AI-kompetenceudvikling

Hvad er den vigtigste pointe?

Bogens vinkel er, at kompetenceudvikling først bliver stærk, når den også bliver pladsudvikling. Mennesker skal ikke bare lære et værktøj; de skal kunne se deres opgave, ansvar, grænser og læringsvej, når AI flytter arbejdet omkring dem.

I Viden-universet til bogen Hvad skal vi lave nu? er AI anledningen til at tale om arbejde, ansvar, adgang, faglighed og menneskers plads i danske organisationer.

Hvad ændrer AI her?

• AI-kompetencer er ikke én færdighed. De spænder fra basal værktøjsbrug til kildekritik, kvalitetssikring, datasensitivitet, promptarbejde, faglig vurdering, etik og ansvar.
• Kompetenceudvikling bør begynde i konkrete arbejdssituationer: en sagsforberedelse, en tekst, en journalnote, en kundesamtale, et mødeoplæg eller en rekrutteringsproces.
• AI Act stiller krav om AI-literacy hos udbydere og deployere af AI-systemer. I praksis betyder det, at læring ikke kan skubbes helt ud til den enkelte medarbejder.
• Orienteringstid er nødvendig, fordi mennesker skal forstå nye fejltyper, nye grænser for faglighed og nye ansvarskæder, før AI bliver et præstationskrav.
• HR, ledelse, TR/MED/SU, arbejdsmiljøorganisation og faglige miljøer skal lære sammen. Ellers lærer medarbejderne værktøjet hurtigere, end organisationen lærer rammerne.
• Hvis begyndelsesopgaver automatiseres, skal organisationen designe nye læringsveje. Ellers kan AI-kompetenceudvikling ende med kun at hjælpe dem, der allerede har erfaring og status.

Hvad kan arbejdspladser gøre?

• Start med et opgavekort: Hvilken konkret opgave bruger vi AI til, hvad er godt nok, hvem kvalitetssikrer, og hvad må ikke lægges i systemet?
• Lav et minimumssæt for AI-literacy: alle der bruger eller påvirkes af AI i arbejdet, skal kende formål, datagrænser, typiske fejl, menneskelig kontrol og hvor de kan få hjælp.
• Skeln mellem fire kompetencelag: værktøjsbrug, faglig kvalitet, ansvar/data og samarbejde om nye arbejdsgange.
• Lav øvebaner i drift: små forsøg med makkerpar, supervision, efterkritik og tydelige regler for data, kvalitet og ansvar.
• Brug MUS, teammøder, AMO og samarbejdssystemet til at tale om læring, belastning og gevinster — ikke kun kursustilmelding.
• Mål ikke kun antal kursusdeltagere. Spørg om mennesker faktisk har fået bedre dømmekraft, tryghed og handlemuligheder i deres arbejde.

Det vigtigste er ikke at finde det perfekte kursusprogram fra første dag. Det vigtigste er at gøre læringen talbar, så medarbejdere, ledere og tillidsvalgte kan se, hvad der faktisk ændrer sig i arbejdet. Når opgaver flyttes, skal rammerne flytte med: tid, ansvar, læring, kvalitet og ret til at sige fra.

Det kræver også et langsommere rum end den almindelige projektplan. Mange af de vigtige spørgsmål viser sig først, når mennesker prøver teknologien i deres eget arbejde og kan fortælle, hvad der blev lettere, sværere, mere usikkert eller mere meningsfuldt.

AI-kompetenceudvikling begynder ikke med et kursuskatalog

Mange organisationer starter med at spørge, hvilke kurser medarbejderne skal på. Det er forståeligt, men spørgsmålet kommer ofte for tidligt. Først skal arbejdspladsen vide, hvilke opgaver AI faktisk ændrer, og hvilket ansvar mennesker stadig skal kunne tage i dem.

Et kursus kan give ord og mod. Men kompetenceudvikling virker først, når den kobles til hverdagen: den konkrete tekst, sagsbehandling, journalnote, kundedialog, rekruttering, analyse eller ledelsesbeslutning, hvor AI-outputtet skal vurderes af et menneske.

Derfor bør AI-kompetenceudvikling starte med et opgavekort, ikke et værktøjskatalog: formål, datagrænse, kvalitetskrav, menneskelig kontrol, stopregel og læringsrum.

Hvad er forskellen på AI-kompetencer og AI-kompetenceudvikling?

Ordene kompetencer og kompetenceudvikling ligger tæt, og mange bruger dem næsten ens. Men i arbejdet er forskellen vigtig, fordi den afgør, om samtalen handler om en liste over kunnen eller om de rammer, der gør læring mulig.

AI-kompetencer handler om hvad mennesker, ledere og organisationer skal kunne: formulere opgaver, kontrollere kvalitet, beskytte data, opdage fejl og kende ansvar. AI-kompetenceudvikling handler om hvordan arbejdspladsen bygger den kunnen: gennem konkrete opgaver, øvebaner, fælles efterkritik, orienteringstid og klare rammer.

Fire læringslag skal ind i samme forløb

AI-kompetenceudvikling bliver svag, hvis den kun træner ét lag ad gangen. En arbejdsplads kan godt lære medarbejdere et værktøj og stadig mangle rammer for kvalitet, data, ansvar og samarbejde.

Derfor bør forløbet bygges i fire lag. Det første er praktisk: at kunne formulere en opgave, bruge et værktøj og forstå dets begrænsninger. Det andet er fagligt: at kunne se, om et svar er godt, forkert, skævt eller utilstrækkeligt. Det tredje handler om data, etik og ansvar. Det fjerde handler om samarbejde: hvordan opgaven, kvalitetssikringen og beslutningen skal fordeles mellem mennesker og systemer.

Definitionssiden om AI-kompetencer beskriver, hvad mennesker og organisationer skal kunne. Her er pointen, at kompetencerne først bliver virkelige, når de øves i samme arbejdsgang og ikke fordeles som løse kursusmoduler.

Fra kompetenceudvikling til pladsudvikling

I mange organisationer bliver AI hurtigt oversat til et kompetencespørgsmål: Hvem skal på kursus, og hvem kan bruge værktøjet? Det er nødvendigt, men ikke nok. Når AI flytter opgaver, flytter den også grænserne for ansvar, faglighed og adgang.

Derfor bør kompetenceudvikling også være pladsudvikling. En medarbejder skal ikke bare lære at skrive en bedre prompt. Hun skal kunne se, hvor hendes faglige vurdering stadig er nødvendig, hvornår hun skal stoppe AI-outputtet, og hvem hun kan gå til, når ansvaret bliver uklart.

Det er her, bogens redningsvest-billede er nyttigt. En redningsvest lover ikke, at havet bliver stille. Den gør det muligt at være i bevægelsen uden at blive overladt til sig selv.

En enkel arbejdsgang for den første måned

• Vælg tre virkelige opgaver, hvor AI allerede bruges eller snart vil blive brugt. Undgå abstrakte demoer.
• Aftal for hver opgave: formål, datagrænser, kvalitetskrav, menneskelig kontrol og hvem der bærer ansvar.
• Lad medarbejdere prøve i makkerpar eller små grupper og samle fejl, tvivl og gode greb uden at gøre forsøget til præstationsmåling.
• Hold en kort efterkritik: Hvad blev lettere, hvad blev farligt, hvad lærte vi om faglighed, og hvilke begyndelsesopgaver skal bevares eller redesignes?
• Omsæt læringen til lokale rammer, ikke kun til flere individuelle kursuslinks.

Hvad skal medarbejdere, ledere og HR lære forskelligt?

AI-kompetenceudvikling bliver stærkere, når rollerne ikke blandes sammen. Medarbejdere skal kunne bruge AI tæt på opgaven, opdage fejl og vide, hvornår de skal stoppe. Ledere skal kunne sætte formål, tempo og ansvar uden at gøre eksperimenter til skjult præstationspres.

HR skal kunne se, hvordan AI ændrer kompetenceprofiler, onboarding, rekruttering og adgang til læring. Arbejdsmiljøorganisationen og tillidsvalgte skal kunne spørge til belastning, overvågning, datagrænser og fordeling af gevinster. Organisationens kompetence er derfor ikke summen af individuelle kursusbeviser. Den viser sig i, om der er fælles rammer for at handle forsvarligt.

Når læring bliver uretfærdigt fordelt

AI-kompetenceudvikling kan komme til at forstærke forskelle. Dem, der allerede har faglig sikkerhed, tid og adgang til gode opgaver, får lettere ved at omsætte AI til handlekraft. Dem, der er nye, pressede eller uden for de rigtige projekter, kan få sværere ved at lære.

Derfor er begyndelsesopgaver vigtige. De små tekster, notater, opfølgninger og rutiner kan virke kedelige, men de er ofte steder, hvor mennesker lærer faget. Hvis de forsvinder uden nye læringsveje, bliver AI-kompetenceudvikling ikke en åben dør. Den bliver en fordel for dem, der allerede er inde.

Spørgsmål der bør stilles lokalt

• Hvilke konkrete opgaver kræver nye AI-kompetencer hos os — og hvilke gør ikke?
• Hvilket minimum af AI-literacy skal alle have for at bruge AI forsvarligt i vores arbejde?
• Hvem skal kunne bruge værktøjet, hvem skal kunne vurdere outputtet, og hvem bærer ansvaret, hvis noget går galt?
• Hvilke data, dokumenter eller borgere/kunder må aldrig blive en del af et forsøg?
• Hvor har medarbejdere brug for orienteringstid, før AI-brug bliver et krav?
• Hvilke begyndelsesopgaver skal bevares eller redesignes, så nye medarbejdere stadig kan lære faget?
• Hvordan fordeles gevinsterne, hvis AI gør arbejdet hurtigere — mere ro, bedre kvalitet eller bare højere tempo?

Hvordan hænger det sammen med bogen?

Bogen arbejder med fire positioner i AI-forandringen: de fortrængte, de transformerede, de udelukkede og de empowered. De er ikke faste typer, men steder mennesker kan befinde sig, når arbejdet flytter sig.

Derfor handler denne side også om AI-uro, kontroltab, orienteringstid og begyndelsesopgaver — de begreber, der gør samtalen mere konkret end enten begejstring eller panik.

FAQ