De fleste danske virksomheder, der siger, at de er i gang med AI, har gjort to ting: De har givet medarbejderne adgang til Copilot eller ChatGPT, og de har skrevet en side om, hvad man må. Det er et fornuftigt sted at starte. Men det er trin 1 og 2 på en trappe med ti trin, og den reelle værdi ligger typisk i trin 4 til 8. De trin handler om mennesker: træning, fællesskab, mål og kultur. AI agenter og store automatiseringer hører til øverst, ikke nederst.
Trappen er vores egen model. Vi bruger den på workshops hos Innovation Lab og Fremtidslaboratoriet, og den bygger på erfaringer fra arbejdet med over 450 organisationer. Den er ikke en forskningsstandard eller en certificering, men et redskab til at få en ærlig samtale om, hvor I står.
Hvorfor er "vi har givet alle adgang" ikke en strategi?
Fordi adgang ikke ændrer, hvordan arbejdet bliver gjort. Et forløb, vi ser igen og igen: En virksomhed med 120 ansatte køber licenser til hele huset i januar. I marts bruger en håndfuld medarbejdere det dagligt, de fleste har prøvet det et par gange, og en god del har aldrig logget ind. Ledelsen kigger på forbruget og konkluderer, at det ikke rigtig har fanget an.
Problemet er sjældent værktøjet. Medarbejderne har fået en ny bil uden kørekort. De ved ikke, hvad de må lægge ind, de har ikke set, hvordan en kollega i samme job bruger det, og ingen har bedt dem om at bruge tid på det. Så skriver de et par spørgsmål, som de ville skrive dem i Google, får middelmådige svar og går tilbage til den gamle måde.
Her halter også den mest udbredte fortælling om AI. Mange guides beskriver rejsen som en teknisk trappe: fra chatbot til egne assistenter, videre til automatisering og til sidst agenter. Rækkefølgen er ikke forkert, men den springer det svære over. Teknologien er den lette del. Menneskedelen og den organisatoriske forandring afgør, om investeringen giver noget.
Hvad er de ti trin?
Trappen stiller ét spørgsmål: Hvor befinder jeres organisation sig i dag? Trinene bygger oven på hinanden, men I kan godt stå halvt på flere trin på én gang, og afdelingerne står sjældent samme sted. Vi har samlet dem i fire faser.
Adgang og rammer: trin 1 til 3
- Trin 1: Medarbejderne har fået adgang. Der er et godkendt værktøj, typisk Microsoft Copilot, ChatGPT Enterprise eller Gemini i Google Workspace.
- Trin 2: Adgang plus retningslinjer og vejledning. Der findes en AI-politik, der siger, hvilke værktøjer der er godkendt, og hvilke data der aldrig må deles.
- Trin 3: De bruger det, og vi måler omfanget. I kan se, hvor mange der logger ind, og hvor ofte.
Det er nødvendige trin. Uden en ramme gætter folk, og nogle gætter forkert. Men læg mærke til, at trin 3 måler omfang, ikke effekt. At de fleste har logget ind i sidste måned, siger intet om, hvorvidt en eneste opgave er blevet bedre eller hurtigere.
Kompetencer og fællesskab: trin 4 til 6
- Trin 4: Hands-on træning i at prompte rigtigt og effektivt. Ikke en demonstration i kantinen, men øvelse på medarbejdernes egne opgaver.
- Trin 5: Interne superbrugere og erfa-grupper om best practice. Der er nogen i hver afdeling, man kan spørge, og et fast sted, hvor man deler, hvad der virker.
- Trin 6: Promptbiblioteker og fælles infrastruktur. De gode prompts, skabeloner og eksempler ligger ét sted, hvor alle kan finde dem, for eksempel i en kanal i Teams eller et fælles bibliotek i SharePoint.
Her begynder værdien. Forskellen på trin 3 og trin 6 er, at viden holder op med at ligge i hovedet på de to entusiaster. Når en sagsbehandler i en kommune kan finde den prompt, kollegaen har udviklet til at opsummere lange sagsakter, spreder gevinsten sig, uden at nogen skal opfinde den igen. Vi har skrevet mere om den brede midte i artiklen om, hvordan I får hele holdet med på AI.
Kultur og ledelse: trin 7 til 9
- Trin 7: Mål for opkvalificering i AI-kompetencer. Det står i kompetenceplanen, hvad medarbejderne skal kunne, og der er afsat tid til at lære det.
- Trin 8: Incitamenter og kultur for løbende forbedring. Det er trygt at prøve og fejle, gode eksempler bliver delt og anerkendt, og AI er et fast punkt i 1:1-samtaler og MUS.
- Trin 9: Organisation og ledelse, der støtter AI-initiativer. Lederne bruger det selv, efterspørger det og fjerner forhindringer, når en god idé går i stå.
Det er de trin, flest springer over, fordi de ikke kan købes. De kræver, at ledere prioriterer tid, og at nogen tør sige højt, at træning tager tid. En fast formiddag om måneden, hvor et team afprøver en ny arbejdsgang sammen, gør mere for kulturen end endnu en licensrunde.
Strategi: trin 10
- Trin 10: AI er indtænkt i forretningsstrategien og de langsigtede mål. AI er ikke et projekt ved siden af, men en del af, hvordan I vil nå de mål, I allerede har.
Strategien ligger øverst. Ikke fordi I skal vente med at tænke strategisk, men fordi en AI-strategi, der ikke hviler på kompetencer og kultur, ender som et dokument i en skuffe. Målet er i sidste ende den bedste arbejdsplads og den bedste kundeoplevelse, ikke den mest avancerede teknologi.
Hvor står de fleste danske virksomheder?
Kort sagt: Mange har fået adgang, få er kommet forbi trin 3. Udbredelsen vokser hurtigt. Ifølge Danmarks Statistik brugte 59 % af virksomhederne med mindst ti ansatte AI i januar 2026, mod 15 % i 2023. Men tallet fortæller, at virksomheden bruger AI, ikke hvordan eller med hvilken effekt. Vi har samlet tallene og deres forbehold i Hvor står danske virksomheder med AI?
Dansk Industris undersøgelse fra juni 2026 giver et mere detaljeret billede, og det passer bemærkelsesværdigt godt med trappen:
| Sådan bruger virksomhederne AI (DI, 2026) | Andel | Typisk sted på trappen |
|---|---|---|
| Kun ad hoc, når den enkelte selv finder på det | 45 % | Trin 1 til 3 |
| Systematisk i nogle afdelinger | 25 % | Trin 4 til 6 i dele af organisationen |
| Systematisk i næsten alle funktioner | 10 % | Trin 7 og opefter |
Placeringen på trappen er vores fortolkning, ikke DI's. Og tallene skal læses med to forbehold: De er selvrapporterede, og DI er en interesseorganisation for erhvervslivet. Alligevel er mønstret tydeligt. Næsten halvdelen af virksomhederne er i gang, uden at brugen er organiseret.
Medarbejdernes side af sagen peger samme vej. Ipsos' undersøgelse af AI på danske arbejdspladser fra 2026 viser, at kun hver fjerde medarbejder er blevet tilbudt træning, og at halvdelen ikke har klare forventninger til, hvordan de skal bruge AI. Men hvor lederen aktivt opfordrer til det, bruger to ud af tre AI hver dag. Det er trin 4 og trin 9 i ét tal: Træning og ledelse flytter mere end adgang.
Virksomhederne peger også selv på kompetencer som den store barriere. Blandt de europæiske virksomheder, der har overvejet AI uden at tage det i brug, nævner 71 % mangel på ekspertise, 53 % uklarhed om de juridiske konsekvenser og 49 % bekymring for databeskyttelse, viser Eurostats tal. Den første barriere løses med træning, de to andre i høj grad med tydelige rammer. Altså trin 4 og trin 2.
Hvad sker der, hvis vi ikke gør noget?
Det spørgsmål stiller vi altid på workshops, fordi det flytter samtalen fra "skal vi?" til "hvad koster det at lade være?". Svaret har to sider.
For organisationen er risikoen ikke, at I går glip af en enkelt smart løsning. Det er, at konkurrenter og samarbejdspartnere gradvist bliver hurtigere til tilbud, rapporter og kundeservice, mens jeres egne medarbejdere bruger gratisværktøjer på egen hånd, uden aftale om data. Når organisationen ikke tilbyder et godkendt værktøj og en ramme, finder folk selv en løsning. Så har I risikoen uden gevinsten.
For den enkelte medarbejder er risikoen mere personlig. Kompetencer forældes stille og roligt. Den projektleder, der bruger to timer på et referat, som en kollega i et andet firma har et solidt udkast til på få minutter, mærker det ikke i dag. Det mærkes ved næste jobsamtale, eller når opgaven bliver løst et andet sted.
Derfor er målet med trappen ikke at spare folk væk. Det er at løfte dem i deres arbejde, så tiden flytter fra tastearbejde til det, mennesker er bedre til: dømmekraft, relationer og de svære samtaler. Organisationer, der siger det tydeligt og mener det, møder mindre modstand, fordi medarbejderne ikke skal bruge energi på at forsvare deres job.
Hvilken tilgang passer til jer?
Der er ikke én rigtig vej op ad trappen. På vores workshops arbejder vi med otte tilgange, som organisationer vælger, bevidst eller ubevidst. Navnene er vores egne.
- Bil versus hest: I effektiviserer de opgaver og processer, I allerede har, en til en. Det eksisterende skal blive bedre og hurtigere.
- Innovatoren: I undersøger, om AI kan bruges til at genopfinde forretningen, måske med helt nye forretningsmodeller.
- Moonshot: I udforsker muligheder, der i dag ligger uden for menneskelig rækkevidde, på jagt efter gennembrud.
- Hovedpinen: I løser de mest presserende og lavthængende problemer først for at skabe momentum og mandat til de større skridt.
- Lad os øve os: I får noget i gang hurtigt, så medarbejderne selv kan eksperimentere og finde nye idéer.
- Lærerinden: I ser AI som et forandringsprojekt og prioriterer uddannelse, så folk selv kan finde og udnytte mulighederne fremover.
- Regelrytteren: I får klare rammer for ansvarlig og lovlig brug på plads, før I for alvor går i gang.
- Tænkeren: I laver en klar plan for, hvordan AI skaber værdi i dag og i morgen, fordi hype kommer og går.
Alle otte kan virke, og de fleste organisationer blander dem. Men hver har sin faldgrube. Regelrytteren kan blive hængende på trin 2, fordi politikken aldrig bliver færdig. Hovedpinen kan give hurtige sejre, der imponerer, men ikke hænger sammen med den langsigtede værdi. Tænkeren kan bruge et halvt år på en rapport, som ingen har prøvet af i praksis. Uanset tilgangen skal den kobles til de strategiske mål, I allerede har. Ellers bliver AI et sideprojekt.
Hvor passer AI agenter ind?
Øverst. En AI agent tager en opgave, deler den op i skridt og arbejder sig igennem den med adgang til jeres systemer. Det er et stort skridt fra en chatbot, og vi har forklaret forskellen i artiklen Hvad er AI agenter?.
Agenter hører til øverst af tre grunde. For det første skal nogen forstå arbejdsgangen godt nok til at beskrive den, og den forståelse bygges på trin 4 til 6. For det andet skal nogen kunne vurdere, om agentens resultat er godt nok, og det kræver kompetencer. For det tredje giver en agent kun værdi, hvis arbejdsgangen er værd at automatisere. Stop, fjern trin og forenkl først, og automatisér kun det, der allerede fungerer. Automatiserer I en dårlig proces, får I en hurtigere dårlig proces.
Det betyder ikke, at I skal vente med at eksperimentere. En enkelt, afgrænset agent i en afdeling, der allerede er på trin 6, kan være et godt læringsprojekt. Men det er ikke stedet at starte for hele organisationen.
Sådan finder I jeres næste trin
Start med at placere jer ærligt. Saml tre til fem personer fra forskellige afdelinger og fra ledelsen, gå trinene igennem og spørg for hvert trin: Gælder det for os alle, for nogle af os eller slet ikke? Svarene er ofte forskellige fra afdeling til afdeling, og det er i sig selv nyttig viden. Vil I have et første billede af jeres egen brug, kan I tage vores gratis selvtest, som tager få minutter.
Derefter tre råd, vi står inde for:
- Spring ikke træningen over. Det er det mest almindelige hul i trappen, og det forklarer oftest, hvorfor licenserne ikke bliver brugt. Træning tager tid, og den tid skal findes i kalenderen, ikke lægges oven i den.
- Byg supportstrukturer, før I skalerer. Udpeg AI-ambassadører, start en erfa-gruppe og byg et promptbibliotek med rigtige eksempler fra jeres egen hverdag. Uden dem stopper udbredelsen, så snart de første entusiaster får travlt.
- Kobl AI til de mål, I allerede har. Handler strategien om kortere leveringstid eller bedre kundeservice, så mål AI-indsatsen på det og ikke på antal logins.
En tommelfingerregel, vi selv bruger i budgetsamtaler: For hver krone, I bruger på teknologi, bør I regne med to kroner til mennesker og forandringsledelse. Det er ikke et forskningsresultat, men en påmindelse om, hvor det svære ligger. Står I dér, hvor den organisatoriske del skal på plads, kan I læse om, hvordan vi arbejder med AI og forandringsledelse.
Når I bevæger jer op over trin 3, skifter spørgsmålet fra "hvor mange bruger det?" til "hvad har det ændret?". Tid, kvalitet, nye idéer og tilfredshed hos kunder og medarbejdere siger mere end forbrugsstatistikken. Vi har beskrevet en enkel metode i artiklen om, hvordan I måler værdien af et AI kursus.
Trappen er ikke et kapløb mod trin 10. Den er et spejl. De virksomheder, der får mest ud af AI, er sjældent dem med de nyeste værktøjer. Det er dem, der har taget trin 4 til 8 alvorligt.
Ofte stillede spørgsmål
Hvad betyder AI modenhed i en virksomhed?
AI modenhed beskriver, hvor langt en organisation er kommet fra blot at have adgang til AI-værktøjer til at have AI som en del af arbejdsgange, kompetencer, kultur og strategi. Høj modenhed handler mindre om, hvilke værktøjer I har, og mere om, hvor mange der bruger dem godt, og om det ændrer konkrete opgaver.
Hvilket trin er de fleste danske virksomheder på?
Vores vurdering er, at de fleste står på trin 1 til 3: De har adgang, måske en politik, og de kan se, hvor mange der bruger værktøjerne. DI's undersøgelse fra 2026 peger samme vej: 45 % svarer, at de kun bruger AI ad hoc, og kun 10 % bruger det systematisk i næsten alle funktioner.
Hvornår giver det mening at tage AI agenter i brug?
Når medarbejderne har gode AI-kompetencer, arbejdsgangen er forenklet og velbeskrevet, og nogen kan vurdere, om resultatet er godt nok. Et afgrænset forsøg i én afdeling kan give god læring tidligere, men som indsats for hele organisationen hører agenter til øverst på trappen.
Er modenhedstrappen en officiel standard?
Nej. Trappen er Innovation Labs og Fremtidslaboratoriets egen model, som vi bruger på workshops, og den bygger på erfaringer fra over 450 organisationer. Den er et redskab til en ærlig samtale om, hvor I står, ikke en certificering eller en forskningsbaseret målestok.
Kilder
- Statistikbanken ITAV28: virksomheders brug af kunstig intelligens, Danmarks Statistik, september 2026
- AI-virksomheder har øget både vækst og beskæftigelse, Dansk Industri, september 2026
- The Uneven Transition: AI at Work in Denmark 2026, Ipsos, juni 2026
- Use of artificial intelligence in enterprises, Eurostat, december 2025
Emner



