## [Dit sprog er personligt — også når du skriver til en maskine](/da/node/240) *Indsendt af Lennart den fre, 12 jun 2026 - 08:54* ![Dit sprog er personligt — også når du skriver til en maskine](/sites/default/files/styles/wide/public/2026-06/composite_8.png.webp?itok=fXiM5ogj) Der er en egenskab ved sprogmodeller, som adskiller dem fra stort set al anden teknologi, vi har taget ind på arbejdspladsen: de betjenes med sprog. Og vores sprog er aldrig kun professionelt. Det er altid også personligt. Når en medarbejder bruger et regneark, afslører tallene ikke meget om mennesket bag. Når den samme medarbejder skriver til en LLM, gør formuleringerne det. Hvad man spørger om, hvordan man spørger, hvad man indrømmer undervejs — *"jeg har svært ved at forstå den her kontrakt"*, *"hjælp mig med at lyde mindre vred"* — alt det er personligt materiale, selv om det opstår i en arbejdsopgave. Det betyder, at medarbejdere giver mere af sig selv, når de arbejder med en LLM, end de gør med noget andet værktøj. Og det skaber nogle udfordringer, som de fleste ledere endnu ikke har fået øje på. Det ved jeg, fordi jeg ser det igen og igen, når jeg er ude i virksomheder. ## Tilknytningen er ikke ny — den er bare blevet hverdag Fænomenet blev beskrevet, længe før nogen havde hørt om ChatGPT. Da Joseph Weizenbaum i 1960'erne byggede ELIZA — en primitiv chatbot, der efterlignede en terapeut med simple omformuleringer — opdagede han noget, der forstyrrede ham resten af livet: folk betroede sig til den. Hans egen sekretær, som vidste præcis hvor simpelt programmet var, bad ham forlade rummet, så hun kunne tale med det i fred. Der opstår med andre ord en intimsfære i relationen mellem et menneske og en maskine, der kan tale — også når mennesket godt ved, at det stadig er en maskine. I dag sidder udviklere, tekstforfattere, bogholdere og sagsbehandlere dagligt med en LLM som assistent. Og der sker det samme, bare i større skala: der opstår en følelsesmæssig tilknytning fra mennesket til maskinen. Næppe den anden vej — men det er menneskets halvdel af relationen, der har konsekvenser for din virksomhed. ## Det private rum på arbejdspladsen Konsekvensen er, at der opstår et rum mellem medarbejderen og maskinen, som *opleves* som privat — selv om udvekslingen foregår i arbejdstiden, på arbejdsgiverens udstyr, i et system virksomheden betaler for. Og her opstår spændingen. For mange medarbejdere er i dag reelt utrygge ved, om deres prompts og samtaler nu også bliver mellem dem og maskinen — eller om chefen, IT-afdelingen eller den AI-ansvarlige læser med. Jeg har skrevet før om, [hvad der sker når den interne AI-underviser læser dine prompts](https://docujai.com/da/node/216): folk forenkler deres prompts, dropper de svære spørgsmål og flytter brugen over på private konti. Værktøjet bliver dårligere, ikke fordi teknikken fejler, men fordi ærligheden forsvinder. Men det her stikker dybere end logning. Selv i virksomheder, hvor ingen faktisk kigger med, fylder *usikkerheden* om det. Og usikkerhed om en intimsfære er nok til at ødelægge den. ## Hvorfor ledere overser det De fleste ledelser behandler en LLM som ethvert andet stykke software: et licensspørgsmål, et databehandlingsspørgsmål, et produktivitetsspørgsmål. Alt sammen relevant — men det rammer ved siden af det særlige. Ingen har nogensinde følt sig overvåget af, at chefen kunne se deres Excel-ark. Ingen har betroet en sårbarhed til deres ERP-system. Den ramme, virksomheder normalt bruger til at indføre IT-værktøjer, har simpelthen ikke et felt til "medarbejderen indgår i en sprogbåren relation med værktøjet". Så feltet bliver ikke udfyldt, og spørgsmålet bliver aldrig stillet. Resultatet er governance, der regulerer alt det forkerte: hvilke modeller der må bruges, hvilke data der må sendes ud af huset — men ingenting om det rum, hvor medarbejderne faktisk arbejder, tvivler og lærer. ## Hvad governance skal kunne svare på Hvis du har ansvar for AI i en virksomhed, er der fire spørgsmål, dine retningslinjer skal kunne besvare — på skrift, og så medarbejderne har læst svaret: **Hvem kan se hvad?** Ikke som jura, men som klar besked: *"Vi ser anonymiserede mønstre på teamniveau. Ingen læser dine individuelle samtaler, medmindre du selv beder om hjælp."* Hvis svaret er mere indgribende end det, så vid, at du betaler for det i ærlighed og dermed i kvalitet. **Hvor længe gemmes det?** En prompt-log, der kan trækkes frem et halvt år senere i en personalesag, er ikke et læringsværktøj. Det er en mappe. Korte opbevaringsfrister er ikke kun GDPR-hygiejne — de er en forudsætning for, at rummet føles trygt. **Hvem må aldrig kombinere roller?** Den, der hjælper medarbejderne med at bruge AI, må ikke samtidig evaluere dem eller rapportere om deres "modenhed" til ledelsen. Oplæring og bedømmelse i samme person knækker tilliden — og det var tilliden, der gjorde værktøjet værdifuldt. **Hvad gør vi ved selve tilknytningen?** Det mest oversete punkt. Medarbejdere, der sidder otte timer om dagen med en assistent, der altid er tålmodig, aldrig dømmer og altid svarer, udvikler en relation til den. Det skal hverken latterliggøres eller forbydes — det skal anerkendes. Tal åbent om det. En medarbejder, der ved, at relationen er normal og forventet, forvalter den bedre end en, der skammer sig over den. ## Den korte version LLM'er er ikke bare endnu et værktøj, fordi sprog ikke bare er endnu en grænseflade. Sprog bærer altid personen med sig. Derfor opstår der et privat rum mellem medarbejder og maskine — midt i din virksomhed, inde i dine systemer. Du kan ikke nedlægge det rum. Du kan kun vælge, om du vil beskytte det og høste gevinsten i form af ærlig, dyb brug af værktøjerne — eller ignorere det og undre dig over, hvorfor brugen er overfladisk, og de interessante samtaler foregår på private konti. Det valg er ikke teknisk. Det er et ledelsesvalg. --- Se også [Når den interne AI-underviser læser dine prompts](https://docujai.com/da/node/216) — [Shadow AI — det værktøjet I ikke har købt, men som alle bruger](https://docujai.com/da/node/215)