AI som kollega, ikke værktøj: sådan får du markant bedre resultater

To kolleger på samme kontor bruger det samme AI-værktøj. Den ene synes, det er spild af tid. Den anden sparer en time om ugen på referater og tilbudstekster. Forskellen er næsten aldrig værktøjet. Den er måden, de arbejder sammen med det på. Den første bruger AI som en søgemaskine: et kort spørgsmål ind, et svar ud, færdig. Den anden behandler den som en dygtig ny kollega, der skal sættes ind i opgaven, må spørge ind og får lov at prøve igen.

Denne artikel handler om den anden måde at arbejde på, og om hvorfor den giver bedre resultater. Den handler også om, hvad AI bør bruges til: at tage de rutineprægede, tidskrævende og trælse opgaver, så der bliver mere tid til det, der kræver dig. Målet er at løfte folk, ikke at gøre dem overflødige.

Hvad betyder det at behandle AI som en kollega?

Det betyder, at du giver AI det samme, som du ville give en ny medarbejder på første arbejdsdag: baggrund, formål, rammer og plads til at spørge. En ny kollega kan være nok så dygtig, men kender hverken jeres kunder, jeres tone eller grunden til, at opgaven findes. Det gør en sprogmodel heller ikke. Hvis du vil forstå hvorfor, kan du læse hvad en sprogmodel er, forklaret for ikke-teknikere.

Jeremy Utley har gjort netop den tanke til sit fag. Han underviser på Stanford som adjungeret professor og laver podcasten Beyond the Prompt sammen med Henrik Werdelin, hvor de taler med folk om, hvordan de faktisk arbejder med AI. I en samtale hos Implement Studios fra marts 2026 beskriver han forskellen mellem at bruge AI som et værktøj og at arbejde med den som en holdkammerat. Hans mest konkrete råd er en enkelt sætning, du kan sætte ind sidst i en prompt:

"Before beginning, please ask me at least three questions to make sure you have sufficient context to do a great job."

På dansk: "Før du går i gang, så stil mig mindst tre spørgsmål, så du har nok kontekst til at gøre det godt." Sætningen vender rollerne om. I stedet for at du skal gætte, hvad modellen mangler, fortæller den dig det.

Et eksempel: kundeservice i et forsyningsselskab

Sofie er teamleder i kundeservice hos et mellemstort forsyningsselskab på Fyn. Hver januar kommer der en bølge af henvendelser om årsopgørelsen, og hendes team skriver de samme forklaringer igen og igen. Hun vil have et sæt standardsvar, som kollegerne kan tilpasse. Hendes prompt ser sådan ud:

Jeg er teamleder i kundeservice i et forsyningsselskab med 40.000 kunder. I januar får vi mange henvendelser om årsopgørelsen, især om efterregninger og nye acontobeløb. Jeg vil have fem standardsvar, som mit team kan tilpasse til den enkelte kunde. De skal være venlige, korte og forklare tingene uden fagudtryk.

Før du går i gang, så stil mig mindst tre spørgsmål, så du har nok kontekst til at gøre det godt.

AI svarer ikke med standardsvar. Den svarer med spørgsmål: Hvilke fem typer henvendelser fylder mest? Må svarene nævne muligheden for en afdragsordning, og i så fald på hvilke vilkår? Skal kunderne henvises til selvbetjening, telefon eller begge dele? Hvor lange må svarene højst være?

Sofie opdager, at hun havde glemt det vigtigste: at de fleste sure henvendelser handler om, at acontobeløbet stiger, og at kunden kan få en afdragsordning. Hun svarer på spørgsmålene i samme chat, og udkastet, der kommer bagefter, rammer langt mere præcist end det, hun ville have fået i første forsøg. Hun gemmer prompten og svarene, så hun kan bruge dem igen næste januar.

Hvad siger forskningen om AI som holdkammerat?

Det mest interessante studie indtil videre er The Cybernetic Teammate fra 2025 af Fabrizio Dell'Acqua og kolleger, udgivet som working paper hos NBER. Det er et forhåndsregistreret feltforsøg med 776 medarbejdere hos Procter & Gamble, der arbejdede med rigtige produktudviklingsopgaver. Deltagerne blev fordelt tilfældigt: nogle arbejdede alene, andre i teams, nogle med AI og andre uden.

Tre resultater skiller sig ud:

• Enkeltpersoner med AI klarede sig lige så godt som teams uden AI. AI kunne altså i et vist omfang levere noget af det, man normalt får ved at være flere om en opgave.
• Løsningerne blev mere balancerede på tværs af faggrænser. Uden AI trak folk med teknisk baggrund og folk med kommerciel baggrund i hver sin retning. Med AI kom begge grupper med løsninger, der tog højde for begge sider.
• Deltagerne oplevede arbejdet mere positivt. De, der arbejdede med AI, rapporterede flere positive følelser under arbejdet.

Studiet er godt, men læs det med tre forbehold. Det er én virksomhed. Opgaverne blev løst på én dag, ikke over måneder med rigtige kunder og rigtige konsekvenser. Og følelserne er selvrapporterede, altså hvad deltagerne selv svarede, ikke noget, der er målt udefra. Resultaterne peger i en retning; de beviser ikke, at det samme sker på din arbejdsplads.

Hvorfor gør detaljerede og specifikke prompts så stor forskel?

Fordi AI kun ved det, du fortæller den. Er prompten kort, fylder modellen hullerne ud med det mest sandsynlige, og det mest sandsynlige er gennemsnittet. Det er derfor, så mange får pæne, men intetsigende svar. På vores kurser siger vi, at en god prompt skal være tilpas lang, specifik og tydelig og have kontekst. Tilpas lang betyder ikke lang for længdens skyld. Det betyder, at alt, hvad en ny kollega ville spørge om, allerede står der.

Vi har beskrevet strukturen i detaljer i Sådan skriver du gode prompts, med fem byggesten og et eksempel på før og efter. Kollegatanken er den enkle version: Hvis din prompt ville forvirre en kollega, der ikke kender opgaven, forvirrer den også modellen. Og hvis du ikke selv ved, hvad der mangler, så lad AI spørge.

Tre måder at samarbejde på

1. Lad AI interviewe dig

Det er Sofies metode ovenfor. Den virker bedst til opgaver, hvor du har meget viden i hovedet, som du ikke har skrevet ned: en tale, et stillingsopslag, en projektbeskrivelse, en svær mail. Du kan også bede om spørgsmålene ét ad gangen, hvis du hellere vil tænke dem igennem i ro.

2. Bed om modargumenter

En god kollega siger fra, når din plan har huller. AI gør det sjældent af sig selv; den er tilbøjelig til at give dig ret. Så bed om det direkte:

Her er mit forslag til ny vagtplan for lageret. Find de tre stærkeste argumenter imod den, set fra medarbejdernes side. Vær konkret og skån mig ikke.

Du behøver ikke være enig i modargumenterne. Pointen er, at du har hørt dem, før dine kolleger siger dem på mødet.

3. Arbejd videre i stedet for at starte forfra

Når det første udkast ikke rammer, lukker mange chatten og prøver med en ny prompt. Det er som at fyre en ny medarbejder efter første forsøg. Giv i stedet feedback i samme samtale: "Tonen er for formel. Afsnit to gentager afsnit et. Gør det halvt så langt, og start med beslutningen." Anden og tredje version er ofte dem, du kan bruge.

Der er én undtagelse: Skifter du til en helt ny opgave, så start en ny chat. Ellers blander den gamle samtale sig i den nye.

Hvilke opgaver skal AI tage?

De rutineprægede, tidskrævende og trælse. Det er de opgaver, der skal gøres ordentligt, men som ikke kræver det bedste af dig: referater, standardsvar på henvendelser, første udkast til tilbud, ugestatus, opsummeringer af lange dokumenter, omskrivning af den samme tekst til tre målgrupper. Her er fejlene nemme at opdage, og gevinsten kommer igen hver uge.

Det, der kræver dig, er noget andet:

• Relationer. Samtalen med kunden, der er ved at opsige aftalen. Medarbejdersamtalen. Tilliden, der bygges over år.
• Dømmekraft. At vurdere, hvad der er rigtigt i netop denne situation, med alt det, du ved, og som aldrig er skrevet ned.
• Ansvar. At stå på mål for en beslutning over for en kunde, en kollega eller en myndighed.

Det er her, pointen om at løfte folk bliver konkret. Når Sofies team ikke skal skrive den samme forklaring 200 gange i januar, har de mere tid til de kunder, der ringer, fordi de er bekymrede for regningen. Arbejdet bliver ikke mindre vigtigt. Det bliver mere menneskeligt. Skal hele afdelingen den vej, kan du læse hvordan I får hele holdet med på AI.

Start i det små: Vælg én kedelig opgave om ugen, og byg en prompt til den. Efter en måned har du fire prompts, du kan genbruge, og et langt bedre billede af, hvad AI kan og ikke kan i dit job.

Hvad siger danske tal om tidsgevinsten?

De er mere afdæmpede end overskrifterne. Anders Humlum og Emilie Vestergaard har koblet spørgeskemaer om brug af AI-chatbots med danske registerdata. I 2025-versionen af studiet, der hed Large Language Models, Small Labor Market Effects, og som byggede på omkring 25.000 medarbejdere på 7.000 arbejdspladser, fandt de en gennemsnitlig tidsbesparelse på 2,8 % og ingen signifikant effekt på løn eller arbejdstimer.

I marts 2026 kom en revideret version med titlen Still Waters, Rapid Currents. Den finder fortsat, at effekten på løn og registrerede timer er tæt på nul, og udelukker effekter større end 2 % to år efter lanceringen af ChatGPT. Til gengæld lægger den vægt på, at opgaverne bliver omfordelt: Noget arbejde forsvinder, nyt kommer til, blandt andet at holde øje med og integrere AI.

Det nuancerer de store forventninger på to måder. For det første er de store procenttal fra enkeltforsøg ikke det samme som den gennemsnitlige gevinst i danske virksomheder. For det andet peger tallene ikke på, at folk bliver overflødige. De peger på, at jobbene ændrer indhold. Om det ender godt, afhænger af, hvordan man bruger AI, og hvad man bruger den frigjorte tid på. Du kan se flere danske tal i vores overblik over danske virksomheder og AI.

Hvornår er kollegabilledet farligt?

Når du glemmer, at det er et billede. AI er ikke en kollega. Den tager ikke ansvar, den husker ikke, hvad der gik galt sidste gang, medmindre du fortæller den det, og den kan skrive noget forkert med samme selvsikre tone som noget rigtigt. Det kan du læse mere om i artiklen om AI-hallucinationer, og hvordan du tjekker svarene.

Tre faresignaler at holde øje med:

1. Du holder op med at læse efter. Når svarene har været gode ti gange i træk, er det fristende at sende det ellevte videre uden at kigge. Det er typisk dér, fejlen sniger sig ind.
2. Du lader den afgøre ting, der kræver dømmekraft. AI kan give dig argumenter for og imod en fyring, en prisstigning eller et afslag. Beslutningen og begrundelsen skal være din.
3. Du giver den data, den ikke bør have. En ny kollega får heller ikke adgang til alle personalesager første dag. Følg jeres retningslinjer for, hvad der må lægges ind.

Kollegatanken er et godt redskab til at skrive bedre prompts og samarbejde bedre. Den er ikke en undskyldning for at overlade ansvaret. Uanset hvor godt udkastet er, er det dit navn, der står under det.