Jeg fik ansvaret for AI, men der fandtes ingen mappe, der hed “Sådan gør vi”

I artiklen 11 afsnit

1. Hvad sker der, når AI kommer ind lidt efter lidt?
2. Hvilke spørgsmål melder sig, når du får ansvaret?
3. Hvad sker der, hvis du ikke gør noget?
4. Hvor bruger I AI i dag? En øvelse til én eftermiddag
5. Hvad skal du som minimum vide om hvert AI-system?
6. Min model: Find, beskriv, vurdér, godkend, hold ved lige
7. Hvad svarer du, når en kunde spørger, hvordan I bruger AI på deres data?
8. Hvad hvis en kunde vil auditere jer, eller en myndighed spørger?
9. Hvad vil ledelsen have styr på?
10. Hvad kan du gøre i morgen?
11. Ofte stillede spørgsmål

Hvad sker der, når AI kommer ind lidt efter lidt?

Da jeg startede som Business Process Senior Manager i en nordjysk virksomhed med over 500 medarbejdere, fik jeg ret hurtigt ansvaret for AI generelt i virksomheden. Det lyder måske som en fed opgave. Det var det også. Men der var ét problem: Der fandtes ingen manual, der fortalte, hvilke oplysninger vi skulle gemme om et AI-system, hvem der skulle godkende det, hvordan leverandører skulle vurderes, eller hvad vi skulle kunne dokumentere, hvis en kunde eller myndighed en dag stillede spørgsmål.

Jeg sad også med compliance generelt, blandt andet gennem ComplyCloud. Men det, jeg oplevede, var, at vi ikke konkret kunne gøre os compliant i forhold til AI blot ved at uploade vores AI-politik. En politik beskriver, hvordan I vil gøre. Den fortæller ikke, hvilke systemer I faktisk bruger, hvilke data der indgår, og hvem der har besluttet hvad. Det er min egen erfaring, og andre kan opleve det anderledes.

Samtidig gik udviklingen vanvittigt hurtigt. Medarbejdere ville bruge ChatGPT og andre AI-værktøjer. Vi undersøgte egne AI-løsninger. Der var muligheder inden for kundeservice, voice, chat, analyse, coaching og automatisering, og leverandørerne talte naturligvis om alle mulighederne.

Det gik op for mig, at udfordringen med AI i virksomheder sjældent kun handler om teknologien. Den handler om overblik. For AI dukker ikke nødvendigvis op som ét stort projekt med et projektteam og en projektplan. Det kommer ind lidt efter lidt:

• Et abonnement her.
• En funktion i et eksisterende system dér.
• En medarbejder, der begynder at bruge et værktøj.
• En afdeling, der tester noget nyt.
• En leverandør, der pludselig har tilføjet AI til sit produkt.

Og en dag sidder nogen med ansvaret og opdager: “Jeg ved faktisk ikke præcist, hvor vi bruger AI længere.” Jeg var den person.

Dengang ville jeg ønske, at der fandtes ét sted, hvor jeg kunne samle det hele: systemerne, dataene, leverandørerne, ejerne og beslutningerne, så svaret ikke kun lå i mit hoved og i en stak regneark. Det savn er en stor del af grunden til, at jeg har udviklet SPOR. Hvis du kan genkende bare noget af det ovenstående, er artiklen skrevet til dig.

Hvilke spørgsmål melder sig, når du får ansvaret?

Når du får ansvaret for AI, melder tolv spørgsmål sig hurtigt, og de falder i seks grupper. Når spørgsmålene er sorteret, er det lettere at se, hvad du skal skaffe svar på:

Ingen af spørgsmålene kræver, at du er jurist eller udvikler. De kræver, at nogen har skrevet svarene ned ét sted. Det er den opgave, der oftest mangler en ejer.

Hvad sker der, hvis du ikke gør noget?

Hvis ingen samler overblikket, sker der sjældent noget dramatisk på én dag. Problemerne vokser stille i hverdagen:

• Svaret afhænger af, hvem du spørger. Spørger ledelsen, hvor I bruger AI, får den forskellige svar fra forskellige afdelinger.
• Kunden får “det vender jeg tilbage på”. Spørger en kunde, hvordan I behandler deres data i AI-værktøjer, skal svaret samles fra bunden hver gang.
• Viden sidder hos én person. Hvis den person stopper, forsvinder overblikket med.
• Leverandører ændrer noget uden, at nogen ser det. Et system, I bruger i dag, kan få en ny AI-funktion i morgen.
• Beslutninger bliver ikke skrevet ned. Så kan ingen bagefter forklare, hvorfor et system blev valgt, og hvem der sagde ja.

Det er ikke kun din oplevelse. I 2025 brugte 42 % af de danske virksomheder med mindst 10 ansatte i de private, ikke-finansielle byerhverv AI. I 2023 var det 15 % (Digitaliseringsstyrelsen og Danmarks Statistik, faktaark september 2025). I en undersøgelse blandt danske SMV'er fra CAISA, det nationale center for AI i samfundet, svarede kun 26 %, at roller og ansvar i arbejdet med AI er klart defineret (CAISA, december 2025). Brugen vokser altså hurtigere end styringen.

Hvor bruger I AI i dag? En øvelse til én eftermiddag

Den hurtigste vej til overblik er at lede efter AI de fem steder, hvor det kommer ind. Sæt en eftermiddag af, og spørg efter følgende:

Spørg folk kort og uden løftet pegefinger: Hvilke AI-værktøjer bruger du, og til hvad? Formålet er et ærligt billede og ikke at finde syndere. Den fulde fremgangsmåde står i Sådan får I overblik over jeres AI-brug.

Hvad skal du som minimum vide om hvert AI-system?

For hvert AI-system bør du som minimum kende otte ting, og de svarer direkte på de tolv spørgsmål ovenfor. Skriv dem i et regneark, hvis du ikke har andet. Det vigtige er, at alle systemer beskrives på samme måde:

Hvis du ikke kender svaret på et felt, så skriv “ukendt” og giv nogen opgaven at finde det. Et “ukendt” er mere værd end et tomt felt, fordi det viser, hvad der mangler. Hvad et AI-register skal indeholde, står uddybet i Hvad skal et AI-register indeholde?, og ejerskab behandles i Hvem ejer AI-systemet?.

Min model: Find, beskriv, vurdér, godkend, hold ved lige

Min model er fem trin i fast rækkefølge, og hvert trin svarer på et spørgsmål, som ledelsen eller en kunde før eller siden stiller. Modellen er en struktur og ikke en garanti for, at I opfylder bestemte krav:

Rækkefølgen er vigtig. Mange starter med at vurdere et enkelt værktøj grundigt, før de ved, hvilke værktøjer de har. Så bliver der brugt tid på det forkerte. Det er også derfor, jeg ville starte med de to første trin og først derefter tage fat på resten.

Hvad svarer du, når en kunde spørger, hvordan I bruger AI på deres data?

Du kan svare roligt, når du kender fire ting: hvilke AI-systemer der berører kundens data, hvad de bruges til, hvor data behandles, og hvem hos jer der er ansvarlig. Det er de fire svar, kunden i praksis leder efter. Har du udfyldt de otte felter, ligger de allerede i dit overblik.

Hvad du må og skal sige til en kunde, afhænger af jeres aftale og af, om der indgår persondata. Det er ikke juridisk rådgivning, og det kan kræve et kig fra en jurist. Se også Skal vi fortælle kunderne, når vi bruger AI?, ChatGPT og GDPR og et skabelonsvar i Hvad svarer I, når en kunde spørger, hvordan I bruger AI på deres data?.

Hvad hvis en kunde vil auditere jer, eller en myndighed spørger?

Hvis en kunde vil auditere jer, eller en myndighed spørger til jeres AI, er det samme overblik det bedste udgangspunkt, fordi det viser, hvad I bruger, hvem der er ansvarlig, og hvad I har besluttet. En kundeaudit begynder ofte med et spørgeskema og en anmodning om dokumentation, og kunden kan bruge en ekstern rådgivningsvirksomhed. Hvad kunden kan kræve, afhænger af jeres aftale. Jeg er ikke jurist eller revisor, og overblikket er ikke et bevis for, at I opfylder bestemte krav. Forløbet og dokumentationsmappen står i Hvad gør vi, hvis en kunde vil auditere vores brug af AI?.

Til at forstå, hvad der gælder for jeres brug, kan du starte her: kravet om AI-færdigheder, hvornår brug af AI er højrisiko og hvem der hjælper med, hvad I må.

Hvad vil ledelsen have styr på?

Min anbefaling er, at du aftaler med ledelsen, at styr på AI betyder fire ting: at I ved, hvor AI bruges, hvem der ejer det, hvilke data der indgår, og hvad næste skridt er. Det er et mål, du kan nå, uden at det bliver et tungt projekt. Ledelsen ved typisk godt, at AI er vigtigt, og at det tager tid. Det, ledelsen har brug for, er en tydelig afgrænsning af, hvad “styr” er, og hvornår I er der.

Fortæl ledelsen, hvad du ved, hvad du endnu ikke ved, og hvornår du kommer tilbage med et overblik. En enkel status er mere troværdig end et stort framework, der aldrig bliver færdigt. Hvordan et enkelt setup ser ud, kan du se i AI governance for små og mellemstore virksomheder. Hvordan du gør “styr” konkret og får tid og mandat, står i Ledelsen vil have styr på AI: hvad betyder det, og hvordan får du tid til det?.

Hvad kan du gøre i morgen?

Du kan tage de første skridt i morgen, uden budget og uden nyt værktøj:

1. Sæt en eftermiddag af og find AI på de fem steder.
2. Opret et regneark med de otte felter, og udfyld det for de systemer, du finder. Skriv “ukendt”, hvor du mangler svar.
3. Aftal med ledelsen, hvem der godkender nye AI-systemer, og hvornår listen gennemgås igen.

Når svarene begynder at komme ind, dukker de næste spørgsmål op: Hvem ejer hver anvendelse? Hvilke data bruger den? Hvornår blev den sidst vurderet? Og hvad gør I, når en leverandør ændrer sine vilkår, eller et system får en ny AI-funktion? Første gang kan et regneark klare det. Det svære er at holde svarene opdaterede, når listen vokser, og flere skal bidrage. Det er netop derfor, jeg har udviklet SPOR, hvor jeg har samlet det, jeg selv savnede dengang: et register over software, AI-værktøjer og egne løsninger med formål, ansvarlig og aftaler, hvor mangler bliver til opgaver med en ansvarlig og en frist. Du dokumenterer én gang og bruger det mange steder, når ledelsen, en kunde eller en myndighed spørger. SPOR afgør ikke, om jeres brug er i orden. Det giver jer et fast sted at holde overblikket og følge op.

Kort sagt: Når du får ansvaret for AI uden en manual, er du ikke bagud, fordi du mangler et framework. Du er bagud, hvis ingen ved, hvor AI bruges. Find det, beskriv det ens, og giv hvert system en ejer.

Ofte stillede spørgsmål

Hvor starter jeg, når jeg får ansvaret for AI i virksomheden?

Start med at finde ud af, hvor AI allerede bruges, ikke med et framework eller en politik. Led efter AI i abonnementer, i eksisterende systemer, hos medarbejderne, i afdelingernes forsøg og hos leverandørerne. Beskriv derefter hvert system med de samme felter og giv det en ejer.

Skal vi have et AI-governance framework, før vi går i gang?

Nej. Et overblik giver det bedste grundlag, fordi et framework så kan handle om det, I faktisk gør. Start med overblikket og skriv derefter en kort AI-politik om, hvordan nye anvendelser besluttes.

Hvem skal godkende et nyt AI-system?

Det er virksomhedens eget valg. Min anbefaling er, at ejeren i det team, der skal bruge systemet, godkender det sammen med én person, der kender data og krav, og at beslutningen skrives ned. Det kan indgå i en kort AI-politik.

Hvad gør jeg, når en leverandør tilføjer AI til et system, vi allerede bruger?

Behandl det som en ny anvendelse: Tilføj en linje i overblikket, tjek, hvilke data funktionen bruger, og om leverandøren bruger dem til træning, og lad ejeren beslutte, om funktionen skal bruges. Aftal et fast tjek af leverandørernes nyheder, fx hvert halve år.

Artiklen er generel vejledning og ikke juridisk rådgivning. Udgivet 4. oktober 2026.