##  [Videnskaben løste et problem I har med AI. Den hedder den hypotetisk-deduktive metode.](/index.php/da/node/187) 

    *Indsendt af Lennart den man, 13 apr 2026 - 14:03*  

  ![Videnskaben løste et problem I har med AI. Den hedder den hypotetisk-deduktive metode.](/sites/default/files/styles/wide/public/2026-04/output_19.png.webp?itok=5FrIM_Cm)

 

Videnskaben løste et problem I har med AI. Den hedder den hypotetisk-deduktive metode. Jeg er uddannet biolog. Og en af de ting man lærer tidligt i naturvidenskaben er at der er forskel på en hypotese og et ønske.

Et ønske lyder sådan her: "Vi vil gerne have at AI forbedrer vores kundeservice."

En hypotese lyder sådan her: "Hvis vi bruger AI til at klassificere indkomne henvendelser, vil 80% af dem blive korrekt dirigeret uden menneskelig indblanding, og den gennemsnitlige svartid vil falde fra 4 timer til under 1 time inden for 60 dage."

Forskellen er ikke akademisk snobberi. Det er forskellen på at vide om det virker og ikke vide det.

## Næsten alle AI-projekter mangler en hypotese

Jeg ser det igen og igen. En virksomhed beslutter sig for at "komme i gang med AI". De vælger et system. De implementerer det. Halvandet år senere spørger nogen i bestyrelsen om det rent faktisk har gjort en forskel — og ingen kan svare præcist, fordi ingen definerede hvad "forskel" betød, da projektet startede.

95% af AI-projekter leverer ikke det forventede. Det tal overrasker folk. Det burde det ikke. Hvis du ikke ved hvad du forventer, kan du per definition ikke levere det.

## Hvad videnskaben gør i stedet

Den hypotetisk-deduktive metode er den fremgangsmåde naturvidenskaben har brugt i et par hundrede år til at finde ud af hvad der faktisk er sandt og hvad der bare lyder sandsynligt.

Den fungerer i fire trin:

**1. Du formulerer en hypotese.** En konkret, testbar påstand om hvordan verden hænger sammen. "AI kan gøre X med Y effekt."

**2. Du deducerer forudsigelser.** Hvad følger logisk, hvis hypotesen er sand? Hvad ville du *forvente* at se? Det er det vigtige skridt — for her finder du de antagelser der gemmer sig inde i hypotesen.

**3. Du tester.** Et afgrænset forsøg. Ikke hele virksomheden på én gang — ét domæne, klare målinger, defineret tidsramme.

**4. Du evaluerer ærligt.** Holdt forudsigelserne? Ikke "er folk glade for systemet?" — men "stemte hvad vi forventede med hvad der skete?"

Hvis forudsigelserne holdt, er hypotesen styrket. Hvis de ikke holdt, har du lært noget værdifuldt — og du kan revidere og prøve igen. Det er ikke fiasko. Det er videnskab.

## Hvorfor det passer perfekt til AI

AI er probabilistisk. Det gætter kvalificeret. Det betyder at du aldrig kan antage at det virker — du er nødt til at teste det.

Og det giver faktisk en fin arbejdsdeling: AI er rigtig god til at processere store mængder observationer og finde mønstre. Mennesker er rigtig gode til at formulere hypoteser og beslutte om en forudsigelse faktisk holdt.

Det ene er induktivt — man slutter fra mange eksempler til et mønster. Det er AI's hjemsted.

Det andet er deduktivt — man slutter fra en eksplicit antagelse til en forudsigelse. Det er menneskets ansvar.

Problemet opstår når man blander dem sammen. Når AI selv formulerer hypotesen fra mønstre i data og ingen stiller spørgsmålstegn ved den. Så har man et system der bekræfter sine egne antagelser — og det er ikke videnskab, det er pseudovidenskab med pæne grafer.

## Hvad det betyder for et kundemøde

Det første spørgsmål jeg stiller en virksomhed der vil have AI er ikke "hvad har I af data?" Det er: "Hvad er jeres hypotese?"

Og typisk kan de ikke svare. Ikke fordi de er dumme — men fordi ingen har stillet dem spørgsmålet. De har et ønske. De har en leverandør der har lovet dem noget. Men de har ikke en testbar påstand om hvad de forventer vil ske.

Så bruger vi den første time på at formulere én. Det er faktisk det vigtigste arbejde i hele projektet. For en præcis hypotese afslører de antagelser man aldrig har talt højt om: om dataen er god nok, om medarbejderne vil bruge systemet, om det faktisk er det problem AI løser, eller om problemet egentlig sidder et helt andet sted.

Og nogle gange — ikke sjældent — afslører det at AI ikke er svaret overhovedet. Det er også en værdifuld konklusion. Den er bare billigere at nå til i time ét end efter to års implementering.

## Deduktion er et ledelsesansvar

Her er pointen jeg vil efterlade jer med:

Den deduktive del af metoden — at formulere hypotesen og udlede hvad der følger af den — kan ikke delegeres til AI. Den kræver et menneske der forstår forretningen, kender konteksten og tør tage stilling.

Det er lederskab, ikke teknologi.

AI kan hjælpe med at processere observationerne. Den kan sammenligne resultater med forudsigelser. Den kan foreslå revisioner.

Men hypotesen er jeres. Og hvis I ikke har formuleret den, ved I ikke hvad I bygger.