AI og onboarding

Hvad er den vigtigste pointe?

Siden bruger onboarding som konkret HR-dør ind til bogens spørgsmål om adgang, læring og menneskers plads. AI i onboarding skal ikke bare gøre introduktionen hurtigere. Den skal hjælpe mennesker ind i arbejdet uden at fjerne de øvebaner, hvor de lærer at blive dygtige.

Siden er en del af Viden-universet til bogen Hvad skal vi lave nu?. Den bruger AI som anledning til at tale om arbejde, ansvar, adgang, faglighed og menneskers plads i danske organisationer.

Hvad ændrer AI her?

• Onboarding er ikke kun informationsoverførsel. Det er adgang til en organisation, et fagligt sprog og en måde at tage ansvar på.
• AI kan hjælpe nye medarbejdere med at finde viden, forstå processer og øve første udkast, men den skal bruges med klare datagrænser og menneskelig feedback.
• De opgaver, AI let kan overtage, er ofte begyndelsesopgaver: resumeer, research, første tekster, simple analyser og standardspørgsmål.
• Hvis onboarding automatiseres for hårdt, kan nye medarbejdere få færre steder at lære faglig dømmekraft, kvalitet og organisationens uskrevne standarder.
• AI literacy bør bygges ind i onboarding som praktisk dømmekraft i konkrete opgaver, ikke som et isoleret kursus eller en generel prompt-guide.
• En god AI-onboarding måles ikke kun på tempo, men på tryghed, læring, kvalitet, ansvar og om nye medarbejdere får en reel vej ind i arbejdet.

Hvordan laver man AI-onboarding uden at gøre oplæring tynd?

• Kortlæg de første 30, 60 og 90 dage: Hvilke opgaver skal en ny medarbejder lære, og hvor må AI støtte uden at fjerne øvebanen?
• Lav klare datagrænser for onboarding: hvilke interne eksempler, medarbejderdata, kundedata eller personoplysninger må aldrig bruges i AI-værktøjer?
• Gør AI-brug superviseret i begyndelsen. Nye medarbejdere skal kunne sammenligne AI-output med menneskelig feedback og faglige standarder.
• Byg en progression: først forstå rammen, derefter bruge AI med støtte, og først senere tage selvstændigt ansvar for AI-støttede leverancer.
• Evaluer onboarding på læring og kvalitet, ikke kun på hvor hurtigt den nyansatte kan finde svar eller producere output.

En god AI-onboarding begynder med det arbejde, den nyansatte faktisk skal lære. Hvilke opgaver viser fagets kvalitet? Hvilke fejl skal man lære at opdage? Hvem skal man spørge, når et AI-svar lyder rigtigt, men ikke passer til konteksten?

AI kan gøre det lettere at finde svar, men onboarding handler også om at lære, hvornår et svar ikke er nok. Derfor skal nye medarbejdere have både adgang til AI-støtte og adgang til mennesker, der kan forklare standarder, grænser og ansvar.

AI-onboarding er mere end en hurtigere introduktion

Når mennesker søger på AI og onboarding, leder de ofte efter værktøjer: en assistent, et flow, en chatbot eller en automatisk guide. Det kan være nyttigt. Mange organisationer har for meget viden gemt i dokumenter, systemer og uskrevne rutiner, som er svære at finde som ny.

Men onboarding er ikke kun at finde information. Det er at lære, hvordan arbejdet gøres her: hvad der er godt nok, hvornår man skal spørge, hvilke data man må bruge, hvem der har ansvar, og hvordan faglig dømmekraft ser ud i praksis. Hvis AI kun gør onboarding hurtigere, men ikke tydeligere, kan den nyansatte stadig stå alene.

Hvad AI kan støtte i onboarding

AI kan hjælpe nye medarbejdere med at få overblik. Den kan forklare interne begreber, opsummere lange retningslinjer, foreslå spørgsmål til mentor, oversætte procesbeskrivelser til konkrete trin og give et første udkast til en opgave, som bagefter kan diskuteres med et menneske.

Den bedste brug er ikke at lade AI svare på alt. Den bedste brug er at gøre læringssituationen mere tydelig: Her er et forslag, her er usikkerheden, her er det du skal kontrollere, og her er det menneske, du skal spørge. Så bliver AI en støtte til oplæring, ikke en erstatning for den.

Et konkret onboarding-øjeblik

Forestil dig en ny HR-medarbejder, der skal skrive sit første udkast til en intern besked om et følsomt personaleforhold. AI kan hjælpe med struktur og et roligt sprog. Men læringen sker først, når en erfaren kollega viser, hvilke oplysninger der ikke må med, hvilken tone organisationen bruger, og hvornår sagen skal løftes til et menneske med ansvar.

Det er sådan AI-onboarding bør designes: teknologien giver et udkast, men mennesket giver kontekst, grænser og feedback. Ellers lærer den nye medarbejder kun at producere tekst, ikke at forstå arbejdet.

Begyndelsesopgaver må ikke forsvinde usynligt

Bogens begreb begyndelsesopgaver er centralt her. Første udkast, research, resumeer, simple analyser, standardmails og interne opsummeringer kan ligne opgaver, der bare bør automatiseres. Men de er også steder, hvor nye medarbejdere lærer rækkefølge, genre, kvalitet og ansvar.

Hvis AI overtager dem uden et nyt læringsdesign, kan organisationen spare tid på kort sigt og miste oplæring på længere sigt. Seniorer kan blive hurtigere, mens nye kolleger får færre øvebaner. Det er ikke et argument mod AI. Det er et argument for at gøre læringsfunktionen synlig, før opgaven automatiseres væk.

AI literacy skal ind i de konkrete opgaver

EU AI Act gør AI literacy til et organisatorisk spørgsmål. I onboarding betyder det, at nye medarbejdere ikke bare skal have et generelt kursus i AI. De skal lære, hvordan AI må bruges i netop deres rolle, med netop deres data, kvalitet og ansvar.

En HR-medarbejder, en journalist, en sagsbehandler, en kundeservicemedarbejder og en ny analytiker har ikke brug for samme AI-introduktion. De har brug for et fælles sprog for formål, datagrænser, fejl, menneskelig kontrol og hvornår AI ikke skal bruges.

Datagrænser og tryghed skal være tydelige fra dag ét

Onboarding er et følsomt sted, fordi nye medarbejdere ofte endnu ikke kender organisationens grænser. De kan komme til at lægge interne eksempler, kundedata, medarbejderoplysninger eller fortrolige dokumenter ind i et AI-værktøj, hvis rammen ikke er klar.

Derfor bør AI-onboarding indeholde helt konkrete datagrænser: hvad må bruges, hvad må aldrig bruges, hvilke værktøjer er godkendt, og hvor går man hen med tvivl. Datatilsynets vejledning om kunstig intelligens og databeskyttelse gør den pointe praktisk: formål, oplysninger og rettigheder skal tænkes med fra begyndelsen.

En enkel model for de første 90 dage

• Første 30 dage: forstå opgaver, datagrænser, godkendte AI-værktøjer og hvem der kan hjælpe.
• Første 60 dage: bruge AI til afgrænsede første udkast og opsummeringer med tydelig menneskelig feedback.
• Første 90 dage: tage gradvist mere ansvar for AI-støttede leverancer, men stadig med klare eskaleringsveje.
• Efter 90 dage: evaluere læring, kvalitet, tryghed og om begyndelsesopgaverne faktisk har givet adgang til faget.

Hvad kilderne bidrager med

AI Act og artikel 4 om AI literacy viser, at AI-forståelse ikke kun er et individuelt kursusvalg. Det er en organisatorisk opgave. NIST giver et risikosprog for at kortlægge, måle og styre AI-brug. Datatilsynet gør databeskyttelse og formål til en nødvendig del af rammen.

EU-OSHA minder om, at digitalisering påvirker arbejdsmiljø og organisering, mens ILO peger på, at generativ AI ofte ændrer opgaver og jobkvalitet snarere end blot hele jobs. Tilsammen understøtter de bogens vinkel: Onboarding i en AI-tid skal handle om læring, ansvar og adgang til arbejdet — ikke bare hurtigere proces.

Spørgsmål der bør stilles lokalt

• Hvilke opgaver skal en ny medarbejder lære i de første 30, 60 og 90 dage?
• Hvilke begyndelsesopgaver må AI støtte, men ikke fjerne?
• Hvilke data og interne eksempler må aldrig lægges i AI-værktøjer?
• Hvem giver feedback på AI-støttede første udkast, analyser eller kundesvar?
• Hvordan lærer nye medarbejdere at opdage plausible, men forkerte AI-svar?
• Hvornår skal AI-brug stoppes og løftes til en mentor, leder eller faglig ansvarlig?
• Hvordan sikrer vi, at onboarding giver både tryghed og faglig progression — ikke kun hurtigere adgang til information?

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