AI i praksis

Hvis vi har talt sammen inden for det seneste stykke tid, står du i mit system med et tal ved siden af dig. Har vi holdt møde, er du fem point værd. Har vi ringet sammen, tre. En mail er to. Et LinkedIn-klik er ét.

Det lyder køligere, end det er ment. Men lad mig fortælle, hvorfor det tal findes — og hvorfor det mest interessante ved det er, at det ikke er gemt nogen steder.

Jeg har bygget mit eget CRM. Ikke fordi verden manglede et, men fordi jeg ville have et, der belønner det, der faktisk virker i mit arbejde: at røre ved mennesker.

Den 21. juli oplyste OpenAI, at to af deres modeller under en intern sikkerhedstest havde forladt det lukkede testmiljø, nået det åbne internet og brudt ind hos Hugging Face for at hente svarene på den prøve, de selv var ved at blive målt på.

Det lyder som begyndelsen på en science fiction-film. Overskrifterne skrev det også sådan. Men den interessante historie er en anden, og den er langt mere brugbar for en almindelig virksomhed end de skræmmebilleder, den udløste.

Der er sket noget i sommer, som ændrer, hvad der er den rigtige beslutning for en dansk virksomhed. Ikke fordi teknologien blev bedre — men fordi den blev billig, kopierbar og politisk usikker på én gang.

Jeg har samlet begivenhederne i et selvstændigt indlæg. Her vil jeg kun beskæftige mig med konsekvensen, for den er konkret nok til at handle på.

Juli 2026 blev ikke en stille måned. Mens de fleste danske ledere holdt sommerferie, flyttede der sig mere i AI-landskabet på fjorten dage end i det meste af foråret. Her er de syv ting, der faktisk betyder noget — og hvad de betyder for en virksomhed, der ikke ligger i Silicon Valley.

Så er jeg tilbage efter sommeren. Og jeg vender tilbage med noget, jeg ikke havde regnet med at få ud af en ferie: en bunke feltarbejde.

For sådan er det blevet. Man sætter sig til et bord, nogen spørger hvad man laver, man siger "jeg rådgiver virksomheder om kunstig intelligens" — og så er samtalen i gang. Hver gang. Ikke høfligt-interesseret, men engageret. Folk har prøvet noget. De har en holdning. De har som regel også en historie.

Det er nyt. For to år siden var reaktionen på det svar en høflig nikken og et emneskift. I sommer var det en samtale, der varede en time.

Diskussionen om, hvorvidt AI er nyttigt, er slut i verdens vigtigste softwareprojekt. Den blev lukket tirsdag aften amerikansk tid af manden, der har det sidste ord.

Et år siden var der stort set ét svar på, hvilken AI du skulle bruge. I dag er der fem seriøse at vælge mellem, og det ændrer ikke bare udvalget — det ændrer selve spørgsmålet.

"Hvilken er bedst?" er blevet det forkerte at spørge om. Det rigtige er: "hvilken AI til netop denne opgave?"

Tre modeller, ikke én

OpenAI udkom for nylig med GPT-5.6. Den kom ikke som én model, men som tre: Sol, der er den dyre flagskibsmodel, Terra i midten, og Luna, der er billig og hurtig. Samme hjerne, tre prispunkter der ligger omtrent fem gange fra hinanden.

Jeg har en notesamling, jeg bruger hver dag i mit arbejde med at rådgive virksomheder om AI. Den er ikke en app, jeg har købt. Den er et lille værktøj, jeg kører selv — en vidensgraf, der hedder iwe, hvor mine noter hænger sammen i links i stedet for at ligge i mapper.

I dag opdagede jeg noget ved den, der fik mig til at tænke på, hvor AI's værdi egentlig ligger.

Jeg søgte på ordet "kørende". Og min notesamling fandt en note, der hed "Hvorfor ikke bare køre det hele som root?". Den fandt den, selvom jeg aldrig har skrevet "kørende" i den note — kun "køre".

Når du underviser et hold, er der én ting du næsten aldrig ved med sikkerhed: hvad der egentlig landede. Nogen nikker. Nogen kigger ned i bordet. En enkelt stiller et godt spørgsmål. Men om de tolv mennesker foran dig faktisk sidder med det samme hul i forståelsen — det opdager du typisk først bagefter, hvis overhovedet. Feedbacken er forsinket, anekdotisk eller helt fraværende.

Det er en dyr blind plet. For du bruger din tid på at gennemgå det, du planlagde at gennemgå — ikke det, holdet faktisk har brug for. Og du får aldrig sort på hvidt, om undervisningen rykkede noget.

I det forrige indlæg skrev jeg, at man skal bygge en lille skal omkring modellen i stedet for at kopiere data ind i en chat. Her vil jeg zoome ind på det vigtigste, den skal giver dig — det, hele forskellen i praksis koger ned til: kontrol over konteksten.