænsninger i et ærligt regnskab

Skal man lede med kunstig intelligens, skal man kunne se begge kolonner i regnskabet. Fordelene først, uden svulst:

  • Tempo: Udkast, opsummeringer og oversættelser, der før tog timer, tager minutter.
  • Tilgængelighed: Sparring på tekst, tal og idéer er til rådighed døgnet rundt – også for den, der ikke har en erfaren kollega ved siden af sig.
  • Mønstergenkendelse: Kunstig intelligens finder sammenhænge i datamængder, som intet menneske kan overskue.
  • Lavere barrierer: Flere kan nu skrive, analysere, kode og formgive på et niveau, der før krævede specialister.
  • Frigjort tid: Rutineopgaverne fylder mindre, så tiden kan bruges på det, der kræver dømmekraft.

Og begrænsningerne, lige så nøgternt:

  • Fejl med selvsikkerhed: Modellerne producerer af og til forkerte svar i overbevisende form, og fejlene er svære at opdage uden faglighed.
  • Intet ansvar: Kunstig intelligens kan ikke stå på mål for noget – ansvaret for indhold og beslutninger bliver hos mennesket.
  • Bias: Modellerne har lært af eksisterende data og arver de skævheder, dataene indeholder.
  • Fortrolighed: Det, der deles med et AI-værktøj, forlader huset – uden klare aftaler om datahåndtering er det en reel risiko.
  • Middelmådighed som standard: Modellerne trækker mod gennemsnittet af det, de har set. Uden krav og redigering får man det kompetente, men karakterløse svar.

Hvor kunstig intelligens er på vej hen

Opdateret juli 2026. Forudsigelser om kunstig intelligens ældes hurtigt, så jeg nøjes med tre bevægelser, der allerede er i gang. Den første er skiftet fra svar til handling: AI-agenter, der selv udfører opgaver i flere trin, er på vej fra demonstration til drift – og de rejser nye spørgsmål om kontrol og ansvar. Den anden er regulering: EU's AI-forordning, EU AI Act, trådte i kraft i august 2024, og kravene indfases løbende i disse år; reglerne for almene AI-modeller gælder allerede, og kravene til højrisikosystemer følger efter. For organisationer i Europa er lovgivningen dermed gået fra fremtidsemne til driftsvilkår. Den tredje er multimodalitet: De samme modeller arbejder i stigende grad med tekst, billede, lyd og video på én gang, og grænserne mellem skriveværktøj, billedværktøj og mødeværktøj bliver tilsvarende mindre skarpe.

Hvor langt hver bevægelse når, tør jeg ikke sætte årstal på. Retningen forekommer mig til gengæld tydelig: Kunstig intelligens bliver mindre et særskilt værktøj og mere et lag i alt det andet.

Hvad det betyder for kommunikation og ledelse

Tilbage står det spørgsmål, som definitionerne ikke besvarer: Hvad stiller man op med alt det som leder eller kommunikationsansvarlig?

Mit svar er, at kunstig intelligens er en ledelsesopgave og en sprogopgave, før den er en teknisk. En ledelsesopgave, fordi nogen skal beslutte, hvilke opgaver AI skal overtage, hvilke den skal støtte, og hvilke der skal blive hos mennesker – det er kernen i AI-strategi og AI-ledelse. En sprogopgave, fordi udbyttet af generativ AI afhænger af evnen til at formulere præcist, hvad man vil have – det håndværk har jeg beskrevet i min guide til den gode prompt. Dertil kommer rammerne: Hvem der må bruge hvilke værktøjer til hvilke data, er ikke længere en smagssag, men reguleret – en guide til EU AI Act er et rimeligt sted at begynde. Og skal en hel organisation med, begynder det ofte med en fælles forståelse – det er der, et foredrag om kunstig intelligens kan åbne samtalen.

Måske er det mest brugbare svar på "hvad er AI?" derfor ikke en definition, men tre spørgsmål, man kan tage med hjem: Hvilke af jeres opgaver kræver faktisk menneskelig dømmekraft – og hvilke har bare altid fået den? Hvem i organisationen kan i dag forklare forskellen på maskinlæring, generativ AI og agenter – og hvem burde kunne? Og hvis kunstig intelligens allerede er infrastruktur, hvem har så ansvaret for, at den bruges med omtanke hos jer? Definitionen af AI vil ændre sig igen. De spørgsmål bliver stående.

Kilder

  • McCarthy, J., Minsky, M. L., Rochester, N. & Shannon, C. E. (1955). A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence.
  • Turing, A. M. (1950). Computing Machinery and Intelligence. Mind, 59(236), 433–460.
  • Europa-Parlamentets og Rådets forordning (EU) 2024/1689 (AI-forordningen). EUR-Lex.