De er geniale, de er lynhurtige, og de er totalt ligeglade med virkeligheden. Store sprogmodeller (LLM’er) som GPT-4, Gemini og Claude har taget verden med storm, men de gemmer på en iboende defekt: Hallucinationer.
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."
Der er noget der sjældent bliver sagt højt om de sprogmodeller vi bygger virksomheder på:
De gætter.
Ikke tilfældigt. Ikke dumt. Men de gætter. Hver eneste gang de producerer et svar, vælger de den næste sætning baseret på sandsynlighed — hvad der statistisk set plejer at komme efter det foregående. Det er imponerende ingeniørkunst. Og det er en fundamental svaghed du bør kende, inden du bygger kritiske processer på det.
Der er en samtale jeg hører igen og igen hos virksomheder der vil have AI til at "forstå" deres viden.
Den starter typisk sådan her: "Vi har vores procedurer, vores dokumenter, vores e-mails — men AI'en finder ikke det rigtige. Vi har brug for bedre søgning."
Løsningen leverandørerne tilbyder er altid teknisk og altid dyr: embeddings, vektordatabaser, RAG-pipelines. Ord der lyder imponerende og koster derefter.
Problemet er bare at løsningen sjældent er det, der mangler.
Efter at have rådgivet en række SMV'er om AI, ser jeg de samme mønstre gentage sig. Virksomheder starter ambitiøst, men projekterne løber ud i sandet.
Her er de 10 hyppigste årsager — og hvad du kan gøre ved dem.
Mange SMV'er har ikke opbygget strukturerede datagrundlag over tid. Data ligger spredt i regneark, PDF'er, e-mails og forældede systemer. AI-modeller kræver konsistent, korrekt og velstruktureret data for at give brugbare resultater.
Salget af AI-kompetencer skifter karakter. Hvor undervisere tidligere kunne nøjes med at tilbyde workshops og kurser, efterspørger virksomhederne i dag mere strategisk rådgivning. De har brug for partnere, der kan hjælpe dem med at integrere AI i deres forretningsmodel – ikke bare lære dem værktøjerne.
Her er fire centrale fokusområder for den, der vil lykkes med at sælge strategisk AI-rådgivning:
Der er mange der taler om AI. Færre der har bygget det. Og næsten ingen der kan forklare det til folk der ikke er teknikere.
Vi gør alle tre.
docujAI er strategisk AI-rådgivning for virksomheder der vil bruge AI rigtigt — ikke bare bruge AI.
Vi er ikke en AI-leverandør. Vi sælger ikke software, licenser eller systemer. Vi sælger indsigt, retning og tryghed. Og vi tør sige nej når AI ikke er svaret.
Jeg holdt for nylig et foredrag for et publikum helt uden AI-forudsætninger. Flere var direkte negative. Da det gik op for mig hvad jeg stod med, smed jeg mine slides i skraldespanden og improviserede.
Det blev et af mine bedste foredrag.
Bagefter kom flere op og fortalte den samme historie: de havde en nørd i familien — en søn, en svigerinde, en kollega — der havde forsøgt at hjælpe dem i gang med AI. Det havde kun gjort dem mere forvirrede, og nørden var blevet frustreret over at de "ikke kunne se det geniale i teknologien."
Vi har en tendens til at tale om kunstig intelligens, som om det udelukkende er et teknisk vidunder. Vi diskuterer GPU-kraft, latency og arkitektur. Men når vi taler om den type AI, der kommunikerer med os, glemmer vi ofte det vigtigste: Det er sprogteknologi, før det er IT.
Sprog er ikke bare data. Det er kultur, nuancer, historie og magt. Hvis vi lader IT-afdelingen og de rene teknikere overtage styringen helt, risikerer vi at miste det menneskelige kompas i maskinen.
Vi befinder os i en tid, hvor de tekniske barrierer for skabelse er faldet sammen. Med generative AI-modeller og automatiserede værktøjer er vi trådt ind i en æra af "hyper-produktion", hvor alle kan udgive deres egen software, skrive deres egne apps og masseproducere indhold med et enkelt klik. Men midt i denne digitale overflod er vi stødt ind i en urokkelig, biologisk mur: Den menneskelige opmærksomhed.