AI og hybridledelse: faldgruberne, potentialet og kulturen, der afgør det

AI er vel efterhånden rullet ud i de fleste organisationer. Jeg oplever, at mange har en AI-politik, der beskriver, hvad man må bruge, og hvordan. Men de færreste har taget fat på snakken om, hvad AI gør ved samarbejdet, arbejdsvanerne og teamkulturen. Her er de faldgruber, jeg ser lige nu, det potentiale, jeg mener vi underudnytter, og den kultur, der afgør, hvordan vi får det bedst integreret i hverdagen.

Mødet, der sluttede to gange

En leder, jeg har arbejdet sammen med, ringede til mig for nylig. Hun havde haft en svær samtale med en medarbejder. Ikke en fyring, men en af de samtaler, hvor man skal sige noget om præstationen, som ingen af parterne glæder sig til. HR var med på en Teams-forbindelse, helt normalt i 2026.

Samtalen gik faktisk fint. Medarbejderen sagde tak, lagde på og forlod mødelokalet. Men lederen og HR snakkede videre bagefter, konkluderede på reaktionen og talte om, hvad der skulle gøres herfra. Helt som man ofte gør i et mødelokale, når døren lige er lukket. De snakkede om hvordan mødet var gået, hvordan medarbejderen havde modtaget beskeden, og hvad de skulle gøre herfra hvis det ikke blev bedre. Alt det, man kun siger, når man tror, man er alene i rummet.

Da Teams-forbindelsen blev afbrudt, og lederen var tilbage ved sit bord, tikkede det automatiske referat ind i indbakken hos alle mødedeltagerne. Med opsummering, konklusioner og handlingspunkter. Inklusive alt det, der var blevet talt om, efter medarbejderen havde forladt lokalet.

Der er ingen skurk i den historie. Ingen havde trykket forkert. Der var heller ikke som sådan en fejl i systemet. Adgangen til referatet følger invitationen, ikke fremmødet, og det er præcis sådan, værktøjet er bygget. Problemet var, at ingen havde talt om det på forhånd, eller aftalt en standard for, hvordan et opfølgende møde skal foregå i en verden, hvor en virtuel assistent lytter med og tager noter for alle. I denne situation var skaden ikke stor. Lederen rakte straks ud til medarbejderen og forklarede situationen, og der var ikke delt nogen følsom information. Men vi kan alle tænke os til scenarier, der kunne være meget værre.

Den tavse mødedeltager, ingen har taget stilling til

Historien handler kun på overfladen om et referat. Den handler om, at der er kommet en deltager mere med til vores møder, og at ingen har taget stilling til den. Den siger ikke noget undervejs. Den rækker ikke hånden op og gør opmærksom på, at samtalen er ved at blive fortrolig. Den lytter og skriver ned, også når vi for længst har glemt, at den er der. Et menneske ville vi aldrig lade sidde sådan uden først at have aftalt, hvad rollen var.

Det er dét, jeg synes vi springer over. Vi ruller værktøjer ud, der griber dybt ind i måden, vi taler sammen på, og så nøjes vi med en politik om data og jura. Men det, der afgør, om det går godt, er noget andet: hvordan opfører vi os, når assistenten er tændt, hvad er standarden for et opfølgende møde, og er det i det hele taget i orden, at der sidder en med, som lytter uden at give lyd fra sig? Det er ikke spørgsmål, IT kan svare på. Det er noget, teamet skal blive enige om.

Det er den pointe, jeg gerne vil have med hele vejen igennem. Har I klare aftaler, en tydelig kerneopgave og en kultur, hvor man tør sige tingene højt, så bliver AI en gevinst hurtigere, end I tror. Er retningen uklar, mødedisciplinen tynd og tilliden skrøbelig, så bliver AI et forstørrelsesglas på præcis dét. I et hybridt team er der bare kortere vej fra forstørrelse til brud, fordi vi ikke kan læse hinanden hen over et skrivebord bagefter.

Microsofts Work Trend Index fra 2024 satte tal på, hvor langt fremme medarbejderne var: tre ud af fire vidensarbejdere brugte allerede AI i arbejdet (mon ikke det kun er vokset siden da?), og næsten lige så mange, 78 procent, fortalte at de tager deres egne værktøjer med på jobbet, fordi de ikke gider vente på, at organisationen bliver klar. Det tal, jeg selv hænger fast i, er et tredje: 52 procent er tilbageholdende med at fortælle, at de har brugt AI til deres vigtigste opgaver.

Halvdelen af dine folk holder altså nok lidt igen med at fortælle, hvordan arbejdet faktisk bliver lavet. Ikke fordi de snyder, men fordi de er bange for at fremstå mindre dygtige. Det er en lærebogsindikator på lav psykologisk tryghed, og det er der, vi skal starte.

Fem faldgruber, jeg møder lige nu

1. Referatet, der deler mere, end nogen bad om

Historien ovenfor er ikke enestående. Automatisk transskription og opsummering er slået til som standard mange steder, og de færreste teams har taget stilling til, hvem der har adgang, hvor længe referatet lever, og hvad der sker med det, der bliver sagt efter den officielle del af mødet. Tag den snak, før I får brug for den. Aftal også, hvornår optagelsen slås fra: personalesamtaler, sparring om en kollega og alt, der handler om helbred, hører ikke til i en søgbar tekstfil. Personligt mener jeg også vi bør have en større IT-relateret snak, om hvordan den slags virtuelle mødereferenter kan være mere synlige for deltagerne.

2. Hurtigere svar på en dårlig proces

Det her er den, der koster mest, og den, færrest taler om. Vi giver medarbejderne en copilot, og så bliver indbakken nemmere at overskue og mailen hurtigere at svare på. Men den tunge, klodsede proces bag mailen er fuldstændig uændret. Vi har med andre ord sat strøm på dårlige og uigennemtænkte processer, og gjort det nemmere at håndtere mailbunken, i stedet for først at reducere antallet af mails vi sender.

Den britiske centraladministration afprøvede Microsoft 365 Copilot med 20.000 ansatte. I gennemsnit rapporterede deltagerne 26 sparede minutter om dagen, hvilket er fint. Men 17 procent oplevede ingen besparelse overhovedet. I den australske statspilot brugte kun cirka en tredjedel værktøjet dagligt. Det er ikke teknologien, der svigter der. Det er, at ingen har spurgt, hvilke processer der egentlig skulle laves om.

Oveni kommer det, som forskere fra Stanford og BetterUp har døbt workslop: AI-produceret materiale, der ser gennemarbejdet ud, men mangler substans, så modtageren skal lave arbejdet om. 40 procent af de adspurgte havde oplevet det, og hver enkelt hændelse kostede i snit knap to timer at rydde op i. Der er ikke sparet tid. Tiden er flyttet hen til en kollega.

3. Skygge-AI og et digitalt A- og B-hold

Når 78 procent tager deres egne værktøjer med, sker der to ting. Den ene er den, IT-afdelingen bekymrer sig om: kundedata og fortrolige aftaler, der havner i tjenester, ingen har godkendt. Den anden er mere et ledelsesproblem. De greb, den enkelte finder ud af derhjemme, bliver privateje. Før i tiden opdagede man kollegaens smarte fremgangsmåde ved at kigge med over skulderen på kontoret. Sidder folk hver for sig og prompter i det stille i en AI, der fungerer bedre end den, virksomheden stiller til rådighed, bliver forspringet måske personligt i stedet for fælles, og efter et halvt år har I et A-hold og et B-hold, som ledelsen har svært ved at forklare på afstand.

4. Mistroen til det, vi får tilsendt

Der er en mistro under opbygning, og den handler om mere end AI. Den handler om validiteten af alt det, vi får tilsendt. Er tallene i notatet tjekket, eller er de bare plausible? Er analysen tænkt igennem af et menneske, eller er den genereret på tredive sekunder? Vi er begyndt at læse hinandens arbejde med et ekstra filter på, og vi siger det ikke højt.

“Har min kollega overhovedet skrevet det her selv?”

Den mistanke er ikke paranoia, den er målt. I workslop-undersøgelsen svarede 42 procent, at de betragtede en kollega som mindre troværdig efter at have modtaget AI-genereret arbejde uden substans, og 54 procent som mindre kreativ. Det er dér, tilliden lækker, og i et hybridt team lækker den lydløst, fordi ingen tager samtalen ved kaffemaskinen bagefter.

Det farlige er ikke, at mistanken opstår. Det farlige er, at den bliver siddende. Man skriver ikke i en Teams-tråd, at man er i tvivl om, hvorvidt kollegaen selv har tænkt det her igennem. Man skruer bare stille ned for tilliden til den næste leverance. Derfor skal det frem i lyset, og det er en ledelsesopgave. Fortæl, hvad I bruger AI til, fortæl lige så tydeligt hvad I selv står inde for, og gør det til noget, man kan spørge ind til uden at fornærme nogen.

5. Den nye afbrydelse: ti tråde, der alle venter på dig

Den her har jeg mærket på egen krop. Det er blevet nemt at have ti chats kørende parallelt, i flere værktøjer, på tværs af opgaver, der ikke har noget med hinanden at gøre. Hver enkelt tråd føles produktiv. Tilsammen er de en context switch-maskine, og jeg kan blive rigtig godt stresset af at være dirigent for et orkester, jeg selv har hyret.

Det er den samme mekanisme, vi kender fra det hybride arbejde i forvejen: for mange kanaler, for mange afbrydelser, og de værste er dem, vi selv laver. Jeg har skrevet om det i Mødeoverload og om det digitale arbejdsmiljø, og AI kan uden videre accelerere begge dele, hvis vi ikke tager stilling. En assistent, der kan foreslå, opsummere og minde os om ting, er også en ny kilde til afbrydelser. Beslut, hvornår den er tændt.

Potentialet, hvis I tager fat om processen i stedet for værktøjet

Nu lyder jeg formentlig som en, der helst var fri. Det er jeg ikke. Jeg mener, at AI er den største mulighed, vi har haft i vidensarbejdet i mange år, og at arbejdet kan blive markant mere interessant, når støjen ryger. Men gevinsten ligger ikke i licensen. Den ligger i, hvad I vælger at bruge den til.

Vælg efter forretningsværdi, ikke efter teknologibenovelse

De AI-initiativer, jeg har set virke, har alle sammen én ting til fælles. De begyndte med et spørgsmål til medarbejderne: hvilke af vores processer er tunge, dumme og dræbende, og hvad ville du fjerne først? Det er ikke bare god involvering, det er den eneste måde at finde de rigtige steder at sætte ind. Ledelsen kender kun toppen af isbjerget, og det er der god dokumentation for. Prioritér derefter efter, hvad der skaber værdi for kunden eller kerneopgaven, ikke efter hvad der giver den flotteste demo, eller lyder teknisk mest imponerende.

Mødeforberedelse, der rent faktisk sker

Vi har alle sammen siddet i mødet, hvor de første ti minutter går med at sikre at alle er opdateret, fordi ingen nåede at forberede sig. Det er et af de steder, hvor jeg selv får mest ud af AI: en opsummering af, hvad der er sket siden sidst, hvilke udeståender der ligger, og hvad jeg bør have en holdning til, inden jeg går ind i mødet.

Med ét vigtigt forbehold. Det skal stadig være vores forberedelse, faciliteret af en maskine. Ikke maskinens holdning, som vi nikker til. Hvis alle møder op med den samme AI-genererede opsummering og ingen egen mening, har vi ikke forbedret mødet, vi har bare automatiseret enigheden. Flere greb til det ligger i møder og mødekultur.

Vidensdeling, vi har talt om i ti år

Vidensdeling er den klassiske gode intention, som alle er enige i og ingen når. Nu findes der for første gang værktøjer, der kan gøre det billigt: referater fra videndelingssessioner, der faktisk bliver skrevet, og en fælles model, der kan samle op, søge på tværs og svare, når nogen spørger et halvt år senere.

Det er ikke bare en god idé, der er evidens bag. I det bedst dokumenterede studie på området, 5.172 kundeservicemedarbejdere fulgt over tid, steg antallet af løste sager pr. time med 15 procent. Den interessante del er hvorfor: assistenten opsamlede i praksis de erfarnes tavse viden og gav den videre til de mindre erfarne. De nye blev hurtigere gode. Det er en god del af pointen i hybrid robusthed, at viden ikke må ligge hos enkeltindivider alene.

Den fælles AI slår medarbejderhåndbogen

Hvor booker man forplejning til et møde? Hvordan plejer vi at gribe et tilbud an? Hvor ligger den skabelon? Den slags spørgsmål er præcis dem, en ny medarbejder ikke tør stille tredje gang, og som en hybrid hverdag gør sværere at få svar på, fordi der ikke sidder nogen ved siden af. En fælles AI, som alle har ansvar for at holde opdateret, er et langt bedre svar end en håndbog, der sidst blev rettet i 2023.

Men vær ærlig om bagsiden. Den forældede håndbog, ingen læser, er måske harmløs. Et forældet svar, leveret af en AI med fuldstændig selvtillid, er det ikke. Og fordi assistenten respekterer de adgangsrettigheder, I allerede har, bliver alt det, der ved en fejl er delt for bredt, pludselig meget lettere at finde. Ryd op i rettigheder og i gammelt indhold, før I skruer op. Det er kedeligt arbejde, og det er det, der afgør, om det virker.

Sådan bruger jeg det selv

Jeg har mest tillid til råd fra folk, der selv har snavsede hænder, så her er min egen praksis. Jeg arbejder efter konceptet hybrid intelligens, og princippet er enkelt: jeg tager styringen, maskinen tager det kedelige.

• Jeg tænker først, og skriver så en brief. Jeg sætter mig ned og finder ud af, hvad jeg mener om emnet, før jeg åbner noget som helst. Så skriver jeg det råt og ustruktureret ned, uden at bekymre mig om stavefejl og rækkefølge, og bruger AI til at strukturere, pudse af og gøre præsentationen pænere. Holdningen er min. Formen er hjælp.
• Daglig opsummering. Hvad er der landet af vigtige mails, hvad er mine udeståender, hvad har jeg i kalenderen. Ikke fordi jeg ikke kan læse min egen indbakke, men fordi jeg vil bruge morgenens skarpeste time på noget bedre end at trawle 100 nye ulæste beskeder igennem.
• Research og monitorering hellere som automatik end som chat. Overvågning af, hvad der sker hos kunder og i markedet, egner sig dårligt til, at man husker at spørge. Sæt det op, så det kommer af sig selv.
• Orkestrering, når AI løser en hel opgave. I det øjeblik den ikke bare hjælper, men leverer noget, skal det behandles som et bidrag fra en kollega. Hvem følger op på det, hvornår, og hvordan kommer det ind i jeres projektstyring? Uden det led får I en stak output, ingen ejer.

Og så en advarsel til mig selv, som jeg giver videre gratis: jo bedre jeg bliver til det her, jo flere tråde har jeg kørende. Disciplinen er ikke at bruge AI. Disciplinen er at finde en stærk struktur for hvordan man undlader at arbejde med ti forskellige opgaver samtidig.

Kulturen, der afgør det: aftalen frem for politikken

De fleste organisationer, jeg kommer i, har en AI-politik. Meget få teams har en AI-aftale. Forskellen er afgørende. Politikken beskytter organisationen og handler om data, jura og risiko. Aftalen beskytter samarbejdet og handler om, hvad vi forventer af hinanden. Det er den samme skelnen som mellem en hjemmearbejdspolitik og en hybrid samarbejdskontrakt, og det er stadig teamets egen aftale, der virker om tirsdagen.

Sæt en time af på næste teammøde og bliv konkrete om:

1. Hvad bruger vi AI til, og hvad gør vi selv? Hvilke opgaver vil vi ikke automatisere, fordi de er selve håndværket, eller fordi kvaliteten af vores tænkning afhænger af dem?
2. Hvornår siger vi det højt? Skal det fremgå, når et oplæg er blevet til med hjælp? Og over for hvem? Bare det at blive enige fjerner en stor del af mistanken.
3. Hvem har ansvaret for indholdet? Svaret er altid afsenderen. Det skal bare siges, før det bliver aktuelt.
4. Hvad må aldrig i en prompt? Personoplysninger, fortrolige aftaler, kollegers helbred.
5. Hvad gør vi med møder, der optages? Hvornår er den slået fra, hvem har adgang til referatet, og hvor længe lever det?
6. Hvordan deler vi det, vi finder ud af? Hvor lægger vi de greb og prompts, der virker, så gevinsten bliver teamets og ikke den enkeltes?
7. Hvor skal den vundne tid hen? Beslut det på forhånd. Ellers bliver den spist af flere møder, flere beskeder og hurtigere svartider, og så har I købt et abonnement på at have travlt.

Læg mærke til, at ingen af de syv spørgsmål er tekniske. De handler alle sammen om tillid, om retning og om, hvad vi forventer af hinanden. Og de bliver væsentligt sværere at tage hul på, hvis I venter, til der er sket noget kedeligt.

Start med samtalen, ikke med værktøjet

Vi skal ikke tilbage til tiden før assistenterne. Der er for meget at hente, og arbejdet kan blive langt mere spændende, når vi får ryddet støjen af vejen og samtidig hjælper virksomheden med at være skarpere. Men vi skal lade være med at gentage den fejl, vi lige har lavet. Da hybridarbejdet kom, rullede vi teknologien ud først og talte om samarbejdet bagefter. Det kostede os et par år med organisatorisk korrosion.

Så start småt. Tag de syv spørgsmål med på næste teammøde. Ikke som en politik, men som en samtale. Jeg har endnu ikke oplevet et team, hvor den time ikke afdækkede noget, der var værd at vide. Og har I brug for en hånd til processen, arbejder vi med præcis det i teamudvikling som workshop eller foredrag. Skriv til os her, så vender vi tilbage med et konkret oplæg.

Kilder

• Microsoft og LinkedIn (2024), Work Trend Index: AI at Work Is Here. Now Comes the Hard Part.
• Niederhoffer m.fl. (2025), AI-Generated “Workslop” Is Destroying Productivity, Harvard Business Review, med BetterUp Labs og Stanford Social Media Lab.
• Brynjolfsson, Li og Raymond (2025), Generative AI at Work, Quarterly Journal of Economics.
• Dell’Acqua m.fl. (2026), Navigating the Jagged Technological Frontier, Organization Science.
• UK Government Digital Service (2025), Microsoft 365 Copilot Experiment: Cross-Government Findings Report.
• Australian Digital Transformation Agency (2025), Evaluation of the whole-of-government Microsoft 365 Copilot trial.