---
title: "AI-implementering trin for trin"
url: "https://mikkeltschentscher.dk/services/ai/ai-implementering"
language: "da"
updated: "2026-11-01"
---

# AI-implementering trin for trin

AI-implementering handler om at få kunstig intelligens ind i den måde, arbejdet faktisk bliver udført på, og det er sjældent teknikken, der er den svære del. Jeg begynder med ét område, måler effekten og udvider kun, hvis tallene holder. Efter 400+ projekter ved jeg, hvor det typisk knækker.

[Få et tilbud](https://mikkeltschentscher.dk/services/ai/ai-implementering#inquiry "Lad os tage en uforpligtende snak")[+45 22 51 31 79](tel:+4522513179 "Ring til Mikkel Tschentscher på +45 22 51 31 79")

-   Få svar samme dag
-   Få en fast pris på din opgave

![Mikkel Tschentscher](https://mikkeltschentscher.dk/images/derived/speaking.ae4c8c8ab739.png)

stjernede anmeldelser

[Læs alle anmeldelser](https://mikkeltschentscher.dk/anmeldelser)

-   Dedikeret og dygtig som ingen anden
    
    > Aldrig før har jeg oplevet en så dedikeret og dygtig udvikler som Mikkel.
    
    Jonas Krogslund
    
-   Hjælpsom og lynhurtig til at svare
    
    > Mikkel er kanon dygtig, hjælpsom, lynhurtig til at svare og så er han ovenikøbet sød. Jeg kan varmt anbefale Mikkel til andre..
    
    Trine Handskemager
    
-   Hurtigt og problemfrit forløb
    
    > Mikkel har leveret en kompetent og professionel ydelse i forbindelse med etablering af mit website. Alting er forløbet hurtigt og problemfrit.
    
    Sisse Find
    

## AI-implementering

### Sådan griber jeg det an

Første skridt er at finde det arbejde, der bliver gjort mange gange om ugen, følger et fast mønster og irriterer dem, der laver det. Der ligger den første gevinst næsten altid, og der gider folk også tage løsningen til sig.

Dernæst måler vi, hvor lang tid opgaven tager i dag. Uden det tal kan ingen bagefter afgøre, om noget blev bedre, og så ender diskussionen som én fornemmelse mod en anden.

### Hvor AI typisk bliver taget i brug

-   Kundeservice: hurtigere svar ved at genbruge viden fra tidligere sager og udkast, der kun skal rettes til.
-   Dokumenthåndtering: resuméer og udtræk fra lange dokumenter, tilbud og kontrakter.
-   Interne værktøjer: opslag i håndbøger, procedurer og produktdata uden at skulle spørge en kollega.
-   Integration med eksisterende systemer: AI-funktioner inde i de programmer, folk bruger i forvejen, frem for en ny fane ved siden af.

### Retningslinjer og medarbejdere

Mange virksomheder har enten ingen retningslinjer for AI eller et notat, ingen har læst. Begge dele ender med, at folk bruger AI alligevel, bare uden at det er aftalt.

Jeg hjælper med at skrive noget kort og brugbart: hvad der må lægges ind hvor, hvad der skal tjekkes efter, og hvem man spørger. To sider, folk faktisk læser, slår tyve på intranettet.

### Sådan implementerer I AI trin for trin

-   Vælg én konkret opgave: noget, der sker mange gange om ugen og følger et fast mønster. Mål, hvor lang tid det tager i dag.
-   Tjek data: de data, løsningen skal bruge, skal kunne hentes og være til at stole på. Ellers bliver oprydningen en del af planen.
-   Afprøv på rigtige eksempler: en pilot på jeres egne sager viser, hvad løsningen kan, før nogen skal stole på den i det daglige.
-   Aftal, hvornår et menneske tager over: hvad AI må klare selv, og hvad der altid skal tjekkes efter.
-   Byg det ind i hverdagen: løsningen skal ligge i de systemer, folk allerede arbejder i, ikke i en ny fane ved siden af.
-   Lær medarbejderne op: en kort gennemgang af løsningen og retningslinjer på to sider, som folk faktisk læser.
-   Mål og justér: sammenlign med udgangspunktet, og ret til der, hvor det halter. Sørg for, at nogen ejer løsningen efter lanceringen, og lad tallene afgøre, om der skal mere til.

### Hvad er AI-implementering?

AI-implementering er arbejdet med at gå fra at have adgang til AI til at bruge det i den daglige drift. Det dækker valget af det rigtige første område, integration i de systemer medarbejderne allerede arbejder i, oplæring, retningslinjer og en måling af, om indsatsen faktisk gav noget. Værktøjerne findes; implementeringen er at få dem til at gøre nytte hos netop jer.

Behovet findes i de fleste virksomheder, der har købt adgang til ChatGPT, Copilot eller lignende og kan konstatere, at brugen er tilfældig og ujævnt fordelt. Nogle medarbejdere sparer timer, andre rører det aldrig, og ingen ved hvad det samlet set betyder. Der er implementering forskellen på et abonnement og en gevinst.

En implementeringspartner, der selv kan bygge, gør en praktisk forskel. Når det viser sig, at gevinsten kræver en integration til jeres fagsystem eller et lille internt værktøj, skriver jeg det selv i stedet for at sende opgaven videre. Jeg har været udvikler siden 2010, og det er den baggrund, rådgivningen står på.

Konkret starter jeg med samtaler hos dem, der sidder med opgaverne til daglig, finder ét område med volumen og mønster, og sætter en løsning i drift på uger. Derefter beslutter vi på baggrund af tallene, om der skal mere til. I ejer alt, hvad der bliver lavet undervejs, inklusive prompts og opsætning.

### AI-strategi: fra idéliste til prioriteret plan

En AI-strategi behøver ikke være et langt dokument. For de fleste virksomheder, der vil implementere AI, er den mest brugbare udgave en prioriteret liste: hvilke opgaver I vil bruge AI til, i hvilken rækkefølge, og hvad I bevidst lader ligge. Den lange version med visioner og pejlemærker bliver sjældent læst, mens en liste på én side kan bruges til at træffe beslutninger hver måned.

Idélisten kommer fra samtaler med dem, der laver arbejdet, ikke fra en brainstorm i ledelsen. Hver idé vurderes på de samme få spørgsmål: Hvor tit sker opgaven, og hvor lang tid tager den? Findes de data, løsningen skal bruge, og kan de hentes? Hvad koster en fejl? Og er der nogen, der vil eje løsningen bagefter? Det giver en vurdering af hver idé, som kan sammenlignes på tværs af afdelinger.

Øverst på listen havner typisk en opgave med høj volumen, data, der er til at få fat i, og små konsekvenser ved fejl. Den bliver jeres første projekt, og resten venter, til tallene fra det første er gjort op. Planen bør tages op igen et par gange om året, fordi både jeres behov og værktøjerne ændrer sig, og en idé, der var for svær sidste år, kan være lige til i dag.

### AI-kompetencer og forandringsledelse

Siden 2. februar 2025 har EU's AI-forordning krævet, at virksomheder, der bruger AI i arbejdet, gør en indsats for, at medarbejderne har tilstrækkelige AI-kompetencer. Kravet står i artikel 4 og gælder også helt almindelige værktøjer som ChatGPT og Copilot. Hvad der er tilstrækkeligt, afhænger af den enkeltes rolle og af, hvad værktøjerne bruges til, men kernen er den samme: folk skal vide, hvad værktøjerne kan, hvor de tager fejl, og hvad der må lægges ind i dem.

I praksis er kompetencer ikke noget, man klarer med ét kursus. Det, der virker, er oplæring i de opgaver, folk faktisk sidder med, en eller to AI-ambassadører i hvert team, som kollegerne kan spørge, og en ledelse, der selv bruger værktøjerne. Ambassadørerne er ikke eksperter, men kolleger, der er kommet lidt længere og gerne viser de andre, hvordan de gør. Oplæringen kan jeg stå for som en del af implementeringen eller som en AI-workshop for hele teamet.

Den del, der oftest bliver sprunget over, er samtalen om, hvad den tid, AI frigør, skal bruges til. Siger ingen det højt, gætter medarbejderne selv, og gættet er sjældent positivt. Sig det tidligt og konkret: hvilke opgaver forsvinder, hvad skal folk lave i stedet, og hvem kan man gå til med bekymringer. Det er forandringsledelse i sin enkleste form, og det betyder mere for, om løsningen bliver brugt, end selve teknikken.

### Sådan måler I effekten af AI

Udgangspunktet er det tal, I målte, før løsningen kom: hvor lang tid opgaven tager, og hvor tit den sker. Bagefter måler I det samme på samme måde, gerne over nogle uger, så en enkelt travl eller stille uge ikke afgør det. Husk at tælle den tid med, medarbejderne bruger på at kontrollere og rette AI'ens arbejde. Den forsvinder let ud af regnestykket og kan æde en stor del af gevinsten.

Tid er sjældent det eneste, der flytter sig. Hold også øje med fejlraten, altså hvor mange sager der skal rettes eller sendes retur, med svartiden over for kunderne og, hvor det giver mening, med kundetilfredsheden. En løsning, der sparer lidt tid, men halverer antallet af fejl, kan være mere værd end en, der sparer meget tid og laver nye fejl.

Mål til sidst, om løsningen bliver brugt. Hvor mange bruger den hver uge, og falder brugen efter de første par uger? Lav brug er det tidligste tegn på, at noget er galt, typisk at løsningen ligger det forkerte sted eller ikke er god nok endnu. Tallene samler jeg i en kort opgørelse, så beslutningen om at udvide bygger på resultater frem for fornemmelser.

### AI-implementering for virksomheder i hele Danmark

Implementering handler om mennesker, så jeg kommer gerne ud til jer. Med base i Glostrup er virksomheder i København og omegn nemme at besøge undervejs, og hos kunder i Aarhus, Odense og Aalborg lægger jeg besøgene ved opstart og de store milepæle og klarer resten over video.

Blandingen fungerer godt i praksis: workshops og oplæring virker bedst fysisk, mens opfølgning, justering og det tekniske arbejde kører fint på afstand. Flere af mine kunder har jeg aldrig besøgt mere end to gange.

Typiske forløb er en kundeserviceafdeling, der skal have AI ind i deres svararbejde, et bogholderi der drukner i manuelle indtastninger, eller en virksomhed der har købt licenser og nu vil have styr på brug, retningslinjer og gevinst.

To ting er anderledes end hos et konsulenthus: I får ikke en junior sendt ud efter det første møde, og jeg har ingen platform eller licenser, jeg skal have solgt. Anbefalingerne står alene på, hvad der gavner jer.

### Hvorfor mange AI-projekter går i stå

Teknikken er sjældent årsagen. Modellerne er blevet gode nok til de fleste almindelige opgaver, og det tekniske arbejde er til at overskue. Projekterne dør et andet sted.

Den hyppigste årsag er, at løsningen ligger uden for de systemer, folk arbejder i til daglig. En ny fane, man skal huske at åbne, bliver ikke åbnet. Efter fjorten dage er brugen faldet til de tre entusiaster, der var med til at bygge den. Ikke af modvilje. Ingen har plads i hovedet til én ting mere.

Den næsthyppigste er, at ingen ejer projektet efter lanceringen. Projektgruppen opløses ved go-live, virkeligheden ændrer sig med nye produkter og nye regler, og der er ingen til at justere. Kvaliteten falder langsomt, folk holder op med at stole på løsningen, og så er den reelt død.

Den tredje er forventninger. Blev piloten solgt internt som noget, der skulle halvere en afdelings arbejdsbyrde, føles en forbedring på tyve procent som et nederlag, selvom tyve procent er rigtig meget. Jeg får forventningerne skrevet ned inden start, netop fordi de ellers vokser af sig selv.

## Det får du

Konkrete leverancer, ikke en rapport med anbefalinger nogen andre skal nå at udføre.

-   Kortlægning
    
    En oversigt over hvor i huset der reelt er noget at hente, baseret på samtaler med dem der laver arbejdet.
    
-   Målt udgangspunkt
    
    Et tal for hvor lang tid opgaven tager i dag og hvor tit den sker, så effekten kan gøres op bagefter.
    
-   Første løsning i drift
    
    Ét område dækket på fire til seks uger og brugt af rigtige mennesker, ikke en platform der skal kunne alt fra dag ét.
    
-   Retningslinjer
    
    To sider om hvad der må lægges hvor og hvad der skal kontrolleres, korte nok til at blive læst.
    

## Sådan foregår det

Fire trin. Du ved hvad der sker hvornår, og du kan stoppe efter hvert af dem.

1.  01 / 04
    
    ### Udpeg processen
    
    Sammen finder vi det stykke arbejde, der gentager sig ofte nok til, at automatisering kan betale sig. Jo mere afgrænset opgaven er, jo hurtigere kommer den første version i drift.
    
2.  02 / 04
    
    ### Sæt en baseline
    
    Vi noterer, hvor lang tid opgaven tager i dag, hvor ofte den forekommer, og hvor mange fejl der slipper igennem. Uden de tal kan ingen bagefter afgøre, om løsningen var indsatsen værd.
    
3.  03 / 04
    
    ### Byg mod et testsæt
    
    Jeg samler rigtige eksempler fra jeres hverdag og tester hver ændring af prompt og model op imod dem. Det holder kvaliteten stabil, når der senere bliver skruet på løsningen.
    
4.  04 / 04
    
    ### Drift med log og nødstop
    
    Løsningen bliver koblet på jeres eksisterende systemer med fuld logning og en kontakt, der kan slukke den. Jeg dokumenterer opsætningen og lærer en hos jer op i at vedligeholde den.
    

## Brands jeg har arbejdet med

-   ![MT Højgaard Danmark](https://mikkeltschentscher.dk/logos/mt-hoejgaard.svg)
    
-   ![Egmont](https://mikkeltschentscher.dk/logos/egmont.svg)
    
-   ![NNIT](https://mikkeltschentscher.dk/logos/nnit.svg)
    
-   ![Visma](https://mikkeltschentscher.dk/logos/visma.svg)
    
-   ![Lomax](https://mikkeltschentscher.dk/logos/lomax.svg)
    
-   ![Pascal](https://mikkeltschentscher.dk/logos/pascal.svg)
    
-   ![able.](https://mikkeltschentscher.dk/logos/able.svg)
    
-   ![OOONO](https://mikkeltschentscher.dk/logos/ooono.svg)
    
-   ![Novo Nordisk Fonden](https://mikkeltschentscher.dk/logos/novo-nordisk-fonden.svg)
    
-   ![Energii](https://mikkeltschentscher.dk/logos/energii.svg)
    
-   ![Maersk Tankers](https://mikkeltschentscher.dk/logos/maersk-tankers.svg)
    
-   ![Nordkysten Entreprenørfirmaet](https://mikkeltschentscher.dk/logos/nordkysten.svg)
    

## Ofte stillede spørgsmål

Hvad betyder AI-implementering i praksis?

At gå fra at have adgang til AI til at bruge det i det daglige arbejde. Det dækker valg af område, integration i de systemer folk allerede bruger, oplæring og en måling af, om det hjælper. Selve teknologien er sjældent flaskehalsen.

Hvad er AI, og hvordan fungerer det?

AI står for artificial intelligence, på dansk kunstig intelligens. De AI-værktøjer, virksomheder bruger i dag, bygger på sprogmodeller, der er trænet på enorme mængder tekst og derfor kan forstå og formulere sprog, sammenfatte, klassificere og trække oplysninger ud. De tænker ikke, men forudsiger det mest sandsynlige svar, og derfor skal de have de rigtige data og en kontrol, før de bruges til noget, der betyder noget.

Hvordan laver man en AI-strategi?

Man samler idéer fra dem, der laver arbejdet, vurderer hver idé på volumen, tidsforbrug, data og risiko og ender med en prioriteret liste på én side. Det vigtigste er at vælge ét område at starte med og bevidst lade resten vente. En god AI-strategi er kort nok til at blive brugt og bliver taget op igen, når tallene fra det første projekt foreligger.

Hvad koster AI-implementering?

Omfanget afgør prisen. Antallet af arbejdsgange, mængden af dataoprydning og behovet for integrationer og undervisning er de største poster. Fortæl kort hvor I står, så svarer jeg samme dag og giver et konkret tilbud, når rammerne er afklaret.

Hvor store skal vi være, før det giver mening?

Der er ingen nedre grænse på antal ansatte. Det afgørende er, om der findes et stykke arbejde, der gentages tit nok, og det kan en virksomhed med ti ansatte sagtens have.

Kan vi starte med en pilot?

Det er præcis sådan, jeg anbefaler at gøre det. Ét område over fire til seks uger og en reel beslutning bagefter om, hvorvidt der skal mere til. Store platformsprojekter, der skal dække alt fra dag ét, ender næsten altid galt.

Hvordan måler vi, om AI gør en forskel?

Ved at måle opgaven, før løsningen tages i brug, og igen bagefter på samme måde. Tid pr. opgave er det oplagte tal, men fejlrate, svartid og hvor mange der faktisk bruger løsningen, siger mindst lige så meget. Husk at regne den tid med, der går med at kontrollere AI'ens arbejde, ellers ser gevinsten større ud, end den er.

Hvad skal ledelsen tage stilling til?

Ledelsen skal beslutte, hvilket område der kommer først, hvilke værktøjer der er godkendt, og hvilke data der aldrig må bruges. Den skal også udpege en, der ejer løsningen efter lanceringen, og sige åbent, hvad den tid, AI frigør, skal bruges til. Resten kan uddelegeres, men de beslutninger bliver ikke truffet, hvis ledelsen ikke selv tager dem.

Hvad med GDPR og EU's AI-forordning?

Retningslinjerne, vi skriver sammen, tager højde for begge dele: hvad der må lægges ind hvor, og hvordan output kontrolleres. For de fleste almindelige anvendelser er kravene til at overskue. Jeg er ikke jurist og siger til, hvis I bør have en ind over.

Kommer du fysisk ud til virksomheder i hele landet?

Ja, når det giver mening. Implementering involverer mennesker, så jeg prioriterer at møde teamet, især ved opstart. I København og omegn er det nemt, og i Aarhus, Odense eller Aalborg planlægger vi besøgene omkring de vigtige milepæle.

Skal vores data være på plads først?

Ikke det hele. Men de data, den første løsning skal bruge, skal kunne hentes og være nogenlunde til at stole på. Er de ikke det, bliver oprydningen en del af projektet og skal med i tidsplanen frem for at komme som en overraskelse.

Kan vi bruge det, vi allerede betaler for?

Tit ja. Har I Microsoft 365 eller Google Workspace, følger der AI-funktioner med i abonnementet, som dækker en del almindelige behov. Det tjekker jeg, før jeg foreslår at bygge noget nyt.

Dit næste skridt

## Få et tilbud på AI-implementering

Fortæl kort om din opgave. Så vender jeg tilbage med spørgsmål, muligheder og et konkret næste skridt.

![Mikkel Tschentscher](https://mikkeltschentscher.dk/images/derived/speaking.ae4c8c8ab739.png)

### Mikkel Tschentscher

Webudvikler, konsulent og underviser

-   16+ års erfaring
-   Direkte dialog med mig
-   Fra rådgivning til implementering

[+45 22 51 31 79](tel:+4522513179)[hello@mikkeltschentscher.dk](mailto:hello@mikkeltschentscher.dk)

Mikkel Tschentscher ApS · CVR 46886712

stjernede anmeldelser

## Relateret

-   [AI-konsulent](https://mikkeltschentscher.dk/services/ai/ai-konsulent)
-   [AI-automatisering](https://mikkeltschentscher.dk/services/ai/ai-automatisering)
-   [AI-workshop](https://mikkeltschentscher.dk/services/kurser/ai-workshop)
-   [AI-udvikling](https://mikkeltschentscher.dk/services/ai/ai-udvikling)

Original: https://mikkeltschentscher.dk/services/ai/ai-implementering
