AI-vækkelsen: Når forventninger møder virkelighed

Hele året har man hørt det samme: Generativ AI er på alles læber, men på bundlinjen sker der… næsten ingenting. Ifølge NANDA-rapporten fører kun 5% af alle generativ AI-projekter til målbar økonomisk effekt. Resten? Masser af pilotprojekter. Meget få, der faktisk rammer regnskabet.
Man kan mærke usikkerheden i luften. Nasdaq røg ned med 1,4% – store spillere som Palantir og Arm mistede mellem 5 og 9%. NANDA-rapporten blev nævnt som en del af forklaringen, men virkelig: Markedet reagerer nok lige så meget på en generel skepsis overfor AIs aktuelle forretningsværdi som på enkelte rapporter. Det billede bakker Financial Times og flere internationale medier op omkring.

Hos Snilld oplever vi typisk to forskellige scenarier

Enten er virksomhederne early adopters, der meget entusiastiske, selv er gået igang. De har kastet sig ud i projekterne, men mangler typisk den nødvendige viden om bl.a. hukommelse, valg af den rigtige model til opgaven samt lovgivning og compliance. Resultatet bliver frustrationer: AI-chatbots, der aldrig lærer af dialogen, men starter forfra hver gang. Assistenter, der svarer upræcist eller kører alt for langsomt.

På den anden side finder vi skeptikerne. De har hørt om problemerne fra early adopters og konkluderer, at de er uløselige. At det simpelthen er status for AI i dag. Dermed ender de med et forvrænget billede af teknologiens reelle evner og de konkrete opgaver, AI faktisk kan løse.

Netop derfor er det afgørende at vælge en kompetent AI-partner. En partner, der ikke bare har bygget software, men som medarbejderne hos Snilld har arbejdet med AI-teknologierne i årevis, kender faldgruberne og mestrer de metoder, der gør forskellen mellem et pilotprojekt og reel bundlinjeeffekt. Traditionelle softwarehuse kan sjældent få samme udbytte af modellerne, fordi de mangler den dybe erfaring med AI’s særlige styrker og begrænsninger.

Lige så vigtigt er medarbejdernes uddannelse. Selv den bedste løsning falder til jorden, hvis organisationen ikke forstår, hvordan teknologien skal bruges i praksis. Derfor er træning og kompetenceudvikling en central del af at skabe succes med AI – ikke kun for specialister, men for hele den del af forretningen, der skal arbejde sammen med assistenterne i hverdagen.
– Peter Munkholm, CEO, Snilld

Hvad siger analysen: Tallene og begrænsningerne

NANDA-rapporten bygger på 52 interviews, undersøgelser af 300+ offentligt tilgængelige AI-projekter og en spørgeskemaundersøgelse blandt 153 ledere. Seks måneder efter at generativ AI var gået fra pilotprojekt til drift, blev der set på, om der kom økonomisk effekt.
Og lad os sige det, som det er: Kun 5% viste reelt plus på regnskabet. Resten endte ofte som endnu en PowerPoint-anbefaling til ledelsen, uden nævneværdig forandring i tallene. Datagrundlaget er ikke perfekt – seks måneders horisont og offentlig adgang til projekterne sætter sine naturlige begrænsninger. Men signalet kan ikke ignoreres: Størstedelen af AI-indsatser skaber ikke målbar værdi.

Hovedproblemerne: Der hvor AI knækker halsen

Spørger man ledere, går problemerne igen: AI-løsninger forstår ikke organisationens kontekst, lærer for lidt af feedback og kræver ofte så meget manuelt opsyn, at gevinsten forsvinder. 60-70% i rapporten oplever, at AI ikke lærer af feedback – og at de skal forklare alt fra bunden igen og igen. Man ender som babysitter for sin AI. Det er ikke meningen med automation.

Hvor lander effekten – og hvem går glip af den?

De få succeser har en fællesnævner: Besparelserne findes i baglokalet. Altså i processer, der ikke handler om at tale direkte med kunderne, men om alt det kedelige bag kulissen. Mindre brug af eksterne samarbejdspartnere, effektivisering af interne rutiner, og færre dyre bureauer. Kort fortalt: Media- og telekombranchen samt professionelle tjenester og sundhed/pharma finder flest af de hårde gevinster – ikke mindst, fordi de kan skære i brugen af tredjeparter.

Sæt barren realistisk: AI alene løser ingenting

Her er det værd at huske: AI er ikke et quickfix. Særligt ikke hvis der stadig bruges gamle, ufleksible processer. Rapporten er ikke bare et advarselsskilt til hype-jægerne. Den minder os om, at bundlinjeeffekt kræver meget mere end en demo. Forankring, integration og de rigtige folk på opgaven er afgørende. Det gælder alle brancher – også udenfor dem, rapporten fremhæver mest.

Kritik af rapporten – og hvorfor den stadig har en pointe

Rapporten fra NANDA får hug for sit akademiske niveau og for, at metoden minder om marketing fremfor ren forskning. Nogle eksperter bemærker, at den har karakter af skjult reklame – specielt når rapporten pointerer, at partnerskab med leverandører (der minder om de rapporten selv repræsenterer) er løsningen. Det er værd at tage med, men kritikken ændrer ikke på observationen: Meget få generativ AI-projekter leverer målbart på bundlinjen. Og flere internationale rapporter – fra blandt andet McKinsey og MIT – peger i samme retning: De reelle forretningsgevinster er stadig forbeholdt de få, der lykkes med konsekvent implementering.

Danske erfaringer: Fra hårde landinger til konkrete resultater

Spørger man ude i det danske erhvervsliv, er billedet det samme. AI-projekter fejler, hvis de måles for hurtigt eller hvis ambitionsniveauet er skævvredet fra starten. Men der er også dem, der lykkes. Se på en midtjysk produktionsvirksomhed, der erstattede manuelle rapporteringsrutiner med AI-assisteret dataopsamling – og på to måneder halverede tiden brugt på månedsluk. Eller den større rådgivervirksomhed, der automatiserede intern kommunikation og i dag sparer flere mandetimer hver uge. Alting starter med at kende processerne. Først derefter kan teknikken gøre en reel forskel.

Fem veje uden om AI-fælden

• Start ved de rutiner, der kan standardiseres. Drop idéen om magiske AI-løsninger til det sværeste først.
• Brug kun leverandører, der kan dokumentere resultater fra lignende organisationer.
• Uddan brugere, så de forstår hvor AI gør nytte – og hvor de skal overtage selv.
• Integrer AI så tæt op ad den daglige drift som muligt – ikke som et ekstra lag ovenpå forretningen.
• Mål resultater systematisk – og hold øje med små gevinster før du leder efter de store.

Er der reelle muligheder? Ja – men det kræver benhård proces

Snilld har set, hvordan AI kan tage enkelte opgaver fra flere timer til få sekunder. Men det er ingen garanti for, at alt lykkes. Erfaringen viser bare, at der hvor AI-projekter lykkes, er der arbejdet målrettet med at kortlægge workflows, forankre forandringer og afstemme forventningerne. Resultaterne varierer – de nævnte gevinster fra Snillds kunder er virksomhedens egne erfaringer, ikke generelle tal for markedet. Det væsentlige? At effekten først for alvor kommer, når AI bliver en naturlig del af arbejdet og ikke et isoleret projekt i hjørnet.

Andre rapporter: Samme tema – hård konkurrence om effekten

Både McKinsey, MIT og Fortune har publiceret analyser, der peger på tilsvarende udfordringer med at skabe reelle bundlinjegevinster. Generativ AI er ikke død, men den kritiske masse mangler stadig. Man skal simpelthen være villig til at investere mere i analyse, integration – og ikke mindst uddannelse af de folk, der skal arbejde sammen med AI-assistenterne hver dag.

Hvordan undgår man AI-blindgyden? Prøv dette

Brug ikke AI som stiløvelse eller prestigeprojekt. Udpeg processer, hvor besparelsen kan måles og mærkes. Inddrag brugere undervejs – og vær klar til at justere kursen, hvis effekterne udebliver. Erfaringer fra både Danmark og udlandet viser, at netop her mislykkes størstedelen af AI-projekter: For få målbare milepæle, for siloopdelte projekter, og for lidt fokus på gevinstrealisering.

Afslut med handling: Et simpelt tjek – seks hurtige spørgsmål

• Er processen egnet til automation eller kræver den konstant menneskelig opsyn?
• Rammes besparelsen bredt, eller er det kun nice-to-have?
• Har du adgang til data i den rigtige kvalitet?
• Er ledelsen klar til at integrere AI i de tunge forretningsprocesser?
• Er der lavet en plan for løbende læring og tilpasning?
• Kan leverandøren vise eksempler på dokumenteret effekt i lignende brancher?

Pointe: AI er kun noget værd, hvis du kan mærke det

Snillds erfaring: Det kræver mod, vedholdenhed og skarp prioritering at få AI til at rykke reelt. Derfor er de bedste AI-gevinster kommet der, hvor alt – teknik, processer og mennesker – arbejder sammen. Alternativet er endnu flere PowerPoints. Og dem er der rigeligt af.
Opsummering? AI virker. Men det er ikke løsningen på alt. Overvej hvor, hvorfor – og med hvem.

Kilder:

• https://www.artificialintelligence-news.com/news/gen-ai-makes-no-financial-difference-in-95-of-cases/
• https://fortune.com/2025/08/18/mit-report-95-percent-generative-ai-pilots-at-companies-failing-cfo/
• https://nanda.mit.edu/
• https://www.cnbc.com/2025/08/18/stock-market-today-live-updates.html
• https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier

Målgruppens mening om artiklen

Anne Møller, IT-chef: Jeg giver artiklen 85. Den rammer plet i forhold til de udfordringer, vi oplever med AI-projekter i praksis – især det med, at mange projekter aldrig bliver til mere end pilotforsøg. Jeg kan godt lide, at den ikke bare køber hypen, men også peger på de reelle begrænsninger og nødvendigheden af at arbejde med processer og forankring. Dog kunne jeg godt have ønsket lidt flere konkrete eksempler fra danske virksomheder.

Jesper Holm, Digitaliseringskonsulent: Jeg giver den 78. Artiklen er relevant og rammer mange af de faldgruber, jeg selv ser i organisationer, der forsøger at implementere AI. Den er lidt kritisk overfor rapporten, hvilket jeg sætter pris på, men jeg synes, den bliver lidt for generel til sidst og mangler mere dybde på, hvordan man konkret får AI til at lykkes.

Maria Lund, HR-udviklingschef: Jeg giver den 70. Jeg synes, artiklen er god til at nuancere AI-debatten og fremhæve, at det ikke bare handler om teknologi, men også om mennesker og processer. Men jeg savner mere fokus på forandringsledelse og kompetenceudvikling, som jeg mener er helt afgørende for succes med AI.

Peter Sørensen, CFO: Jeg giver den 90. Artiklen er spot on i forhold til mit perspektiv – den sætter fokus på, at økonomisk effekt ikke bare kommer af sig selv, og at det kræver benhårdt arbejde at få AI-projekter til at levere på bundlinjen. Jeg kan især lide de konkrete råd til, hvordan man undgår AI-fælden.

Camilla Friis, Forretningsudvikler: Jeg giver den 75. Artiklen er relevant og rammer mange af de udfordringer, vi selv har haft med AI-implementering. Jeg synes dog, den bliver lidt for negativ og kunne godt have brugt flere eksempler på, hvor AI faktisk har gjort en forskel – ikke kun hvor det er gået galt.

*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 FLUX.1.1 Pro fra Black Forest Labs.