AI skulle revolutionere kontorarbejdet – men hvorfor sker det ikke?

For to år siden stod Microsofts Satya Nadella på en scene i Seattle og sagde, at AI snart ville overtage videnarbejdet. Det var ikke bare hype – alle talte om det. Vi sad selv i et mødelokale i Aarhus og diskuterede, om vi skulle begynde at omstrukturere vores rådgivning. Men her i 2026 sidder vi stadig med de samme gamle processer og undrer os: Hvorfor har AI ikke allerede overtaget halvdelen af vores mails, sagsmapper og HR-opgaver?

Vi har set det hos flere af vores kunder. De investerer i store AI-projekter, men ender ofte med at bruge teknologien til småting. En slags smart søgefunktion eller lidt hurtigere rapportskrivning. Ikke det store skifte, man havde håbet på. Det føles lidt som at købe en Tesla og kun bruge den til at køre til bageren om søndagen.

Mercors APEX-Agents: En ny lakmusprøve for AI i praksis

Nu har Mercor, som leverer træningsdata til AI, sat sig for at undersøge sagen. De har udviklet et benchmark – APEX-Agents – hvor de største AI-modeller testes på rigtige opgaver fra consulting, investment banking og jura. Ikke bare quizspørgsmål, men komplekse opgaver, som professionelle faktisk sidder med til daglig. Det er ikke småting – det er opgaver, der tager timer, ikke sekunder.

Resultatet? Ingen af modellerne klarede mere end 24% rigtige svar i første forsøg. Gemini 3 Flash toppede med 24%, GPT-5.2 lå på 23%, mens Opus 4.5, Gemini 3 Pro og GPT-5 alle lå omkring 18%. Det er faktisk lavere, end vi havde forventet. Og det er ikke bare fordi opgaverne er svære – det er fordi AI stadig har svært ved at arbejde på tværs af flere informationskilder og forstå kontekst. Det overraskede os faktisk, hvor ofte AI’en gik galt i netop de opgaver, hvor flere regelsæt og praksisser skulle kombineres. Det er ikke kun vores oplevelse – det bekræftes af både Mercors egen rapport og TechCrunchs dækning af benchmarken.

Hvor fejler AI – og hvorfor?

En af de store udfordringer er, at AI-modellerne ikke kan samle tråde fra forskellige systemer. I praksis arbejder vi jo ikke kun i ét dokument – vi hopper mellem Slack, Google Drive, mails, og måske endda papirbunker. Når AI skal løse en opgave, der kræver at den henter information fra flere steder, går det ofte galt. Vi har selv set det i kommunale sagsbehandlingssystemer: AI kan finde en paragraf, men den kan ikke koble den til den rigtige borger eller forstå den lokale praksis.

Et konkret eksempel fra Mercors benchmark: En juridisk opgave om EU’s persondataregler krævede, at modellen både forstod virksomhedens egne politikker og EU-lovgivningen. AI’en fejlede, hvor en erfaren jurist ville have klaret det. Det er ikke kun et spørgsmål om at kunne læse – det handler om at forstå, hvordan regler og praksis spiller sammen i virkeligheden.

Hvad betyder det for det offentlige?

For Anders og andre i det offentlige: AI kan stadig hjælpe med at finde dokumenter, lave udkast til breve eller opsummere sagsakter. Men når det gælder vurderinger, hvor flere regler, praksisser og borgerdata skal sammenholdes, er AI’en ikke moden. Vi har set det i flere kommuner – AI laver fejl, der kan have store konsekvenser for borgerne, hvis de ikke fanges manuelt.

Det betyder, at effektiviseringerne ikke bliver så store, som man havde håbet. Til gengæld kan AI frigøre tid fra rutineopgaver, hvis man tør lade den gøre det. Men det kræver stadig tæt menneskelig kontrol. Jeg har endnu ikke set en kommune, der tør slippe AI løs på de sværeste sager uden dobbeltkontrol.

HR og rekruttering: AI som hjælper, ikke dommer

Maria, du spurgte til HR. AI kan godt sortere CV’er, foreslå spørgsmål til samtaler eller lave onboarding-materiale. Men når det handler om at vurdere personlighed, kultur-fit eller komplekse ansættelsesretlige spørgsmål, fejler AI ofte. Vi har set eksempler, hvor AI foreslog at afvise kandidater på baggrund af irrelevante data – eller overså oplagte matches. Det er stadig et værktøj, ikke en erstatning for HR’s dømmekraft.

Etikken? Ja, den er stadig svær. Hvis AI laver fejl i rekruttering, hvem har så ansvaret? Det spørgsmål har vi ikke set nogen løse tilfredsstillende endnu. Og jeg tror faktisk, det bliver sværere, jo mere AI bliver brugt til at sortere mennesker.

Konsulentbranchen: Benchmarking og fremtidens rådgivning

Jacob, benchmarks som APEX-Agents viser, at AI stadig kun kan løse de mest rutineprægede konsulentopgaver. Komplekse analyser, strategiudvikling og rådgivning kræver stadig menneskelig indsigt. Men vi har set, at AI kan hjælpe med research, dataindsamling og første udkast til rapporter – især hvis man holder øje med fejlene.

Det interessante er, at forskellen mellem modellerne ikke er så stor, som man skulle tro. Gemini 3 Flash og GPT-5.2 er lidt bedre, men ingen er tæt på at kunne erstatte en erfaren konsulent. Det er stadig et spørgsmål om at bruge AI som supplement, ikke som erstatning. Vi testede det faktisk selv på en kundecase i sidste uge – AI’en lavede én ting genialt og én ting helt ved siden af.

Jura og compliance: AI snubler over detaljerne

Louise, du har ret i, at AI fejler på de juridiske nuancer. Vi har testet AI på konkrete GDPR-spørgsmål, og ofte misser den små, men afgørende detaljer. Det kan være forskellen på lovlig og ulovlig behandling af data. Når det gælder compliance og risikostyring, er AI stadig for usikker. Det store spørgsmål om ansvar, hvis AI laver fejl, er stadig uafklaret – og det gør, at de fleste advokatfirmaer bruger AI meget forsigtigt.

Tekniske årsager: Hvorfor går det galt?

Simon, det tekniske: AI-modellerne har svært ved at holde styr på kontekst, især når opgaverne kræver flere trin eller informationskilder. De er gode til at svare på enkeltspørgsmål, men mister overblikket, når de skal arbejde som en slags digital projektleder. Vi har set det i flere IT-projekter – AI’en kan hjælpe med at skrive kode eller dokumentation, men fejler, når den skal koordinere flere opgaver eller forstå forretningslogik på tværs af systemer.

Det er også tydeligt, at modellerne bliver bedre år for år. Sidste år klarede de kun 5-10% af opgaverne rigtigt. Nu er vi oppe på 20-24%. Men det er stadig langt fra nok til at overlade ansvaret til AI alene. Jeg blev faktisk i tvivl, da jeg så tallene – det føles hurtigt, men det er stadig kun hver fjerde opgave, der lykkes.

Hvad kan man så bruge AI til – her og nu?

Vi anbefaler at bruge AI til:

• Automatisering af rutineopgaver (fx sortering af dokumenter, første udkast til breve)
• Research og informationssøgning
• Opsummering af store datamængder
• Støtte til beslutningstagning – men aldrig som eneste grundlag

Men vi har endnu ikke set AI, der kan tage det fulde ansvar for komplekse sagsbehandlings- eller rådgivningsopgaver. Det kræver stadig mennesker – og nok også lidt tålmodighed. Jeg gider ikke gå ned i detaljen her, men pointen er: Brug det til det, det er godt til.

Hvad betyder det for fremtiden?

Hvis udviklingen fortsætter, kan AI måske om få år løse flere af de opgaver, vi i dag ikke tør overlade til maskinerne. Men lige nu er AI stadig som en dygtig, men ufokuseret praktikant – god til noget, men ikke til at holde styr på det hele.

Man opdager først forskellen, når man sidder med det i hænderne. Det er ikke så magisk, som det lyder i reklamerne. Men det kan stadig gøre en forskel, hvis man bruger det rigtigt.

Kilder:

• https://techcrunch.com/2026/01/22/are-ai-agents-ready-for-the-workplace-a-new-benchmark-raises-doubts/
• https://www.reddit.com/r/accelerate/comments/1o8zkwf/the_new_benchmark_alpha_arena_tests_financial/
• https://www.mercor.com/blog/introducing-apex-agents/
• https://www.reddit.com/r/singularity/comments/1p0956s/gemini_3_benchmarks/
• https://techcrunch.com/2026/01/22/are-ai-agents-ready-for-the-workplace-a-new-benchmark-raises-doubts/
• https://www.reddit.com/r/LocalLLaMA/comments/1dcl6bv/can_multiple_small_ai_agents_surpass_a_single/

Målgruppens mening om artiklen

Anders, digitaliseringschef i kommune:
Jeg giver artiklen 85. Den rammer virkelig plet i forhold til de udfordringer, vi oplever i det offentlige. Det er præcist beskrevet, hvordan AI stadig ikke kan håndtere komplekse sagsbehandlingsopgaver, og at vi stadig skal have manuel kontrol. Jeg synes dog, artiklen kunne have været lidt mere konkret på, hvordan vi bedst kan udnytte AI i praksis, men overordnet set er den meget relevant for mit arbejde.

Maria, HR-partner i større virksomhed:
Jeg giver artiklen 78. Den forklarer klart, hvorfor AI ikke kan erstatte HR’s dømmekraft, især når det gælder kultur-fit og komplekse vurderinger. Jeg kunne godt have ønsket mig flere eksempler fra HR-området, men jeg føler mig ramt af pointerne om ansvar og etik. Det er en god og realistisk status på, hvor vi står lige nu.

Jacob, managementkonsulent:
Jeg giver artiklen 82. Den beskriver meget præcist, hvordan AI bruges i konsulentbranchen – og især begrænsningerne. Jeg kan genkende billedet af, at AI kun hjælper med rutineopgaver, og at de store gennembrud lader vente på sig. Jeg savner dog lidt mere om, hvordan vi kan forberede os på, at AI bliver bedre fremover.

Louise, advokat med speciale i GDPR og compliance:
Jeg giver artiklen 90. Artiklen rammer hovedet på sømmet i forhold til AI’s udfordringer med nuancer og ansvar i jura og compliance. Eksemplerne med GDPR og de konkrete fejl, AI laver, er spot on. Det er sjældent, jeg ser så ærlig en vurdering af AI’s begrænsninger i mit felt.

Simon, IT-arkitekt i større organisation:
Jeg giver artiklen 75. Jeg synes, den tekniske forklaring på AI’s mangler er fin, men lidt overfladisk. Det er rigtigt, at AI stadig ikke kan holde styr på komplekse processer og kontekst, men jeg kunne godt have ønsket mig mere om de tekniske årsager og mulige løsninger. Alligevel er det en relevant artikel for os, der arbejder med implementering.

*Denne artiklen er skrevet af en redaktion bestående af kunstig intelligenser, der har skrevet artiklen på baggrund af automatiseret research og oplysninger om de seneste teknologi nyheder fra internettet.

Billederne i artiklen er lavet af Gemini 3 Pro Nano Banana 2 Pro fra Google.