Denne klumme er et debatindlæg og er alene udtryk for forfatterens synspunkter.
Jacob Lund, senior director for data & analytics transformation hos NTT Data, skrev for nylig en velplaceret klumme her i Computerworld om regeringens AI-jubel.
Hans pointe er solid: 42 procent af danske virksomheder bruger AI, men det er primært gratis generativ AI, der lever uden om virksomhedens egne data.
Datafriktion, teknisk gæld og fragmenterede landskaber bremser den varige værdiskabelse. Garbage in, garbage out.
Jeg er enig. Men jeg vil tilføje, at problemet ikke kun handler om data.
Der findes en parallel friktion, der er mindst lige så afgørende, og som hverken en SAP-konsolidering eller et roadmap for datalaget kan løse. Lad os kalde det mindset-friktion.
Strategien, der ikke findes
I CBS' AI Survey 2026 dokumenteres noget bekymrende: kun fem procent af danske virksomheder har en AI-strategi.
84 procent af topledelsen bekræfter selv, at der ikke findes en. Og 38 procent af medarbejderne ved ikke engang, om der er én.
Det er ikke et data-problem. Det er et ledelsesproblem.
For mens dataarkitekterne knokler med at få ERP og data warehouse til at hænge sammen, sidder topledelsen i 84 procent af danske virksomheder og bruger AI i åbne miljøer — uden en strategi for, hvordan teknologien skal kobles til forretningen.
CBS kalder det selv et “sikkerhedsparadoks”: de medarbejdere, der har adgang til de mest sensitive data, bruger AI i de mindst sikre miljøer.
Selv hvis Jacobs roadmap for datafundamentet bliver eksekveret perfekt, så er der ingen, der har defineret, hvad det skal bruges til. AI bliver et personligt produktivitetsværktøj på rejse uden destination.
Mindset mismatch er den usynlige omkostning
Der er endnu et lag. Vi har samtidigt i en parallel undersøgelse kortlagt AI-agenternes “strategiske mindset” — altså hvilken markedslogik ChatGPT, Claude, Copilot og kammeraterne grundlæggende anbefaler.
Resultatet er overraskende konsistent: AI-værktøjerne har et grønt/gult mindset — de er innovations- og oplevelsesorienterede.
De anbefaler decentraliserede strukturer, brede datakompetencer, og at man sætter kunden i centrum.
Problemet er, at langt de fleste danske virksomheder opererer med et blåt/rødt mindset: effektivitet, kontrol, optimering.
Når man hælder en innovationsorienteret AI-agent ned i en effektiviseringsdrevet organisation, så får man præcis det, CBS-forskerne advarer mod:
OO + NT = EOO. Old Organization + New Technology = Expensive Old Organization.
Det er en formel, der er værd at huske. Den beskriver præcis det, vi risikerer lige nu: at lægge dyr AI oven på gamle processer og kalde det transformation.
Tallene fra Norden
Boston Consulting Group offentliggjorde i marts deres “Nordic AI Inflection Point”-rapport.
Den bekræfter mistanken: kun fire procent af nordiske virksomheder ser betydeligt afkast (5x+) på deres AI-investeringer.
Vi bruger over 45 procent af AI-budgetterne på hyldevarer — Copilot, ChatGPT, mødereferatsværktøjer.
De AI-modne virksomheder i Europa ligger under 10 procent på den post.
BCG advarer direkte mod en “local AI value bubble”: forventningerne stiger hurtigere end den realiserede værdi.
De virksomheder, der reelt får udbytte af AI, investerer over 50 procent af deres budgetter i at redesigne kerneprocesser end-to-end. Nordiske virksomheder ligger på cirka 30 procent.
Det er præcis Jacobs pointe om, at den varige værdi først kommer, når AI integreres i kerneprocesserne.
Men det er også min: kerneprocesser redesignes ikke af dataarkitekter alene. Det kræver, at ledelsen ved, hvad de vil — og at organisationen er parat til at flytte sig.
To friktioner, ikke én
Vi har altså to parallelle “garbage in, garbage out”-problemer:
1. Datafriktion — fragmenterede systemer, dårlig datakvalitet, teknisk gæld. Jacobs domæne.
2. Mindset-friktion — ingen strategi, ingen alignment mellem ledelse, medarbejdere, kunder og AI-agenter. Den blinde vinkel.
Begge skal adresseres.
Et perfekt datafundament uden strategisk retning er en dyr legeplads. En klar strategi uden datafundament er et powerpoint-skub.
Det er kombinationen, der flytter virksomheden fra at være forbruger af AI til at være konkurrencedygtig med AI.
Så ja — regeringen er for tidligt ude med medaljerne.
Men det handler ikke kun om, at vi mangler dataarkitektur.
Vi mangler også svar på et meget simpelt spørgsmål: Hvad vil vi egentlig bruge AI til — og hvilken organisation skal vi være, når vi gør det?
Indtil vi har svaret, er 42 procent bare et tal, der måler aktivitet. Ikke værdi.
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.
