I enhver gruppe medarbejdere der skal lære at bruge AI, er fordelingen den samme.
Ti procent er allerede i gang. De har en privat ChatGPT-konto fra før virksomheden indførte noget. De læser nyhedsbreve om det. De har holdninger til Claude versus Gemini. De siger ting som "jamen, du kan bare bede den om at..." og bliver lidt utålmodige når andre ikke kan følge med.
Firs procent er nysgerrige men afventende. De har prøvet det et par gange, fået halvgode svar, lagt det fra sig igen. De vil gerne — men de har et arbejde der skal passes, og de tager ikke selv initiativ til at læse en prompt-guide om aftenen. De skal have en hånd, og så skal de bruges igennem til at det sætter sig.
Ti procent er imod. Eller bange. Eller vil bare gerne have lov at gøre det de altid har gjort. De møder op til kurset fordi de skal. De skriver ikke noget i AI'en bagefter.
De fleste virksomheder underviser som om alle tre grupper var den samme. Det virker ikke for nogen af dem.
Hvorfor det går galt
Den klassiske AI-introduktion samler alle medarbejdere i samme rum. Nogen står foran og viser ti gode prompts. Folk nikker. Der er kaffe og en quiz til sidst.
For de ti i toppen er det spildtid. De vidste det allerede.
For de firs i midten er det inspirerende — i et par dage. Så er hverdagen tilbage, og ingen følger op.
For de ti i bunden bekræfter det deres mistanke. Det her er for de andre.
Tre uger senere er brugen tilbage på det den var før. Den eneste forskel er at virksomheden har betalt for kurset.
De ti i toppen er en ressource — ikke et problem
Den hyppigste fejl er at behandle de ti procent i toppen som et irritationsmoment. De løber for stærkt. De bruger værktøjer vi ikke har godkendt. De forstyrrer mødetempoet.
Det er en alvorlig fejl. De ti i toppen er det stærkeste oplæringsværktøj virksomheden har — og det billigste. De taler kollegernes sprog. De ved hvilke konkrete opgaver der findes. De er allerede her.
Men de skal have en rolle. Ikke som undervisere på et stort kursus — det er sjældent deres styrke. Som sparringspartnere for de firs i midten:
Giv dem afsat tid. En time om ugen hvor det er accepteret at de hjælper en kollega med en konkret opgave. Hvis det skal foregå i smug, foregår det ikke.
Lad dem løse rigtige problemer, ikke lave demoer. En kollega kommer med en kontrakt der skal læses. De sætter sig sammen i tyve minutter. Kollegaen lærer ved at se på, og ved at få hjælp til netop den opgave hun sad fast i.
Lad dem dele små vundne sejre. "Jeg sparede halvanden time på den månedsrapport ved at gøre sådan her." Den slags fortællinger spreder sig. Mere end nogen powerpoint.
Anerkend dem. Ikke nødvendigvis økonomisk — men gør det synligt at deres rolle er værdsat. Hvis de føler sig som besværlige geeks, holder de op.
De firs i midten flyttes af konkrete opgaver
Den centrale gruppe lærer ikke af generel undervisning. De lærer af at løse en specifik opgave de allerede skal løse — med AI'en.
Tag en marketingmedarbejder der skal skrive nyhedsbrevet. Sæt jer ned i tyve minutter. "Lad os prøve at få AI'en til at hjælpe med det. Først taler vi om hvad du normalt gør, så bygger vi en prompt der matcher din stil."
Næste uge er hun selv i stand til det. Ugen efter foreslår hun det selv.
Det er anderledes end at sende hende på kursus i "prompt engineering". Det er ikke skalerbart i klassisk forstand — men det er det eneste der virker. Og det er præcis her de ti i toppen kommer ind: de kan være den der sidder med marketingmedarbejderen i tyve minutter.
De ti i bunden kræver noget andet
Her kommer det kontraintuitive: de ti i bunden bliver ikke flyttet af mere af det samme. Mere undervisning, flere kurser, mere kommunikation. De bliver mere modstandsdygtige.
Bunden er sjældent dum. Bunden er ofte en kombination af tre ting:
Bekymring. "Skal jeg miste mit job? Bliver jeg overflødig?" Det er ikke en bekymring man kan undervise sig ud af. Den skal adresseres direkte, af en leder, og helst med konkrete eksempler på det modsatte.
Tabt selvtillid med teknologi. Personen har måske haft dårlige erfaringer — et IT-system der gjorde dem til grin på et tidligere job, en oplæring de ikke kom igennem. AI minder dem om det. Det er ikke værktøjet de er imod, det er følelsen.
Faglig stolthed. "Jeg har gjort det her i tyve år. Jeg har ikke brug for en maskine til at hjælpe mig." Den kan være berettiget — men den kan også låse en medarbejder ude af noget der ville frigive tid til netop det de er gode til.
For at flytte de ti i bunden kræver det:
En enkelt person der tager dem ved hånden. Ikke et hold. Ikke et kursus. En kollega — gerne en af de ti i toppen, hvis kemien er rigtig — der sætter sig ved siden af i en time, ikke for at undervise, men for at gøre noget sammen.
Den rigtige opgave. Ikke en opgave hvor AI'en stråler. En opgave hvor medarbejderen i forvejen er kompetent, og hvor AI'en bare gør det lidt hurtigere. Følelsen skal være: jeg er stadig den der ved hvad jeg laver, AI'en er bare en assistent.
At ledelsen siger det højt. "Vi forventer ikke at du bliver superbruger. Vi forventer at du prøver én ting." Bunden bliver presset af forventninger der ikke matcher virkeligheden. En realistisk forventning er en gave.
Tid. Mest af alt: tid. De ti i bunden flytter sig over måneder, ikke over en eftermiddag.
Hvor de fleste fejler
Den klassiske fejl er at virksomheden bruger 90% af sin opmærksomhed på de firs i midten — og glemmer både toppen og bunden.
Toppen får ingen rolle, bliver ked af det, finder et andet job, og kompetencen forsvinder ud af huset.
Bunden får generel undervisning de ikke kan bruge, oplever at de er bagud, og ender med at lukke i.
Den enkle korrektion: brug toppen som motor for midten, og giv bunden særskilt opmærksomhed udenfor det fælles forløb.
Det handler ikke om kurser
AI-oplæring i en virksomhed handler ikke om at lave det rigtige kursus. Det handler om at organisere kompetencen der allerede er i huset, så den flyder den rigtige vej — fra dem der kan, til dem der vil, og dernæst til dem der tøver.
Ti procent kan løfte firs procent. Ti procent kan løftes hvis der er tid og en hånd. Det er hele opskriften.
Det er ikke en eftermiddag. Det er et halvt år. Men det er det eneste der virker.
Se også Når den interne AI-underviser læser dine prompts — Shadow AI — det værktøjet I ikke har købt, men som alle bruger