 ##  [Hvorfor AI er det område hvor I mest har brug for en udefra](/da/node/218) 

    *Indsendt af Lennart den tir, 28 apr 2026 - 09:35*  

  ![Hvorfor AI er det område hvor I mest har brug for en udefra](/sites/default/files/styles/wide/public/2026-04/composite_18.png.webp?itok=kqmKjxUb)

 

Hvorfor AI er det område hvor I mest har brug for en udefra MIT offentliggjorde i 2025 en undersøgelse af 300 virksomheders generative AI-projekter. Konklusionen var ubehagelig: cirka 95% af de interne pilotprojekter gav nul afkast.

Den interessante del var ikke fejlraten. Den var hvor fejlene lå.

Projekter der blev bygget internt fejlede markant oftere end projekter hvor virksomheden brugte en ekstern partner. Forskellen var ikke marginal. Den var faktor to.

Det er værd at standse op ved.

## To ting kan være sande samtidig

Den ene: virksomheden kender sin egen forretning bedre end nogen udefra.

Den anden: virksomheden er det værste sted at lære at bruge AI.

Det første er åbenlyst. Det andet er ikke. Men det følger af noget jeg skrev om i går — at medarbejdere holder op med at være ærlige overfor AI'en når en kollega kan læse deres prompts.

Prompter er sårbare. De viser hvad man ikke kan, hvad man tvivler på, hvad man stiller dumme spørgsmål om. En log med dine prompter er en mere præcis røntgen af din faglige usikkerhed end nogen MUS-samtale.

Hvis den røntgen kigges på af Annette fra HR, ændrer du adfærd. Du skriver kortere prompter. Du stiller ikke de svære spørgsmål. Du holder op med at lære.

## Hvorfor distance er det vigtigste oplæringsværktøj

Den eksterne partner har én egenskab den interne ikke kan kopiere: ingen konsekvenser ved at være ærlig.

Du kan sige til mig at du ikke forstår hvordan en sprogmodel fungerer. Det får ikke betydning for din næste lønforhandling. Du kan vise mig en prompt der afslører at du har bedt AI'en om at hjælpe med en sag du måske burde have spurgt din kollega om. Det får ikke betydning for hvordan dit team ser dig.

Den slags ærlighed er forudsætningen for at lære. Den findes ikke når den der underviser også er den der rapporterer til ledelsen.

MIT's tal handler ikke kun om teknik. De handler om dette.

## Det den eksterne ser

Der er et andet element. Den eksterne partner har set halvtreds andre organisationer. Du har set én.

For et internt AI-team er hver erfaring en stikprøve af én. *"Det her virkede hos os."* For en ekstern partner er hver erfaring en stikprøve af mange. *"Det her virker næsten aldrig, og her er hvorfor."*

Det er ikke en ydmygelse af de interne. Det er statistik. Du kan ikke have set tilstrækkeligt mønstergenkendelse hvis du kun har én case.

Den slags mønstre er det der adskiller MIT's 5% succesfulde fra de 95%. Ikke teknologien. Erfaringen med hvad der typisk fejler.

## Hvad der så ikke er argumentet

Det her er ikke et argument for at outsource hele AI-arbejdet. Det er ikke et argument for at lade konsulenter bygge sorte kasser ind i forretningen.

Det er et argument for at den der oplærer, ikke samtidig skal evaluere. Den der hjælper, ikke samtidig skal rapportere. Den der ser dine prompter, ikke samtidig skal skrive din udtalelse.

I praksis betyder det ofte at oplæringsdelen — den hvor folk skal lære at være sårbare overfor maskinen — håndteres af en udefra. Mens den interne organisation tager ejerskab af strategi, udvælgelse af opgaver og daglig drift.

Det er en arbejdsdeling, ikke en abdikation.

## Den ubehagelige sandhed for ledelsen

Mange virksomheder vælger den interne vej fordi den ser billigere ud. Annette fra HR er allerede ansat. Hvorfor betale en konsulent for noget hun kan?

MIT's tal giver svaret. Det interne projekt er billigere på papiret og dyrere i virkeligheden, fordi det fejler oftere. Den eksterne partner er dyrere på papiret og billigere i virkeligheden, fordi medarbejderne tør lære.

Det er kontraintuitivt. Det er også statistisk veldokumenteret.

For de virksomheder der nu skal beslutte hvordan de griber AI an, er pointen enkel: kompetencen til at *bruge* AI bygges hurtigst af nogen der ikke sidder ved frokostbordet.

---

Se også [Når den interne AI-underviser læser dine prompts](blog-26) — [De ti i toppen, de firs i midten, og de ti i bunden](blog-27)