Det skal ikke tolkes som et tegn på, at teknologien skuffer, men på at virksomhederne stadig befinder sig i en lærings- og investeringsfase, siger Juan Farré, adm. direktør for Teknologisk Institut.
Af Flemming Østergaard
Når revolutionerende teknologier gør deres indtog, tager det tid, før det for alvor slår igennem. Som økonomen Robert Solow pointerede i 1987, hvor investeringerne i computerkapacitet og udvikling havde været enorme siden 1970’erne:
”Du kan se computeralderen overalt – undtagen i produktivitetsstatistikkerne.”
Det samme gjorde sig gældende med elektriciteten. I produktionen kom de store produktivitetsgevinster først, da fabrikkerne blev omorganiseret omkring den nye teknologi.
”AI’s produktivitetsparadoks er ikke overraskende. Vi er i en tidlig fase, hvor virksomheder investerer i data, integration, kompetencer og arbejdsgange, før gevinsterne kan ses bredt i produktiviteten,” siger Juan Farré, adm. direktør for Teknologisk Institut.
Økonomerne kalder det J-kurven. Store investeringer og omkostninger i starten sender os nedad i J’et, og så kommer boomet senere. Det kan leverandørerne af AI også tale med om. Der er opstået tvivl om, hvorvidt tech-giganternes enorme investeringer i datacentre, infrastruktur, chips og udvikling kan retfærdiggøre de høje aktiekurser, der har taget forskud på glæderne. Microsoft er eksempelvis faldet næsten 25 pct. i år. J’et kan gøre ondt i starten.
To ud af tre danske produktions-SMV’er er AI-afventende
I december 2025 udsendte Teknologisk Institut rapporten Videnskløften: Hvorfor AI endnu ikke skaber produktivitet i dansk produktion – baseret på en spørgeskemaundersøgelse om AI blandt 300 SMV’er inden for produktion.
Heraf fremgår det blandt andet, at virksomheder, der har anvendt AI siden 2021, viser marginalt højere vækst i omsætning og antal medarbejdere, men ingen målbar produktivitetsstigning. 65 % af produktions-SMV’er er ”AI-afventende” og har ikke AI som en strategisk prioritet. 36 % peger på mangel på viden/kompetencer som den største barriere og under 4 % har skaleret AI-løsninger.
Juan Farré mener ikke, at tallene skal ses som et tegn på, at AI ikke virker, men som typisk for en teknologi i tidlig udvikling.
”Det er fornuftigt, at virksomhederne er forsigtige, for industrielle miljøer har en lav fejltolerance. Men problemet opstår, hvis den afventende holdning bliver til en langsigtet strategi,” siger Juan Farré.
For så risikerer danske SMV’er at sakke bagud på kvalitet, fleksibilitet, sporbarhed, energieffektivitet og automatisering – forhold, som er afgørende for fremtidens konkurrenceevne. Derfor anbefaler han, at alle bør have en plan for, hvor AI kan skabe værdi i deres egen forretning.
Start med et konkret forretningsproblem
Det betyder ikke, at de skal investere bredt og ufokuseret i AI. De skal starte med et helt konkret forretningsproblem, hvor den potentielle gevinst er målbar. Det kan være kassation, kvalitetskontrol, oppetid, planlægning, energiforbrug eller dokumentation. Derefter tester man i lille skala og analyserer effekten.
“AI er ikke magi i hele værdikæden. Men det kan være ekstremt stærkt i den rigtige delproces,” siger Juan Farré.
Han mener, at en stor del af forklaringen på den tøvende holdning er, at forretning, produktion og teknologi for sjældent er koblet tæt nok sammen. AI skaber først værdi, når teknologiforståelse møder domæneviden, altså viden om den konkrete virkelighed, teknologien skal fungere i. Fabriksgulvet kender flaskehalsene. IT kender data og integration. Ledelsen skal prioritere og forankre indsatsen. Der skal bygges en tæt bro mellem de tre perspektiver, og det er altså ikke nok at have datafolk, der ved rigtig meget om AI og alt det tekniske.
”Man skal have folk, der kan oversætte mellem data og drift,” siger Juan Farré.
Men selv når et pilotprojekt lykkes, er der langt til reel industriel effekt. Det svære opstår, når løsningen skal fungere stabilt i den daglige drift. Her peger Juan Farré på 10-20-70-reglen: Kun de 10 % handler om selve algoritmerne, som mange har tendens til at overvurdere. De 20 % om data og alt det tekniske. Og de 70 % vedrører mennesker og processer – den største og mest undervurderede opgave.
”Det svære er ikke at få AI til at virke én gang - men hver dag,” påpeger Juan Farré.
Succeshistorier
Trods mange SMV’ers afventende holdning, er der allerede en hel del succeshistorier til inspiration for de tøvende. Det kan bl.a. Teknologisk Institut, AI Denmark og Dansk Industri berette om. Det handler netop om virksomheder, der med AI har løst en reel driftsudfordring inden for bl.a. computervision til kvalitetskontrol, procesoptimering, lagerstyring og logistik samt robotstyring og automatisering.
Mette Munk har fx sammen med Teknologisk Institut og Robot Nordic implementeret en løsning med AI, computer vision og robotteknologi, som automatiserer kvalitetskontrol af op mod 35.000 stykker wienerbrød i timen. Teknologisk Instituts specialister hjalp også BKI med at implementere en AI-løsning. Systemet bruger algoritmer og simuleringer til at optimere opskrifterne på kaffeblandinger, så smagen kan holdes stabil, selv om tilgængeligheden af forskellige råkaffer ændrer sig løbende.
Fremtiden tegner godt for SMV’er
Juan Farré peger på, at Danmark kan have en udfordring, fordi vores struktur og sammensætning af erhvervslivet i så stort omfang består af SMV’er. Men han ser det også en mulighed for at styrke vores position som produktionsland.
”For fremtiden – når du har AI – det er ikke de store virksomheders fremtid. Det er blevet for dynamisk til, at de store virksomheder kan agere i det. Fremtiden er små, meget kompetente enheder, der er super-agile, og som hele tiden optimerer det sidste - og registrerer alt, for data er afgørende,” siger Juan Farré.
Det kan virke overraskende for mange, da det netop er de store virksomheder, der både har pengene og ressourcerne til at skaffe sig den nødvendige viden.
”Men lige om lidt, så er AI en hyldevare. Så er det ikke et spørgsmål om ressourcer men et spørgsmål om, hvad du skal bruge AI-værktøjerne til. Og her kan de mindre virksomheder bevæge sig langt hurtigere.”
Juan Farré opfordrer SMV’er til at søge rådgivning hos Teknologisk Institut eller andre rådgivere, når de vil i gang med AI. Hos Teknologisk Institut er man godt rustet til at forstå og hjælpe mange forskellige brancher. Teknologisk Institut har 1100 teknologer i 173 specialer, som omfatter alt fra møbelindustri, droner og slagtemaskiner til mikroskopi, bygningsskader og alger, der i vægtløs tilstand kan producere protein og ilt til rumfartsmissioner til Mars.
”Vi skal afspejle det danske industrisamfund, så vi forstår virksomhedernes hverdag og problemer, når de ringer til os,” siger Juan Farré.
Teknologisk Institut er desuden med i EU-projektet AI Matters og står også i spidsen for AI Denmark.
AI-agenter i industrien
2026 forventes at blive året, hvor AI-agenter spreder sig på mange områder inden for kontormiljøerne. Men i produktionsmiljøer er der større krav til robusthed, sporbarhed, sikkerhed, systemintegration og tydelig ansvarsfordeling, påpeger Juan Farré.
”DERFOR tror jeg, vi først vil se agenter i beslutningsstøtte, planlægning, dokumentation og workflow-koordinering — ikke som fuldt autonome aktører uden menneskelig kontrol,” siger han.