Lad os være ærlige. Det er ikke længere et spørgsmål om, hvorvidt AI bliver vigtigt på arbejdsmarkedet. Det tog markedet stilling til for længe siden. Hvis du arbejder med HR, IT, marketing, salg eller kemi – så er AI ikke bare et plus. Det er et krav. Og det er ikke noget, vi gætter på hos Snilld. Det er noget, vi ser hver eneste uge, når vi hjælper virksomheder med at rekruttere eller opkvalificere deres folk.

Eksplosiv vækst i AI-krav: Tallene lyver ikke

McKinsey har regnet på det: Antallet af ansatte i job, hvor AI-færdigheder er et krav, er gået fra 1 million i 2023 til 7 millioner i 2025. Det er syvdobling på to år. Jobopslag med AI-krav voksede 73% fra 2023 til 2024 – og så endnu 109% fra 2024 til 2025. Cisco siger, at 78% af alle IT-jobopslag nu nævner AI. PwC har set, at AI-relaterede jobopslag steg 7,5% sidste år, mens det samlede antal jobopslag faktisk faldt 11,3%. Det er ikke kun teknik. Fire ud af de ti mest AI-krævende stillinger er ikke-tekniske: marketingchefer, analysefolk, salgsledere og kemikere. Det overraskede mig faktisk lidt, da jeg så det første gang.

Det er ikke kun de store konsulenthuse, der siger det. Vi har set det i praksis hos vores egne kunder – både i små og store virksomheder. Når vi gennemgår jobopslag for dem, er AI-kravene ikke længere noget, der står med småt. De står med fed.

Hvilke AI-kompetencer efterspørges egentlig?

Der er meget hype, men også reelle behov. Vi ser ofte krav om erfaring med prompt engineering, automatisering af arbejdsgange, integration af LLM’er (store sprogmodeller), og evnen til at vurdere AI-output kritisk. I HR er det ofte evnen til at bruge AI i rekruttering og onboarding. I IT er det integration af AI i eksisterende systemer – og ikke bare at kunne bruge ChatGPT. Marketingfolk skal kunne lave AI-drevne kampagner og analysere data med AI-værktøjer. Salg? Her handler det om at kunne bruge AI til lead scoring og personalisering. I laboratorier ser vi krav om automatiseret dataanalyse og AI-baseret kvalitetskontrol. Det er ikke bare buzzwords – det er opgaver, der skal løses.

Vi har set jobopslag, hvor der står: “Erfaring med GPT-5.3-Codex eller Claude Code 4.6 Opus er en fordel.” Eller: “Kan du bygge multi-agent workflows?” Det er ikke alle, der kan det. Men det forventes, at du i det mindste forstår, hvad det betyder.

Rekruttering: Hvordan vurderer man AI-kompetencer?

Her bliver det tricky. Mange kandidater skriver “AI” på CV’et, men kan de rent faktisk bruge det? Vi har oplevet, at folk kan tale om AI, men ikke bruge det i praksis. En af de største faldgruber er at forveksle buzzwords med reel kunnen. Vi har set kandidater, der kan forklare, hvad RAG-pipelines er, men ikke kan bygge én. Eller som har taget et onlinekursus i prompt engineering, men ikke kan bruge det til noget konkret. Vores erfaring er, at man skal teste på cases – ikke bare tage folk på ordet.

En kunde bad os for nylig om at vurdere kandidater til en marketingrolle. Alle havde “AI” på CV’et. Men kun én kunne faktisk vise, hvordan hun havde brugt AI til at optimere en kampagne. Resten havde bare læst om det. Det er forskellen på hype og værdi.

Opkvalificering: Når rekruttering ikke er nok

Hvad gør virksomheder, når de ikke kan finde folk med de rette AI-kompetencer? De må opkvalificere dem, de har. Men det er ikke let. Forrester fandt, at kun 16% af medarbejdere har høj “AI readiness”. Og kun 23% af AI-beslutningstagere siger, at deres organisation tilbød træning i prompt engineering sidste år. Vi ser det samme hos vores kunder: Mange vil gerne, men ved ikke, hvor de skal starte. Barriererne er tid, ressourcer og frygt for at fejle.

Vi har arbejdet med en større dansk produktionsvirksomhed, hvor ledelsen gerne ville have AI ind i laboratoriet. Men medarbejderne var skeptiske. Vi lavede små pilotprojekter, hvor de selv kunne eksperimentere. Det virkede. Men det tog tid. Og det krævede, at ledelsen var tålmodig. Det er ikke plug and play.

AI-krav rammer bredt – ikke kun teknikere

Marketingfolk skal kunne bruge AI til at analysere kundedata og lave personaliserede kampagner. Salgsfolk skal kunne bruge AI til lead scoring og forudsigelse af kundebehov. Laboratoriepersonale skal kunne bruge AI til automatiseret dataanalyse og kvalitetskontrol. Vi har set, at folk med AI-kompetencer i disse roller får op til 56% højere løn – sammenlignet med kolleger uden. Det er ikke småpenge.

Et konkret eksempel: En kunde i medicinalbranchen ansatte en laboratorieleder med erfaring i AI-baseret billedanalyse. Hun fik 40% mere i løn end forgængeren – og leverede resultater, der kunne måles direkte på bundlinjen. Det er ikke hype. Det er virkelighed.

Skeptikernes indvendinger: Er AI-kravene overdrevet?

Det korte svar: Ja, nogle gange. Mange jobopslag er skrevet af HR, der bare kopierer fra skabeloner. Vi har set opslag, hvor der kræves ti års erfaring med teknologier, der kun har eksisteret i tre. Det er teater. Men det ændrer ikke på, at AI-kravene er kommet for at blive. NBER har vist, at selvom to tredjedele af virksomheder bruger AI, så er den gennemsnitlige brug kun 1,5 time om ugen. Og Apollo’s cheføkonom sagde for nylig: “AI er overalt – undtagen i de makroøkonomiske data.” Det minder om Solow-paradokset: Man kan se teknologien overalt, undtagen i produktivitetstallene.

Så ja, der er overdrivelser. Men det ændrer ikke på, at kravene findes – og at de bliver flere. Vi har aldrig set en kunde, der har fortrudt at opkvalificere deres folk i AI. Men vi har set flere, der har fortrudt, at de ventede for længe.

Hvad betyder det for dig? Praktiske råd fra Snilld

Hvis du arbejder med HR, IT, marketing, salg eller kemi, så er der nogle ting, du kan gøre allerede nu:

• Lav en ærlig vurdering af dit teams AI-kompetencer. Hvor er hullerne?
• Start småt: Vælg et konkret problem, hvor AI kan gøre en forskel. Test det af.
• Undgå at jagte de nyeste buzzwords. Fokusér på værktøjer, der faktisk bruges i din branche.
• Overvej ekstern hjælp, hvis I ikke selv har kompetencerne. Det kan betale sig.
• Vær tålmodig – men ikke for længe. Markedet venter ikke.

Vi har set, at de virksomheder, der lykkes bedst, er dem, der tør eksperimentere – og som ikke er bange for at fejle undervejs. Det er ikke altid kønt. Men det virker.

Jobmarkedet er ligeglad med, om du tror på AI

Det er måske lidt råt sagt, men det er sandheden. Markedet har allerede besluttet sig. Du kan ikke ignorere AI-kravene, uanset hvad du selv mener om teknologien. Næste skridt? Tag stilling. Find ud af, hvor du – og dit team – står. Og gør noget ved det, før du bliver overhalet. Man opdager først forskellen, når man sidder med det i hænderne. Eller når man ikke gør.

Kilder:

• https://www.thealgorithmicbridge.com/p/the-job-market-doesnt-care-if-you
• https://www.thealgorithmicbridge.com/p/the-managers-apprentice
• https://www.nber.org/papers/w34836
• https://www.apolloacademy.com/stock-market-performance-since-liberation-day/

Målgruppens mening om artiklen

Maria Jensen, HR-chef:

Jeg giver artiklen 85. Den rammer virkelig plet i forhold til de udfordringer, vi oplever i HR, når det gælder rekruttering og opkvalificering i AI. Jeg kan genkende problematikken med kandidater, der pynter sig med AI-kompetencer, og jeg synes, artiklen er god til at skelne mellem hype og reel kunnen. Den er lidt lang, men meget relevant for mit arbejde.

Anders Holm, IT-udviklingschef:

Jeg giver den 80. Artiklen er meget aktuel og rammer hovedet på sømmet med de krav, vi ser til AI i IT-branchen. Jeg kunne godt have ønsket mig lidt mere teknisk dybde, men det er fedt, at den ikke kun fokuserer på teknikere. Den er brugbar, især når jeg skal forklare ledelsen, hvorfor AI-kompetencer er nødvendige.

Lone Madsen, Marketing Manager:

Jeg giver den 90. Det er sjældent, jeg læser noget, hvor marketing bliver nævnt så konkret i forhold til AI. Jeg kan nikke genkendende til kravene om AI-drevne kampagner og dataanalyse. Det er også rart, at artiklen anerkender, at mange bare skriver “AI” på CV’et uden at kunne noget. Jeg føler mig ramt – på den gode måde!

Peter Sørensen, Salgschef:

Jeg giver den 75. Jeg synes, det er relevant, men det bliver lidt meget “AI er vigtigt”-snak, som jeg har hørt før. Dog er det fedt, at der er konkrete eksempler fra salgsområdet, og at lønforskellen bliver nævnt. Det gør det mere virkeligt for mig. Jeg savner dog flere praktiske råd til, hvordan man konkret kommer i gang.

Camilla Friis, Laboratorieleder:

Jeg giver den 88. Artiklen rammer meget præcist de udfordringer, vi har i laboratoriearbejde med at implementere AI. Jeg kan især genkende modstanden fra medarbejdere og behovet for små pilotprojekter. Det er også rart at se, at der bliver nævnt eksempler fra laboratorie- og kemibranchen, for det mangler tit i den slags artikler.

*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.