Kunstig intelligens er på få år gået fra at være et emne for visionære teknologivirksomheder og innovationsafdelinger til nu at være en samfundsdagsorden. I dag investerer både virksomheder, kommuner, regioner og statslige myndigheder massivt i AI, mens politikere ser teknologien som et centralt redskab til at styrke produktivitet, velfærd og konkurrenceevne. I 2025 satte regeringen, KL og Danske Regioner et mål om, at AI skal frigøre 50 millioner arbejdstimer svarende til mindst 30.000 årsværk frem mod 2035. Samtidig er der etableret en Digital Taskforce for AI og en AI-accelerationsfond med ambitionen om at få flere løsninger udbredt i stor skala.
Den udvikling afspejler sig også i erhvervslivet. Ved indgangen til 2026 forventede 96 procent af nordiske virksomheder ifølge Lenovos CIO Playbook at øge deres AI-investeringer, mens 95 procent forventede et positivt afkast. AI er med andre ord blevet en strategisk prioritet på tværs af både offentlige og private organisationer.
Alligevel oplever mange, at vejen fra AI-eksperimenter til målbar værdi er længere end forventet. Der er ikke mangel på pilotprojekter, proof of concepts eller gode idéer. Den egentlige udfordring opstår, når løsningerne skal integreres i den daglige drift, leve op til governance-krav og datasikkerhed samt skabe dokumenterbare resultater.
Lenovos CIO Playbook viser, at de vigtigste forudsætninger for succes med AI ikke blot handler om algoritmer eller sprogmodeller. CIO'erne peger på faktorer som kompetencer, datakvalitet, skalerbar infrastruktur og evnen til at integrere AI i eksisterende processer og arbejdsgange. Det er derfor nødvendigt at skabe de organisatoriske og teknologiske rammer, der kan omsætte teknologien til løsninger, som fungerer i praksis.
I mange år har Lenovo været kendt som verdens største pc-producent. Men i takt med at kundernes fokus er flyttet fra hardware til forretningsværdi, har virksomheden investeret massivt i kunstig intelligens som en del af visionen Smarter AI for All. I dag hjælper Lenovo organisationer i alle størrelser med at omsætte AI fra ambitioner og pilotprojekter til løsninger, der kan implementeres og skaleres i praksis.
For Jens Henrik Thomsen, direktør for Lenovos Solutions and Services Group i Norden, er udfordringen tydelig:
"Vi oplever, at organisationer har adskillige idéer til, hvor de kan bruge AI. Men udfordringen er at omsætte ambitionerne til løsninger, der fungerer i praksis og kan skaleres på tværs af organisationen. Det er her, mange projekter går i stå."
Der er ingen grund til at opfinde den dybe tallerken
Der har længe været en udbredt opfattelse af, at AI-løsninger skal skræddersys til den enkelte organisation og i vid udstrækning bygges fra bunden. Men erfaringerne fra de organisationer, der er længst på AI-rejsen, peger ofte i en anden retning.
For det er sjældent dem, der opfinder noget revolutionerende. De tager i stedet afsæt i løsninger, metoder og erfaringer, som allerede har bevist værdien af AI. Det kan forkorte implementeringsforløbet, holde omkostningerne nede og sikre, at projekterne bevæger sig videre fra pilotfasen.
"Når vi møder kunder, handler samtalen sjældent om, hvilken AI-model de skal vælge, men om hvordan de kommer fra et lovende pilotprojekt til en løsning, der fungerer i den daglige drift. Det er her, erfaringer fra andre organisationer kan gøre en stor forskel," siger Jens Henrik Thomsen.
Derfor bliver evnen til at lære af eksisterende use cases stadig vigtigere. Ikke fordi organisationer skal kopiere hinanden én til én, men fordi de kan lade sig inspirere af løsninger, der allerede har dokumenteret deres effekt.
I Norden anvendes AI og edge-teknologi til at hjælpe vejdirektorater med at identificere invasive plantearter og beskytte biodiversiteten. I Formel 1 bruges kunstig intelligens og avanceret databehandling til at analysere enorme datamængder i realtid og understøtte beslutninger under løbene. Og ved VM i fodbold bidrager AI til større gennemsigtighed omkring dommerkendelser og bedre indsigt for både fans, dommere og hold.
"Umiddelbart har biodiversitet, motorsport og international fodbold ikke meget tilfælles. Men under overfladen bygger løsningerne på den samme logik: at bruge data og kunstig intelligens til at skabe bedre beslutninger, hurtigere reaktioner og mere effektive processer. Det interessante er, at den logik kan overføres til langt flere områder, end man umiddelbart skulle tro," siger Jens Henrik Thomsen.
Fire skridt fra pilot til drift
Ifølge Jens Henrik Thomsen handler næste fase af AI, om at skabe de rette forudsætninger for skalering. På tværs af både offentlige og private organisationer går fire elementer igen hos dem, der lykkes bedst:
- Start med problemet – ikke teknologien
Succesfulde AI-projekter tager udgangspunkt i en konkret udfordring, et klart formål og en tydelig business case.
- Lær af andres erfaringer
Dokumenterede use cases kan reducere både implementeringstid og risiko. Organisationer behøver ikke opfinde den dybe tallerken, hvis andre allerede har bevist værdien.
- Byg et stærkt fundament
Datakvalitet, governance, sikkerhed og skalerbar infrastruktur er afgørende, hvis AI skal bevæge sig fra pilotprojekt til drift.
- Vælg de rette partnere
AI er sjældent et isoleret teknologiinitiativ. De mest succesfulde organisationer kombinerer egne kompetencer med partnere, der kan bidrage med erfaring, best practice og indsigt i, hvordan løsninger kan implementeres og skaleres.