Title: 87 procent bruger AI uden en fælles ramme | Brokk & Sindre Description: Djøfs nye tal viser en arbejdsplads, hvor AI-brugen er løbet foran ledelsens fælles aftaler om læring, kvalitet og konkret ansvar. Canonical: https://brokk-sindre.dk/aktuelt/ai-kompetencer-paa-arbejdspladsen # 87 procent bruger AI. Arbejdet har stadig ingen fælles ramme Djøfs nye tal viser en arbejdsplads, hvor AI-brugen er løbet foran ledelsens fælles aftaler om læring, kvalitet og konkret ansvar. Djøf spurgte i maj sine arbejdende medlemmer om deres brug af AI. **87 procent bruger teknologien i arbejdet. 54 procent af brugerne gør det mindst én gang om dagen.** Alligevel havde kun 46 procent fået tilbudt kompetenceudvikling fra arbejdspladsen i løbet af det seneste år. Afstanden mellem de tal er allerede en ledelsesopgave. Medarbejderne er begyndt. Mange arbejdspladser mangler stadig en fælles måde at afgøre, hvornår brugen er god, hvad der skal kontrolleres, og hvordan en nyttig erfaring bliver til mere end et privat trick. ## Brugen foregår i små stykker [Djøfs analysenotat](https://www.djoef.dk/-/media/documents/a/analyser/analysenotat--brug-og-kompetencer-juni-2026.pdf) viser, hvad medlemmerne bruger AI til. 71 procent skriver eller omskriver tekst. 54 procent opsummerer materiale, 52 procent søger information, og 49 procent bruger AI til idéudvikling. 42 procent bruger den som faglig sparringspartner. Det er opgaver, som ligger spredt gennem en arbejdsdag. Et notat bliver kortere. En bunke materiale bliver læst hurtigere. En medarbejder får fem mulige vinkler på et problem. Gevinsten kan være reel for den enkelte, uden at organisationen ved, hvor stor den er, hvilke fejl der går igen, eller hvordan andre kan gentage det, der virkede. [Ipsos fandt i en anden dansk undersøgelse](https://www.ipsos.com/da-dk/den-ujaevne-transition-ai-pa-arbejdspladsen-i-danmark-2026), at omkring halvdelen af medarbejderne ikke oplever klare forventninger til brugen af AI. Mere end halvdelen bliver ikke inviteret med i beslutningerne om den. De to undersøgelser har forskellige målgrupper og kan ikke lægges sammen. De peger på den samme praktiske situation: AI er kommet ind gennem medarbejdernes hverdag, mens de fælles rammer kommer senere. ## Et kursus kan åbne døren Djøfs tal støtter, at kompetenceudvikling hjælper. 41 procent af dem, der havde deltaget, oplevede at have de nødvendige kompetencer. Det samme gjaldt 29 procent blandt dem, der ikke havde deltaget. Medarbejderne efterspørger også selv mere læring. Ledelsen skal bare vide, hvad kurset skal sætte i gang bagefter. Hvis en jurist lærer at få et bedre første udkast, ændrer det måske tiden til skrivning. Nogen skal fortsat kontrollere kilder, vurdere juraen og stå på mål for konklusionen. Hvis AI gør det muligt at producere dobbelt så mange udkast, kan køen flytte sig til den person, der skal læse og godkende dem. Et kursus må derfor følges af en aftale om arbejdet: - Hvilke opgaver må medarbejderen bruge AI til? - Hvilke oplysninger må modellen se? - Hvilke fejl kan få alvorlige følger? - Hvem kontrollerer resultatet, og hvad skal kontrollen bestå af? - Hvor gemmer vi en metode, som andre bør kunne bruge? Det er almindelige spørgsmål. De skal besvares tæt på det konkrete arbejde, fordi et generelt regelsæt sjældent kan kende forskel på et ufarligt mødeudkast og en vurdering, der påvirker et menneskes rettigheder. ## Privat dygtighed bliver ikke automatisk fælles kunnen Jeg arbejder selv med flere digitale kolleger, som har forskellige roller, viden og grænser. Modellerne kan allerede skrive godt. Resultatet bliver først stabilt, når rollen og afleveringen er tydelig. En digital kollega, der researcher, skal vide, hvilke kilder den må bruge, og hvordan usikkerhed skal vises. Den, der skriver, skal kende de holdninger og erfaringer, teksten må bygge på. Et menneske skal kunne se grundlaget og tage over. Når vi retter en fejl, skal rettelsen kunne forbedre næste opgave. En medarbejder i en chatboks kan sagtens være dygtig. Organisationen lærer først noget, når arbejdsformen kan ses, prøves igen og forbedres. Det kræver ikke overvågning af alle prompts. Det kræver, at man følger et lille antal rigtige opgaver fra start til slut. ## Start med ét stykke arbejde Vælg en opgave, som flere mennesker allerede bruger AI til. Det kan være at forberede en sag, opsummere et dokument, svare på en bestemt type henvendelse eller lave første udkast til en analyse. Beskriv resultatet før værktøjet: Hvad skal være hurtigere eller bedre? Hvilke fejl må ikke slippe igennem? Hvor lang tid bruger mennesker i dag på arbejdet, kontrollen og rettelserne? Kør derefter en kort afprøvning og mål hele forløbet. Et hurtigere udkast tæller kun som en gevinst, hvis resten af arbejdet også bliver bedre. 87 procent er et stærkt tegn på nysgerrighed og praktisk brug. Det er ikke et mål for, hvor meget organisationen har lært. Den forskel er et godt sted for ledelsen at begynde. [AI på arbejdspladsen](/emner/ai-paa-arbejdspladsen) Skrivning, informationssøgning, analyse, faglig sparring, kvalitetssikring og de beslutninger der følger efter et AI-udkast. Afgøre hvordan medarbejdernes AI-brug bliver til fælles læring og bedre arbejde. - [Djøfs analysenotat: Fra AI-brug til AI-gevinster](https://www.djoef.dk/-/media/documents/a/analyser/analysenotat--brug-og-kompetencer-juni-2026.pdf) - [Ipsos: AI på arbejdspladsen i Danmark 2026](https://www.ipsos.com/da-dk/den-ujaevne-transition-ai-pa-arbejdspladsen-i-danmark-2026)