Denne klumme er et debatindlæg og er alene udtryk for forfatterens synspunkter.
Den seneste tid har vi set flere historier om, hvordan organisationer har slået sig på investeringer i kunstig intelligens.
Særligt begrænsede storskala gevinster af investeringer i stærkt hypede AI-teknologier, som er dokumenteret i flere analyser, har naturligt givet anledning til bekymring og selvransagelse.
Også herhjemme, hvor billedet af de manglede storskalagevinster ved AI, er genkendeligt i blandt andet den offentlige sektor.
Her står mange i dag med AI-løsninger, som uden tvivl hjælper enkelte medarbejdere og konkrete borgergrupper, men som endnu ikke grundlæggende har ændret måden, vi driver offentlig digitalisering på.
En analyse fra Capgemini Research Institute fra 2025 viste for eksempel at 76 procent af nationale myndigheder enten udforsker eller arbejder på at implementere generativ AI.
Men den viste også, at kun to ud af 10 var lykkedes med at bevæge sig fra pilotprojekter til løsninger, der reelt er forankret i den daglige drift.
Imidlertid tyder meget på, at modenheden i mange virksomheder og organisationer også i Danmark, efterhånden har nået et niveau, hvor vi i de kommende år vil se et bredere og mere gennemgribende gennembrud.
Forudsat at momentum fastholdes eller ligefrem accelereres.
Brug for evaluering – ikke tøven
Lige netop derfor er det med en vis bekymring, at jeg lige nu møder en vis betænkelighed for at overinvestere eller miste kontrollen med AI-indsatsen blandt offentlige ledelser.
Her har tre år med generativ AI, kombineret med intensiv rådgivning fra konsulenter og teknologileverandører, sine spor. Og man har forståeligt og fornuftigt nok et vist behov for at stoppe op og evaluere tilgangen til AI-revolutionen.
Det altafgørende spørgsmål er dog, hvor længe man kan tillade sig at gøre stop. For AI-udviklingen venter ikke på dem, der tøver.
Derfor er tøvende eller fragmenterede investeringer i AI også nogle af de største risici, når det gælder den offentlige sektors digitale transformation i de kommende år. For uden fortsat mod og vilje til at accelerere AI risikerer vi at miste tempo i et globalt kapløb, hvor forskellene hurtigt bliver strukturelle.
Det betyder ikke investeringer med hovedet under armen. Men det betyder, at den ambitiøse jagt på effektiviseringer og kvalitetsforbedringer, som har præget de seneste tre år, i stigende grad skal forankres i kontrollerbare, skalerbare og sikre rammer.
Regeringens arbejdsprogram forpligter
Denne diskussion er ikke løsrevet fra den politiske virkelighed.
Regeringens arbejdsprogram for 2025 sætter en tydelig retning for den offentlige sektor: Mindre unødig administration, bedre prioritering af opgaver og frigørelse af ressourcer til kernevelfærden.
Her er AI ikke tænkt som et eksperimentelt supplement, men som et helt centralt redskab. Og det forpligter.
For skal AI bidrage til regeringens ambitioner, kræver det, at teknologien tænkes ind i drift, styring og organisering. Ellers indfries hverken effektiviseringspotentialet eller kvalitetsløftet, der vitterligt følger med målrettede AI-investeringer.
Netop derfor er et fartdyk i AI-indsatsen i det offentlige en udtalt risiko og en udfordring. Ikke fordi evaluering og kortvarigt opbremsning er forkert, men fordi stilstand i praksis risikerer at underminere de politiske mål, som den offentlige sektor forventes at levere på i de kommende år.
Aim small – miss small
En oplagt mulighed for at sætte fornyet fart på AI-agendaen og understøtte regeringens arbejdsprogram kan være at udnytte udbudslovens muligheder for at arbejde med innovationsprojekter frem for de traditionelle, store og endemålsbeskrevne udbud.
AI-revolutionen kalder groft sagt på nye samarbejdsformer og et opgør med den klassiske model for it-indkøb.
Og her giver innovationsprojekter mulighed for, at offentlige indkøbere kan stille langt skrappere krav til rådgivere og leverandører om at dokumentere værdi gennem proof of concept og hurtige, men skalerbare løsninger.
I en teknologisk udvikling, der bevæger sig hurtigere end nogensinde, er det afgørende at fokusere på mindre, målrettede og agile teknologiprojekter frem for de store, langstrakte udbud, der traditionelt har været normen.
Når proof of concept-projekter giver mening i dag, er det dog ikke som en afprøvning af enkeltstående værktøjer, men som kontrollerede tests af hele den tekniske og organisatoriske sammenhæng, som AI skal fungere i.
Eksempelvis, hvordan generativ og agentbaseret AI spiller sammen med den eksisterende systemportefølje. Herunder fagsystemer, ESDH og journalsystemer, integrationslag og sikkerhedskomponenter. Uden at skabe nye siloer.
Fundamentet må tryktestes
Samtidig handler det om at teste, om datagrundlaget reelt er egnet til AI understøttet opgaveløsning - altså om data er tilgængelige, konsistente, opdaterede og juridisk anvendelige på tværs af systemer og organisatoriske grænseflader.
Men ikke nok med det.
Offentlige organisationer er også nødt til at afklare, hvordan AI kan indgå som et aktivt lag i den samlede tech stack – ikke som et add on, men som en integreret del af arkitektur, adgangsstyring, logning, sikkerhed og livscyklusstyring. Og ikke mindst om governance, ansvar og menneskelig kontrol fungerer i praksis, når AI ikke blot assisterer, men reelt påvirker arbejdsgange, prioriteringer og beslutninger.
Denne type proof of concept-projekter er ikke små, fordi ambitionerne er små, men fordi de er afgrænsede i risiko og kontrollerbare i omfang.
De tester ikke, om teknologien virker, men om organisationen, datafundamentet og infrastrukturen reelt er klar. AI skaber nemlig først værdi, når data, systemer, processer og styring hænger sammen.
Uden den sammenhæng risikerer selv avancerede løsninger blot at øge eksisterende it-mæssig kompleksitet.
Ledelse, styring og retning
Skal vi for alvor fremme digital transformation og styrke AI investeringerne i det offentlige, kræver det, sidst men ikke mindst, et langt tættere samspil mellem it organisation og topledelse.
Eksempelvis om governance, etik, prioritering og strategisk styring. Ikke for at begrænse AI-adoption og -innovation. Men for at sikre strategisk retning, opstille klare guard rails og sætte værdiskabelse i centrum for AI transformationen.
I takt med, at mere autonome, agentbaserede AI-løsninger vinder frem, bliver behovet for tydelige rammer kun større. Beslutninger flyttes tættere på systemerne, og det stiller nye krav til ansvar, transparens og ledelsesmæssig forankring.
Derfor er det også et problem, hvis vi her i 2026 stadig taler om kunstig intelligens som noget, der afprøves, undersøges og overvejes. For AI er ikke længere et teknologisk eksperiment. Det er et ledelsesmæssigt og strategisk valg om at handle.
Potentialet er veldokumenteret, teknologien er moden og de politiske ambitioner er klare.
For det offentlige Danmark er det ikke flere analyser eller pilotprojekter, der mangler.
Det er viljen til konsekvent at vælge til og fra, stille krav og tage ansvar for at bringe AI-løsninger i drift.
Og enten bruger vi de kommende år på systematisk at omsætte AI til reel produktivitet, bedre kvalitet for borgere og virksomheder og frigjorte ressourcer i det offentlige. Eller også accepterer vi, at mere end tre års AI hype ender som endnu et kapitel i rækken af velmenende digitaliseringsinitiativer uden varig effekt.
Faktum er, at AI udviklingen ikke stopper. Spørgsmålet er, om vi som samfund vælger at følge med – eller ser til fra sidelinjen.
Klummer er læsernes platform på Computerworld til at fortælle de bedste historier, og samtidig er det vores meget populære og meget læste forum for videndeling.
Har du en god historie, eller har du specialviden, som du synes trænger til at blive delt?
Læs vores klumme-guidelines og send os din tekst, så kontakter vi dig - måske bliver du en del af vores hurtigt voksende korps af klummeskribenter.
