Enterprise Architecture🇩🇰 Dansk
Hvornår gør AI en enterprise arkitekt nødvendig?
Oktober 2026·8 min læsning·Brian P.N. Tofft
Mange virksomheder har klaret sig fint uden en enterprise arkitekt. Systemerne virkede, projekterne blev leveret og ingen savnede et samlet kort. Så kom AI. Pludselig stiller ledelsen, revisor og AI-udvalget spørgsmål, som kun et overblik over systemer, data og ejerskab kan svare på. Hvilke systemer bruger AI? Hvilke data ser den? Hvem ejer den? Det er præcis de spørgsmål, en enterprise arkitekt arbejder med. Her er de fem situationer, hvor vi oftest ser, at AI gør manglen synlig. Til sidst ser vi på, hvornår det giver mening at hente hjælpen udefra.
AI er ikke et system, der står for sig selv. Den lever af data fra andre systemer, er koblet på eksisterende processer og kommer ofte med som en funktion i software, I allerede har. Derfor afhænger alt, hvad I vil gøre med AI, af noget, der ligger før AI: et overblik over, hvad I har, hvordan det hænger sammen og hvem der ejer det. I mange virksomheder har det overblik aldrig eksisteret samlet. Det har ligget i hovedet på nogle få erfarne folk, i gamle Visio-tegninger og i leverandørkontrakter. Det gik, så længe ingen spurgte. Med AI bliver der spurgt. Og svaret kræver arkitektur.
Microsoft 365 Copilot kan kun se det, brugeren selv har adgang til. Det lyder trygt. Problemet er, at mange organisationer har delt for bredt i årevis: SharePoint-sites, som hele virksomheden kan åbne, mapper med lønninger og kontrakter, der aldrig blev lukket ned. Før Copilot var det et teoretisk problem, fordi ingen fandt filerne. Nu finder Copilot dem på sekunder. Det er ikke et licensproblem. Det er et spørgsmål om informationsarkitektur og adgangsstyring på tværs af systemer. Det er her, en enterprise arkitekt hører hjemme: at kortlægge, hvor følsomme data ligger, hvem der har adgang og hvad der skal ryddes op, før AI bliver rullet bredere ud.
Den AI, der vokser hurtigst i de fleste virksomheder, er ikke den, nogen har købt. Den kommer med en opdatering: AI-funktioner i HR-systemet, i CRM'et, i økonomisystemet og i servicedesken. Ingen har truffet en beslutning. Funktionen var der bare pludselig. Uden et kort over systemlandskabet opdager man det først, når nogen spørger. Med et kort kan man markere, hvilke systemer der har AI, hvilke data den bruger og hvem der ejer den. Den markering er grundlaget for alt andet arbejde med AI-governance. Vi har beskrevet, hvad vi typisk finder, i Hvad vi finder, når vi kortlægger AI-systemer.
EU AI Act stiller krav ud fra, hvad AI'en bruges til. For at vide, hvilke krav der rammer jer, skal I kunne sige, hvilke AI-systemer I har og hvad de bruges til. Transparenskravene i artikel 50 gælder allerede fra 2. august 2026. Kravene til højrisiko-AI i Annex III, fx AI i rekruttering, kreditvurdering og kritisk infrastruktur, gælder fra 2. december 2027 efter Digital Omnibus. Fristen blev flyttet, men arbejdet blev ikke mindre. En klassificering forudsætter en fortegnelse over systemerne. Den fortegnelse er en arkitekturopgave, ikke en juridisk opgave. Jura kan vurdere kravene. Arkitekturen skal levere fakta om, hvad systemerne gør. Læs mere i vores guide til EU AI Act.
Mange virksomheder har nedsat et AI-udvalg eller udpeget en AI-ansvarlig. Det er et godt skridt. Men hvis udvalget sidder hos jura eller i direktionen uden fast kobling til dem, der kender systemerne, bliver beslutningerne enten juridisk grundige og teknisk urealistiske eller omvendt. En enterprise arkitekt er bindeleddet. Ikke som endnu et medlem af udvalget, men som den, der kan svare på, hvad en beslutning betyder for systemer, data og integrationer. Vi har uddybet, hvorfor de to spor bør samles, i AI-governance vs. EA-governance.
Den femte situation er den dyreste. En AI-pilot har vist gode resultater med et afgrænset datasæt og et lille team. Nu skal den ud i hele organisationen. Så viser det sig, at data ligger i fem systemer, at integrationerne ikke findes og at ingen har tænkt over drift og ejerskab. Det er ikke et AI-problem. Det er et arkitekturproblem, der har ligget og ventet. En enterprise arkitekt kan ikke redde en pilot, der er bygget forkert, men kan sørge for, at næste pilot bliver designet til at kunne skaleres. Det vender vi tilbage til i Hvorfor AI-projekter ikke leverer.
Har I allerede en arkitekturfunktion med mandat, er opgaven at udvide den, så den også dækker AI. Det kan som regel gøres internt, eventuelt med sparring udefra. En ekstern enterprise arkitekt giver mening i tre tilfælde. Når I har brug for et overblik hurtigt, fx fordi en frist eller en revisor presser på. Når I skal bygge en arkitekturfunktion op fra bunden og ikke ved, hvilken profil I skal ansætte. Og når I har brug for nogen, der kan stille de ubekvemme spørgsmål uden at være en del af de interne alliancer. I alle tre tilfælde er målet det samme: at overdrage et fundament, som organisationen selv kan drive videre. Læs mere om, hvad det kræver, på find en enterprise arkitekt.
Det første, vi gør, er ikke at tegne en målarkitektur. Det er at kortlægge, hvilke systemer der har AI, hvem der ejer dem og hvilke data de bruger. Det tager typisk en til to uger og giver et billede, som de fleste ledelser ikke har set før. Den anden lektie er, at overblikket skal kunne vedligeholdes. Et kort, der er tegnet én gang, er forældet efter et halvt år, fordi leverandørerne løbende tilføjer AI. Derfor bygger vi kortlægningen ind i de processer, der allerede findes, fx indkøb og arkitekturgodkendelse, så nye AI-funktioner bliver fanget, når de kommer. Den tredje er, at det sjældent er teknologien, der mangler. Det er ejerskabet. Når hvert AI-system har én navngiven ejer, bliver resten af arbejdet meget lettere.
Kan vi inden for en uge sige, hvilke af vores systemer der bruger AI? Hvis svaret er nej, mangler I overblikket. Det er det første, der skal på plads. Hvem ejer hvert af de AI-systemer, vi kender? Et navn pr. system, ikke en afdeling. Hvem kobler AI-udvalget til dem, der kender systemerne? Hvis ingen gør, træffer I beslutninger uden fakta. Kan I ikke svare på de tre spørgsmål, er en AI Systems Audit et afgrænset sted at starte. Den giver kortet, klassificeringen efter EU AI Act og en 90-dages plan.
Brian P.N. Tofft
Managing Partner, We Lead Projects
Brian har mere end 30 års erfaring med projektledelse og IT-transformationer på tværs af brancher.
Kontakt os og hør hvordan vi kan hjælpe med dit næste projekt.
Kontakt os