Jeg har siddet på begge sider af bordet. Som videnskabsjournalist i tyve år har min hovedopgave været at oversætte teknisk virkelighed til folk der skulle træffe beslutninger på baggrund af den. Som bestyrelsesmedlem i Dansk Presseforbund og Danske Videnskabsjournalister har jeg selv siddet i den anden ende — og fået lov til at tage stilling til ting jeg ikke selv kunne bygge.
Det er to forskellige roller. Men de hænger sammen, fordi god ledelse afhænger af at den ene part faktisk forstår hvad den anden siger.
Lige nu er der et stort hul mellem de to roller, når emnet er AI. Og det er det hul der dræber gode beslutninger.
Hvad bestyrelser hører om AI
Jeg har talt med en del bestyrelser i de seneste år. Mønsteret er forbavsende ensartet.
Direktionen præsenterer en "AI-strategi". Den er typisk lavet af en intern projektgruppe eller — endnu oftere — leveret af en ekstern konsulent eller leverandør. Den indeholder samme ord hver gang: transformation, potentiale, automatisering, gevinstrealisering. Der er typisk en illustration med et neuralt netværk og en lidt kantet hjerne. Der er et roadmap med tre faser. Der er KPI'er der lyder fornuftige hvis man ikke ser for nøje på dem.
Bestyrelsen nikker. Spørger måske om GDPR. Får et beroligende svar. Godkender.
Halvandet år senere er der ingen der rigtig kan sige om det virkede.
Hvad bestyrelsen burde stille spørgsmål til
I min tidligere blog skrev jeg om compound AI systems — den arkitektoniske erkendelse at velfungerende AI-systemer består af meget lidt AI og meget mere deterministisk kode der validerer, router og kontrollerer. Det er ikke en teknikalitet. Det er den vigtigste skelnen et bestyrelsesmedlem kan have i hovedet, når en AI-præsentation rulles ud.
Fordi det åbner for tre spørgsmål der ændrer samtalen:
1. Hvor stor en del af systemet er faktisk AI? Hvis svaret er "alt sammen", er det enten dyrt og skrøbeligt, eller det er marketing. Begge dele er røde flag.
2. Hvor ligger forretningslogikken? Reglerne for hvornår en kunde skal godkendes manuelt, hvornår en pris skal justeres, hvornår noget skal eskaleres — er det skrevet ned som regler nogen kan læse og ændre? Eller er det noget AI'en "lærer"? Det første kan revideres. Det andet kan kun gættes på.
3. Hvordan ved vi om det virker? Hvad var hypotesen før vi byggede det? Hvad ville vi forvente at se? Den hypotetisk-deduktive metode er ikke akademisk pedanteri — det er forskellen på at vide om noget virker og at tro at det gør.
Hvis præsentationen ikke kan svare klart på disse tre spørgsmål, er den ikke moden nok til en bestyrelsesbeslutning. Punktum.
Hvorfor en bestyrelse sjældent stiller spørgsmålene
Det er ikke fordi bestyrelser er dårlige. De fleste bestyrelser jeg har mødt er kompetente, ansvarlige og oprigtigt interesserede i at gøre tingene rigtigt.
Problemet er at de mangler en stemme i rummet der kan oversætte mellem to verdener:
- Den tekniske virkelighed der er underlagt fysiske og statistiske love
- Den ledelsesmæssige virkelighed der er underlagt budget, tidsfrister og ansvar
Direktionens AI-folk taler typisk det første sprog. Konsulenten taler en blanding af det andet og noget der lyder teknisk men er marketing. Ingen i rummet taler begge sprog flydende.
Det er præcis den rolle videnskabsjournalisten har i offentligheden. Når en forsker siger "vi har set en signifikant association i en case-control-undersøgelse med n=84", oversætter journalisten det ikke til "videnskaben siger". Hun oversætter det til "det her er en interessant tidlig observation, men det betyder ikke at du skal ændre noget i dit liv endnu". Hun beskytter læseren mod både hype og pessimisme. Hun beskytter forskeren mod at blive misforstået.
Det er præcis den rolle bestyrelsen har brug for omkring AI.
Hvad jeg bringer til det bord
Jeg er uddannet biolog. Det betyder at peer review, statistisk usikkerhed og kravet om at en hypotese skal kunne falsificeres er instinkter, ikke tillærte øvelser. I tyve år har jeg skrevet om sundhedsforskning, klima, robotteknologi og biomimetik for Berlingske, Ingeniøren, Ugeskrift for Læger, Dansk Industri og Region Syddanmark. Det er publikationer der ikke betaler for hype og som ikke tilgiver fejl. Det træner én i at sige tingene som de er, ikke som man håber de er.
Samtidig bygger jeg AI-systemer hver dag. Lead AI Engineer ved Folkets Avis hvor multi-agent redaktionelle systemer kører i produktion. Stifter af Humanice, den første danske medie-baserede Human-in-the-loop LLM-platform. Levering af RAG-løsninger til automotive leasing og source grounding til konservations-NGO'er. Mit eget publicerings-flow består af en 26-linjers Nushell-pipeline med præcis ét AI-trin og resten deterministisk business logic.
Det betyder at når jeg sidder ved bestyrelsens bord, har jeg lige lukket min terminal hvor jeg har debugget en AI-pipeline. Jeg ved hvor den fejler. Jeg ved hvad det koster i tokens. Jeg ved hvad konsulenterne springer over når de viser deres slides.
Og jeg taler det bestyrelsessprog som otte års bestyrelseserfaring i landsdækkende foreninger har lært mig at tale.
Hvad det konkret betyder for jeres næste AI-beslutning
Næste gang en AI-præsentation lander på bestyrelsens dagsorden, er der tre måder at gå til den på:
Den passive. Lad direktionen og konsulenten fortælle. Stil et par fornuftige spørgsmål. Godkend hvis det lyder rimeligt. Det er den hyppigste tilgang. Det er også den der producerer 95% af de AI-projekter der senere viser sig ikke at have leveret.
Den skeptiske. Sig nej til alt der lyder som AI. Det er sikrere på kort sigt og dyrere på lang sigt. I et marked hvor jeres konkurrenter eksperimenterer, er nul-strategien ikke neutral.
Den oplyste. Få en oversætter ind. Ikke som leverandør, ikke som evangelist — men som en der kan sidde med på den ene præsentation, stille de spørgsmål bestyrelsen ikke ved den skal stille, og oversætte svarene til noget I kan handle på. Den slags rådgivning er ikke en fast kontrakt. Det er én eftermiddag, en halv dags forberedelse, og en klar anbefaling efter mødet.
Det er præcis det jeg leverer til bestyrelser i dag. Ikke som ekstern bestyrelsesmedlem, ikke som permanent rådgiver — men som den manglende stemme i rummet, den ene gang det betyder noget.
Hvis I sidder i en bestyrelse der står over for en AI-beslutning de næste seks måneder, så skriv. Vi tager 30 minutter på telefonen. Hvis det viser sig at I har styr på det, har det kostet jer en halv kop kaffe. Hvis det viser sig at I ikke har, har I sparet et dyrt halvt år.