Diabetesforeningens erfaring med at udbrede AI

Hvor skal du begynde, når du vil udbrede AI?

Begynd med ildsjælene, ikke med en ledelsesbeslutning. Uden ildsjæle sker der ikke noget. Der skal være nogen, der er first movers og trækker det ind i organisationen. Det er fint, hvis ildsjælen sidder i ledelseslaget, men udbredelsen må ikke være en ren ledelsesbeslutning. Det værste, du kan gøre, er, at en leder har hørt, at AI er det nye, og så melder ud, at nu skal alle bare bruge AI. Der skal være mening med galskaben.

Dennis Skyum har hørt om virksomheder, der har fået besked på, at nu skal medarbejderne vibecode, og at de ikke længere må skrive kode selv. Det er en af de mest sindssyge tilgange, man kan vælge. AI skal ikke gennemtvinges med vold og magt.

Hvordan organiserer du AI-indsatsen?

Diabetesforeningen organiserer AI-indsatsen i fire lag: ledelse, drift, vidensdeling og ambassadører.

Det første er ledelseslaget, hvor strategien bliver forankret. Det andet er det operationelle lag i IT og digitalisering, som stiller værktøjerne til rådighed og sørger for, at folk ved, hvordan de bruger dem. Det tredje er et vidensdelingslag, hvor ildsjælene mødes helt uformelt, spiser frokost sammen og deler, hvad de har lavet, hvad de har hørt, og hvad de er i tvivl om. Det fjerde lag er AI-ambassadører i de enkelte afdelinger, som både får AI ud i afdelingerne og samler input op til det strategiske og operationelle niveau.

AI-strategien er lagt, men den er et ledelsesværktøj og ikke noget, den enkelte medarbejder engagerer sig i. Derfor er næste skridt at komme ud i afdelingerne. Foreningen forbereder et initiativ, hvor IT og digitalisering kommer ud og inspirerer folk til, hvad de kan bruge AI til, og i lige så høj grad hvad de ikke skal bruge det til.

Kan gevinsten ved AI måles?

Nej, gevinsten er svær at måle præcist. Diabetesforeningen er ikke en konsulentvirksomhed og har ikke tidsregistrering, så den reelle besparelse er ikke til at aflæse direkte. Som pejlemærke læner foreningen sig op ad en undersøgelse fra The Federal Reserve, der viser, at en medarbejder på den lave side sparer en til to timer om ugen ved at bruge AI. Andre undersøgelser når helt op på 17 timer, men så højt ligger det næppe her.

Gevinsten hænger sammen med, hvor moden brugeren bliver. I starten sparer man et par timer. Længere henne kan billedet ligne det, en kollega hos Microsoft beskriver: han sætter tre agenter i gang med at producere output fra møder, går ind i et nyt møde, og når han er færdig, er agenterne også færdige. Så bliver gevinsten pludselig meget større.

Skal du bygge en løsning med AI eller købe et system?

Byg selv, når det drejer sig om de små løsninger, du ellers ville købe med licenser og supportaftaler. Diabetesforeningen ville være bedre til at styre sine kontrakter og undersøgte, hvad et kontraktstyringssystem koster. Licenserne var dyre, så i stedet beskrev Dennis Skyum behovet for Claude og bad den skrive en løsningsbeskrivelse. Efter cirka to timers sparring og to dages arbejde havde foreningen sit eget kontraktsystem.

Kontraktsystemet hostes nu i Azure for måske 280 kroner om året, mod de 20.000 kroner et købt system ville have kostet. Det virker, fordi Claude Code kan behandles som en juniorudvikler med ADHD. Den er meget fokuseret. Giver du den klare rammer og en løsningsbeskrivelse, kan du sætte den i gang, gå din vej og komme tilbage et par timer senere til et resultat.

Hvem har ansvaret, når medarbejdere bygger med AI?

En arkitekt skal altid være til stede og tage ansvaret. En løsning som kontraktsystemet bliver bygget i IT og digitalisering, ikke af den enkelte medarbejder. Diabetesforeningen har en politik om, at der skal være en arkitekt til stede, nogen der tænker det store billede og kan stå inde for den tech stack, der bliver brugt.

Andre kalder det at have en voksen til stede. Pointen er, at nogen skal tage ansvaret. Lægger du ansvaret ud til brugeren, ender det med, at brugeren forventer, at Claude eller ChatGPT tager ansvaret. Og en model er kun så god som det input, den får. Forstår du ikke at formulere, hvad for en løsning du skal have, hvilke sikkerhedskrav der er, og hvor den kan deployes, så kommer du ikke særlig langt.

Hvor meget forandringsledelse kræver det?

Det afhænger af organisationen, og hos Diabetesforeningen er behovet lille, fordi adoptionen allerede er stor. Folk bruger AI, også privat, så den barriere, man kan finde andre steder, er der ikke. Opgaven er mere at forklare folk, at det er okay at bruge AI. Du må gerne sige, at du har brugt AI til noget, du er stolt af. Det er ikke noget at udskamme.

Når man skal vælge de rette projekter, er det oplagt at lytte til dem, der skal udføre arbejdet, for de bruger AI til daglig og ved, hvor det giver mening. Nogle gange er svaret, at AI ikke passer til opgaven, og så må man acceptere det.

Ledelsen hos Diabetesforeningen er gået helhjertet ind i AI, men uden at gennemtvinge det. Foreningen har brugt op mod et halvt år på at finde retningen og tager det støt og roligt. Meget af arbejdet på kontoret er også den type opgaver, hvor AI er en oplagt sparringspartner. Andre steder ser det anderledes ud. En skolelærer bruger måske AI til at tjekke, om en elev selv har skrevet en aflevering, og det giver ingen mening at sætte Claude Code op med en GitHub-repository og en lokal server til den slags. Folk er vidt forskellige steder på rejsen, og de skal have lov at bruge AI der, hvor det giver mening for dem.

Hvordan flytter du medarbejderne videre end AI-chat?

Der er to steder at starte: stil værktøjerne til rådighed, og uddan folk. Det første handler om shadow IT. Selvom du ikke vil have, at medarbejderne bruger AI, så bruger de det alligevel, bare med deres egen private ChatGPT. Du kommer ikke uden om det. Lav i stedet en enterprise-løsning med enten OpenAI eller Anthropic, og sørg for, at data ikke bliver brugt til træning. Man skal dog stadig ikke lægge personfølsomme data op i en AI-cloud.

Det andet er uddannelse. Mange spørger, hvordan de overhovedet kommer i gang. Når du logger ind, er der Claude Design, Claude Code, Artifacts og meget mere, og det er overvældende. Giv folk et godt afsæt med at uddanne dem. Har du ikke kompetencerne internt, så find nogen udefra.

Det er også vigtigt ikke at tale hen over hovedet på folk. Når nogen siger “brug bare Claude Code”, er det ikke oplagt for en, der aldrig har prøvet det, hvordan man forbinder til en folder eller sætter et login op. Der er en opsætningsrejse, som mange har brug for hjælp til. Bare fordi nogle af os har sat os forrest i toget og bruger vores aftener på det, kan vi ikke antage, at det gælder for alle.

For den almindelige kontormedarbejder er det ofte Claude Cowork snarere end Claude Code, der er oplagt. Et PowerPoint-add-in kan for eksempel bygge udkastet til en præsentation ud fra en løsningsbeskrivelse og en template, så du kommer 80 procent af vejen og kun bruger tid på de sidste 20.

Er AI intelligent?

Nej, AI er ikke intelligent, den er en forudsigelsesmotor. Den gætter, hvilket ord der skal komme efter det forrige. Den tænker ikke, den er bare god til at lade som om. AI er ikke magi, selvom både A og I indgår i ordet. Det er genkendelse af mønstre og anvendelse af den genkendelse.

Det hjælper også at forstå, hvordan en prompt virker. Når du skriver besked nummer 81 i en samtale, læser modellen hele vejen tilbage til den første besked og tager hele konteksten med. Det er også derfor, tokens koster: jo længere samtalen bliver, jo flere tokens bruger den.

Medarbejderne skal gøres bevidste om, at tokens eksisterer. Det balancerer på en knivsæg, for du vil ikke dræbe lysten til at bruge AI, men du vil heller ikke opfordre til at bruge det til alting. Der er en omkostning, ikke kun i de tokens, der koster penge, men også i et datacenter, der tærer på strøm og vand.

Hvordan beskytter du følsomme data, når medarbejdere bruger AI?

Beskyt følsomme data med strikse regler for, hvad der må forbindes til AI, og styr det fra IT-afdelingen. Diabetesforeningen behandler helbredsdata og har derfor strikse regler. Med de nye MCP-servere kan man give AI adgang til for eksempel et CRM-system, men så skal man være meget bevidst om, hvad den får adgang til. Den slags styres i IT-afdelingen, ikke af den enkelte medarbejder.

Der er en vigtig mellemregning her. En agent logger ind i systemerne som den medarbejder, den arbejder på vegne af, og kan aldrig give adgang til noget, medarbejderen ikke selv må se. Men selvom du gerne må se helbredsdata, når du logger ind, er det ikke sikkert, du vil have, at AI som mellemled ser dem. Data kan i værste fald ende med at blive brugt til træning. Diabetesforeningen tager ikke chancen for, at medlemmers data pludselig ligger på en AWS-server i North Carolina.

Det kan du ikke løse med roller og rettigheder i forretningssystemerne alene. Du skal have en strategi. Rent lavpraktisk har foreningen skrevet en instruks, som medarbejderne selv sætter ind i hukommelsen i Claude og ChatGPT. Den siger, hvad der er forbudt at gøre med AI, og beder modellen afbryde og informere brugeren, hvis den ser noget af det. Det bygger på tillid til medarbejderne, for man kan ikke overstyre hukommelsen centralt endnu. Værktøjerne er ikke modne nok til, at man med et enkelt tryk kan rulle sikkerhed ud til alle. Men Anthropic er begyndt at fokusere på enterprise-organisationer, blandt andet med mulighed for at pege AI ned i intranettet og samle information ét sted.

Ofte stillede spørgsmål

Hvordan får du medarbejderne til at bruge AI?

Start med ildsjælene og gør det ikke til en ren ledelsesbeslutning. Der skal være mening med galskaben, og AI må ikke gennemtvinges med vold og magt. Hos Diabetesforeningen bruger halvdelen af medarbejderne allerede AI hver dag.

Hvad er de fire lag i Diabetesforeningens AI-organisation?

De fire lag er et ledelseslag med strategi, et operationelt lag i IT og digitalisering, et uformelt vidensdelingslag med ildsjæle over frokost og AI-ambassadører i de enkelte afdelinger.

Kan man spare penge med AI?

Ja. Diabetesforeningen byggede sit eget kontraktsystem med Claude på cirka to dage i stedet for at købe et system til 20.000 kroner. Det hostes nu i Azure for omkring 280 kroner om året.

Er det sikkert at bruge AI med helbredsdata?

Kun med strikse regler og styring fra IT-afdelingen. En agent logger ind som medarbejderen og kan ikke se mere, end medarbejderen må, men Diabetesforeningen vil ikke risikere, at medlemmers data ender på en ekstern server. Foreningen bruger en instruks i AI’ens hukommelse, der forbyder bestemt brug.

Hvad er forskellen på Claude Code og Claude Cowork?

Claude Code er til udvikling og passer til IT-folk, mens Claude Cowork er mere oplagt for den almindelige kontormedarbejder. Et PowerPoint-add-in kan for eksempel bygge udkastet til en præsentation, så du kommer 80 procent af vejen.

Det gode råd

Der sker meget, og en video som denne er sikkert forældet om et halvt år. Men rådet holder. Start med ildsjælene. Grib det an på en semi-formaliseret måde, så indsatsen er koordineret. Kom ud og få folk i gang. Og find balancen: Lad være med at gennemtvinge det, opfordr til at bruge det, og klæd folk godt på.