Projektledelse🇩🇰 Dansk
Hvorfor AI-projekter ikke leverer
Oktober 2026·6 min læsning·Brian P.N. Tofft
BCG har opgjort det. 54 procent af nordiske virksomheder tester nu AI agents. Kun 4 procent ser stærkt afkast. Det er ikke et teknologiproblem. De fleste pilotprojekter virker. Modellerne præsterer over forventning. Og alligevel ender størstedelen som eksperimenter, der aldrig skalerer, og aldrig leverer den forretningsværdi, de lovede.
Piloten går godt. Et lille team, engagerede brugere, et afgrænset problem. Alle er begejstrede. Og så skal det ud i resten af organisationen. Pludselig fungerer intet af det, der gjorde piloten til en succes. Dataene fra piloten var kuraterede. Produktionsdataene er rodede. Brugerne i piloten var frivillige entusiaster. De øvrige brugere er det ikke. Governance-spørgsmålene, der blev udskudt til 'efter piloten', er stadig ubesvarede. Problemet er ikke, at teknologien ikke virker. Det er, at ingen designede piloten til at afsløre, hvad der skulle til for at skalere den. En pilot, der ikke er stresstestet mod produktionsvirkelighed, er en demo, ikke et bevis.
De 54 procent, der eksperimenterer, og de 4 procent, der ser stærkt afkast, bruger mange af de samme modeller og platforme. Teknologien er ikke forskellen. Forskellen er styring og forandringsledelse. Klare succeskriterier defineret, inden projektet begynder. Governance-ejerskab placeret, inden de første linjer kode er skrevet. Forandringsledelse bygget ind i planen fra dag ét, ikke behandlet som et problem, der dukker op ved udrulning. Det er kompetencer, der ikke er nye. De er bare sværere at demonstrere i en demo end en imponerende AI-funktion.
De definerer succes, inden de begynder. Ikke 'vi vil bruge AI til X', men 'vi vil reducere behandlingstid med Y procent målt på Z'. Uden et konkret succeskriterium er der ingen at vurdere resultatet op imod og ingen at holde projektet ansvarligt overfor. De placerer ejerskabet tidligt. Hvem godkender udvidelser af scope? Hvem vurderer om datagrundlaget er tilstrækkeligt? Hvem stopper projektet, hvis det ikke leverer som forventet? Ubesvaret ejerskab er den stille fejl, der gør governance-modellen til et dokument, ingen bruger. De tager forandringsledelsen alvorligt. Et AI-projekt er et forandringsprojekt med et teknologisk element. Medarbejderne, der skal bruge systemet, er ikke de samme entusiaster, der var med i piloten. De har ikke valgt det, og de har ikke haft indflydelse på det. Det kræver aktiv forandringsledelse, ikke en manual og et kursus.
Det er en af de mest gentagede fejl i AI-projekter: forandringsledelse behandles som et punkt på en tjekliste, der nærmer sig projektafslutning. Et kursus i det nye system. Kommunikation om hvad der ændrer sig. Måske en superbruger eller to. Det er information. Ikke forandringsledelse. Reel forandringsledelse starter, inden løsningen er valgt. Det handler om at forstå hvem der berøres, hvad der ændrer sig for dem specifikt, og hvad der skal til for, at de ser systemet som en hjælp frem for en kontrol. Det kræver indsats tidligt i forløbet, og det kræver nogen med mandat til at gøre det rigtigt. De organisationer, der ser stærkt AI-afkast, behandler ikke forandringsledelse som en efterbetaling. De bygger den ind som en forudsætning.
Hvad er det konkrete succeskriterium, og hvem er ansvarlig for at måle det? Hvis svaret er uklart, er projektet ikke klar til at starte. Hvem ejer governance-ansvaret, og har de mandat til at stoppe projektet? Ejerskab uden mandat er en titel, ikke et ansvar. Hvilke medarbejdere berøres, og hvornår er de inddraget i processen? Hvis svaret er 'ved udrulning', er projektet allerede kommet skævt ud af starten. De tre spørgsmål tager ti minutter at besvare. Det er de ti minutter, der adskiller de 4 procent fra de 54.
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