Det er ikke hver dag, vi ser et AI-startup, der på få måneder rejser næsten en halv milliard dollars – og samtidig lover at gøre noget, de store spillere ikke tør. Men det er præcis, hvad Humans& har gjort. Bag navnet gemmer sig et hold af tidligere nøglefolk fra Anthropic, Meta, OpenAI, xAI og Google DeepMind. Det er ikke hvem som helst, og det kan mærkes, når man læser deres ambitioner. De vil ikke bare bygge endnu en hjælpsom AI-assistent. De vil bygge en AI, der kan koordinere mennesker og maskiner på tværs af komplekse organisationer. Ikke bare svare på spørgsmål, men faktisk få folk til at arbejde sammen – og blive enige.

Fra chatbot til koordinator: Hvorfor nu?

Hvis du har prøvet at bruge en AI-chatbot i et rigtigt projekt, kender du måske frustrationen. De kan svare på spørgsmål, ja, og de kan opsummere dokumenter. Men de forstår ikke, hvordan mennesker arbejder sammen. De kan ikke holde styr på, hvem der har sagt hvad, eller hvorfor et projekt pludselig går i stå, fordi to afdelinger ikke kan blive enige om, hvem der skal tage ansvar for næste skridt. Det er her, behovet for koordinering opstår – især i større organisationer, hvor samarbejde ofte er mere kaotisk end logisk.

Vi har set det selv i Snilld, når vi hjælper kommuner eller større virksomheder: AI-assistenter kan let blive endnu en støjkanal, hvis de ikke forstår den sociale dynamik og de lange processer, der præger offentlige projekter. Det er ikke nok at være klog – man skal også kunne navigere i det menneskelige.

Hvad gør Humans& anderledes?

Det, der springer i øjnene, er Humans&’s fokus på social intelligens og samarbejde. De vil ikke bare være et plugin til Slack eller Google Docs. De vil bygge en helt ny platform, hvor AI ikke bare hjælper, men faktisk forstår, hvordan mennesker arbejder sammen over tid. Teknisk set taler de om long-horizon reinforcement learning (RL) og multi-agent RL – altså metoder, hvor AI lærer at planlægge, revidere og samarbejde med både mennesker og andre AI’er over længere tidshorisonter. Det er ikke bare et spørgsmål om at svare rigtigt, men om at holde styr på komplekse beslutningsprocesser og gruppedynamikker.

Det lyder måske abstrakt, men det er faktisk ret konkret, hvis man har siddet til et møde, hvor ingen kan huske, hvorfor man valgte den strategi, man nu er ved at fortryde. Forestil dig en AI, der ikke bare kan finde referatet, men også kan forklare, hvem der pressede på for hvilken beslutning – og hvorfor.

Praktiske eksempler: Hvordan kunne det se ud?

Forestil dig en kommune, hvor sagsbehandlingen ofte går i stå, fordi flere afdelinger skal koordinere omkring en borger med komplekse behov. I dag ender det ofte med, at sagen bliver sendt frem og tilbage, og ingen har det fulde overblik. Med Humans&’s tilgang kunne AI’en holde styr på hele processen, minde relevante medarbejdere om deadlines, foreslå kompromiser og sikre, at alle relevante oplysninger er tilgængelige for de rigtige personer – uden at nogen skal bruge halve dage på at lede efter dokumenter.

Det samme gælder tværfaglige projekter: Forestil dig et samarbejde mellem socialrådgivere, IT-folk og økonomer. AI’en kunne hjælpe med at oversætte mellem faggrupper, holde styr på beslutningshistorik og sikre, at vigtige detaljer ikke bliver tabt i mængden. Og i forhold til borgerkontakt og følsomme data? Her bliver det ekstra vigtigt, at AI’en kan håndtere adgangskontrol og databeskyttelse på tværs af systemer.

Sikkerhed, etik og integration

Det er let at blive begejstret, men vi bliver nødt til at tage sikkerhed og etik alvorligt. Humans& lover, at deres platform skal kunne integreres med eksisterende IT-infrastruktur – og at følsomme data bliver håndteret ansvarligt. Men vi har ikke set konkrete løsninger endnu. Det er et område, hvor vi i Snilld ofte ser, at ambitionerne møder virkeligheden: Kan man virkelig sikre, at AI’en ikke får adgang til mere, end den skal? Og hvordan sikrer man, at beslutninger kan forklares og kontrolleres?

De etiske overvejelser er ikke bare akademiske. Hvis AI’en skal koordinere på tværs af afdelinger, skal man kunne stole på, at den ikke favoriserer bestemte grupper eller overser vigtige hensyn. Det kræver gennemsigtighed og mulighed for manuel kontrol.

Implementering: Udfordringer og erfaringer

Humans& er stadig i den tidlige fase, og de indrømmer selv, at produktet udvikles sideløbende med modellen. Det er både en styrke og en risiko. På den ene side kan de tilpasse platformen, efterhånden som de lærer mere om, hvordan modellen fungerer i praksis. På den anden side betyder det, at der stadig er mange ubesvarede spørgsmål om, hvordan det hele skal hænge sammen.

Vi har set lignende udfordringer i andre AI-projekter: Ressourcerne skal række til både udvikling og drift, og adoptionen kræver, at brugerne faktisk kan se værdien i hverdagen. Konkurrencen er benhård – ikke bare fra de klassiske værktøjer som Notion og Slack, men også fra de store AI-labs, der nu begynder at tænke i multi-agent og samarbejdende AI’er. Alligevel har Humans& allerede sagt nej til opkøbstilbud fra større aktører. Det er modigt – eller måske bare nødvendigt, hvis de vil sætte deres eget præg på feltet.

Perspektiv: Hvad betyder det for det offentlige?

Hvis Humans& lykkes, kan det betyde markante gevinster for offentlige organisationer. Effektivitet, bedre samarbejde, mindre stress og færre fejl i komplekse sagsforløb. Men der er stadig mange ubesvarede spørgsmål: Hvordan ser brugeroplevelsen ud i praksis? Kan AI’en faktisk forstå de sociale nuancer, der præger offentlige samarbejder? Og hvad med de juridiske og etiske gråzoner?

Vi mangler stadig at se et færdigt produkt – og vi ved af erfaring, at det ofte er her, de største udfordringer opstår. Men det er værd at holde øje med Humans&. Ikke kun fordi de har rejst et svimlende beløb, men fordi de prøver at løse et reelt problem, som ingen andre for alvor har knækket endnu.

Hvad bør ledere og IT-folk spørge sig selv?

Hvis du sidder med ansvar for digitalisering eller IT i en offentlig organisation, er det nu, du skal begynde at stille spørgsmålene: Hvor kunne AI-koordinering gøre en forskel hos jer? Hvilke processer er mest præget af misforståelser, dobbeltarbejde eller tabt viden? Og hvordan sikrer I, at en AI-løsning faktisk bliver en hjælp – og ikke endnu en kompleksitet?

Vi har ikke alle svarene endnu. Men vi ved, at koordinering er et af de største uudnyttede potentialer for AI i det offentlige. Og vi glæder os til at se, om Humans& kan levere på deres løfter – eller om det hele ender som endnu en god idé på papiret. Man opdager først forskellen, når man sidder med det i hænderne.

Kilder:

• https://techcrunch.com/2026/01/25/humans-thinks-coordination-is-the-next-frontier-for-ai-and-theyre-building-a-model-to-prove-it/
• https://www.reuters.com/business/ai-startup-humans-raises-480-million-45-billion-valuation-seed-round-2026-01-20/
• https://www.anthropic.com/news/projects

Målgruppens mening om artiklen

Anne Madsen, IT-projektleder i kommune:
Jeg giver artiklen 82. Den rammer plet i forhold til de udfordringer, vi oplever med koordinering og samarbejde på tværs af afdelinger. Jeg savner dog mere konkret om, hvordan Humans& faktisk vil løse de praktiske og etiske udfordringer, men det er spændende at se, at nogen tager fat på netop det problem.

Jesper Holm, digitaliseringschef i region:
Jeg giver den 75. Artiklen er relevant, fordi den adresserer et reelt behov i det offentlige, men jeg synes, den bliver lidt for begejstret uden at give nok kritisk analyse af de tekniske og organisatoriske barrierer. Jeg er dog enig i, at det er et område, vi skal holde øje med.

Lene Sørensen, sagsbehandler i socialforvaltning:
Jeg giver den 90. Jeg kan genkende de problemer, der beskrives, og jeg synes, det er fedt, at nogen endelig prøver at gøre noget ved dem. Artiklen forklarer på en letforståelig måde, hvorfor det er svært at få AI til at fungere i praksis i det offentlige.

Michael Friis, IT-arkitekt i statslig styrelse:
Jeg giver den 68. Jeg synes, artiklen er lidt for overfladisk omkring integration og datasikkerhed, som er altafgørende for os. Men jeg anerkender, at den sætter fokus på nogle vigtige udfordringer, som vi kæmper med hver dag.

Camilla Jensen, chefkonsulent for digital transformation:
Jeg giver den 85. Artiklen er både inspirerende og realistisk omkring de udfordringer, vi står med. Den balancerer godt mellem vision og realisme, men jeg savner nogle flere konkrete cases eller erfaringer fra lignende projekter.

Gennemsnitlig karakter: 80

*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.