Kræver det teknisk baggrund at bruge AI professionelt?

Før næsten hvert kursus får vi en mail, der ligner denne: "Jeg er ikke særlig teknisk. Kan jeg godt være med?" Den kommer fra bogholderen, fra sygeplejersken, fra lageret og fra kommunikationsafdelingen. Svaret er ja. Men det ærlige svar er lidt længere, for det er ikke teknik, der afgør, om du får noget ud af AI. Det er noget, du sandsynligvis allerede har.

Kort svar: Nej, men du skal kunne noget andet

Du behøver ikke kunne programmere, forstå matematikken bag eller kende forskel på modelversioner for at bruge AI professionelt. De AI-værktøjer, de fleste bruger på arbejdet, som ChatGPT, Microsoft Copilot og Claude, skriver du til på almindeligt dansk. Det, der adskiller dem, der får gode resultater, fra dem, der giver op, er tre andre ting:

• At kunne beskrive opgaven. Hvad skal laves, til hvem, i hvilken form og hvorfor.
• At kunne give kontekst. Det, du ved om kunden, kollegaen, sagen eller branchen, og som modellen ikke kan gætte.
• At kunne vurdere resultatet. Se, om svaret er rigtigt, brugbart og passer til situationen.

Ingen af de tre er tekniske. De er faglige. En erfaren lønbogholder ved præcis, hvad en god forklaring på en lønseddel skal indeholde, og hun kan se med det samme, hvis AI har blandet feriepenge og fritvalg sammen. Det kan en it-udvikler uden den viden ikke. Vil du blive bedre til den første del, har vi skrevet en konkret guide til, hvordan du skriver gode prompts. Og hvis du vil forstå, hvorfor kontekst betyder så meget, så læs om at bruge AI som en kollega og ikke som et værktøj.

Det betyder ikke, at det er ligegyldigt, hvordan teknikken virker. Det hjælper at have en grundlæggende idé om, at en sprogmodel gætter det mest sandsynlige næste ord og ikke slår op i en database. Den forståelse kræver ingen teknisk baggrund. Den står i vores artikel om, hvad en sprogmodel er, forklaret for ikke-teknikere, og den tager et kvarter at læse.

Hvor mange bruger det allerede?

Mange flere, end man skulle tro, hvis man kun lytter til dem, der er bekymrede. Ifølge Danmarks Statistik brugte 68 % af befolkningen generative AI-værktøjer i 2026. Der er en tydelig forskel på tværs af aldersgrupper: Jo yngre man er, jo mere udbredt er brugen.

Tallet skal læses med to forbehold. For det første gælder det al brug, også privat: opskrifter, rejseplaner og lektiehjælp tæller med. Det siger altså ikke, hvor mange der bruger AI i deres arbejde, og slet ikke, hvor godt de bruger det. For det andet dækker det befolkningen fra 16 til 74 år, og Danmarks Statistik har ikke offentliggjort 2026-tallene fordelt på alder. Vi ved, at de unge bruger det mest, men ikke præcis, hvor stor forskellen er.

Alligevel siger tallet noget vigtigt. To ud af tre har prøvet det. Langt de fleste af dem er ikke teknikere. Der findes ingen adgangsbillet, som de har, og du mangler. Hvis du føler dig bagud, er det sjældent evnerne, der mangler. Det er vanen og en grund til at komme i gang.

Hvem får mest ud af det?

Her bliver forskningen interessant, for den peger ikke på dem, man måske ville gætte på. Det mest citerede feltstudie er Generative AI at Work af Erik Brynjolfsson, Danielle Li og Lindsey Raymond, udgivet i The Quarterly Journal of Economics i maj 2025. De fulgte 5.172 kundeservicemedarbejdere i en amerikansk softwarevirksomhed, der gradvist fik adgang til en AI-assistent, som foreslog svar under samtaler med kunderne.

Resultaterne:

• I gennemsnit løste medarbejderne 15 % flere sager i timen med AI-assistenten.
• De mindst erfarne og mindst dygtige fik det største løft, omkring 30 %. Assistenten gav dem i praksis adgang til den viden, de mest erfarne kolleger havde opbygget.
• De dygtigste fik næsten intet ud af det, og kvaliteten af deres arbejde faldt endda en smule.

Det lyder som gode nyheder for alle, der føler sig som begyndere, og det er det til dels. Men læs det med de rigtige briller. Studiet handler om én virksomhed og om smalle, faste opgaver, hvor der findes et nogenlunde rigtigt svar, og hvor assistenten var trænet på netop de samtaler. Det er noget andet end at bede ChatGPT om et notat til byrådet, en analyse af et udbud eller en svær mail til en utilfreds samarbejdspartner. Dér findes der ikke et manuskript, og dér er det dig, der skal vurdere, om svaret holder.

Pointen er derfor ikke, at AI gør alle lige gode. Pointen er, at AI kan løfte dem med mindst erfaring i opgaver, hvor svarene er velkendte. Jo mere åben opgaven er, jo mere afhænger resultatet af den, der sidder ved tastaturet.

Hvorfor faglighed betyder mere end teknik

Fordi den, der ikke kan vurdere svaret, er mest udsat. AI skriver forkerte ting med præcis samme selvsikre tone som rigtige ting. Det kræver ingen teknisk viden at opdage, at en henvisning til en paragraf er forkert, eller at et beløb ikke stemmer. Det kræver, at du kender dit fag.

Et studie fra Microsoft Research og Carnegie Mellon University, præsenteret på konferencen CHI i 2025, understøtter det. Hao-Ping Lee og kolleger spurgte 319 vidensarbejdere om 936 konkrete eksempler på, hvordan de havde brugt AI i deres arbejde. To sammenhænge skiller sig ud:

• Jo mere tillid folk havde til AI, jo mindre kritisk tænkning sagde de, at de brugte.
• Jo mere tillid folk havde til deres egne evner i opgaven, jo mere kritisk tænkning brugte de.

Studiet er selvrapporteret. Det måler, hvad folk selv svarer, ikke hvad de faktisk gør, og det viser sammenhænge, ikke årsager. Men retningen giver mening for alle, der har set en kollega sende et AI-udkast videre uden at læse det. Den, der stoler på sig selv og sit fag, bliver ved med at tjekke. Den, der stoler mest på maskinen, holder op.

Tag en jobcenterkonsulent i en kommune. Hun beder AI om at opsummere reglerne for en bestemt ydelse til en borger. Svaret er velformuleret og ser rigtigt ud. Men hun ved, at reglerne blev ændret sidste år, og hun kan se, at opsummeringen bygger på de gamle. En kollega uden hendes erfaring havde måske sendt den videre. Det er ikke teknik, der redder hende. Det er faglighed. Hvordan du systematisk fanger den slags fejl, kan du læse om i artiklen om AI-hallucinationer, og hvordan du tjekker svarene.

Der er også en ubehagelig side af historien. Hvis AI løfter de mindst erfarne mest, og de mindst erfarne samtidig er dem, der har sværest ved at vurdere svarene, så er der en risiko. Nyuddannede kan komme til at levere pænere arbejde hurtigere uden at opbygge den dømmekraft, der skal til for at opdage, når det går galt. Det er et ledelsesansvar at sørge for, at nye medarbejdere stadig lærer faget og ikke kun at bruge værktøjet.

Hvilke kompetencer efterspørges?

Både de tekniske og de menneskelige, men de menneskelige fylder mere, end overskrifterne antyder. I World Economic Forums Future of Jobs Report 2025 fra januar 2025 er AI og big data de kompetencer, som arbejdsgiverne forventer vil vokse hurtigst frem mod 2030. Derefter følger netværk og cybersikkerhed samt teknologisk forståelse.

Men når man spørger, hvilken kernekompetence der er vigtigst i dag, er svaret analytisk tænkning. Syv ud af ti arbejdsgivere kalder den afgørende. Det er netop evnen til at vurdere information, se, hvad der mangler, og skelne mellem et godt og et dårligt svar.

Bemærk ordet "teknologisk forståelse". Det betyder ikke, at alle skal lære at kode. Det betyder at forstå, hvad værktøjerne kan og ikke kan, og hvornår man skal stole på dem. Det er en kompetence, en lønbogholder og en sygeplejerske kan have lige så godt som en udvikler.

Forbeholdet her er vigtigt: Rapporten bygger på en spørgeundersøgelse blandt arbejdsgivere om, hvad de forventer. Det er ikke en måling af, hvad der faktisk sker på arbejdsmarkedet, og forventninger har det med at ændre sig. Brug den som et pejlemærke for, hvad arbejdsgivere tænker, ikke som en facitliste.

Hvornår har du brug for teknik?

Først når du vil have AI til at gøre ting af sig selv. Så længe du sidder i en chat, skriver en opgave og læser svaret, er der ingen teknik i vejen. Det ændrer sig, når du vil et af disse tre steder hen:

1. Automatisering. Du vil have AI til at behandle alle indkomne mails i en fælles indbakke, sortere fakturaer eller lave et ugentligt overblik, uden at du trykker på en knap. Det kræver typisk et automatiseringsværktøj og forståelse for, hvordan data flytter sig mellem systemer.
2. Integrationer. Du vil koble AI på jeres CRM, økonomisystem eller sagsbehandlingssystem. Det involverer adgangsnøgler, rettigheder og sikkerhed, og det skal it-afdelingen være med på.
3. Egne agenter. Du vil bygge en AI agent, der kan løse en opgave i flere trin, slå op i jeres dokumenter og handle på dine vegne. Læs mere om, hvad AI agenter er, og hvad de kan.

Selv her er grænsen ved at flytte sig. Flere værktøjer lader dig bygge enkle assistenter og automatiseringer uden kode. Men jo mere AI handler på egen hånd, jo vigtigere bliver det, at nogen forstår, hvad der sker under motorhjelmen, og hvad der kan gå galt. Det er ikke et sted, de fleste skal starte.

Sådan kommer du i gang uden teknisk baggrund

Begynd med dit fag, ikke med værktøjet. Her er tre første skridt, vi står inde for.

1. Vælg en opgave, du kender godt

Tag noget, du laver hver uge, og som du er god til: et referat, en standardmail, en opsummering af et langt dokument. Når du kender opgaven indefra, kan du vurdere, om svaret er godt. Hvis du starter med noget, du ikke selv forstår, har du ingen mulighed for at opdage fejlene.

2. Lær at beskrive opgaven, før du lærer værktøjerne

Skriv opgaven, som om du gav den til en ny kollega på første arbejdsdag. Fortæl, hvem det er til, hvad formålet er, hvilken tone der skal bruges, og hvad du allerede ved. Sammenlign derefter med det, du plejer at skrive. De fleste opdager, at deres første forsøg var tre linjer for kort. Det er en færdighed, der virker i alle AI-værktøjer og ikke bliver forældet, når næste version kommer.

3. Tjek altid resultatet

Læs svaret, som om en praktikant havde skrevet det. Er tallene rigtige? Findes kilderne? Passer det til jeres situation? Du har altid ansvaret for det, du sender videre, uanset hvem eller hvad der har skrevet første udkast. Det gælder også, når AI har haft ret de sidste ti gange.

Vil du hellere lære det sammen med andre og med øvelser fra din egen hverdag, er det præcis det, vi gør på vores AI Grundkursus. Der er ingen tekniske forudsætninger. Men du kommer langt på egen hånd med de tre skridt ovenfor og en halv time om ugen.