AI i danske virksomheder: hvad der virker, og hvad du bør springe fra
Hvis du googler "AI i virksomheder" får du to slags svar. Enten markedsfremstilling om autonome agenter, der løser alt, eller en advarsel om at det hele er overhypet. Begge dele er ubrugelige for en virksomhed med ti ansatte, fordi ingen af dem svarer på det eneste spørgsmål, der betyder noget: hvad skal jeg faktisk gøre med det i morgen?
Her er det ærlige svar, baseret på det jeg selv bruger AI til i min daglige drift, og på de tal der findes for danske virksomheder.
Hvad tallene faktisk siger
Dansk Erhverv rapporterede i februar 2026, at 70 % af virksomhederne bruger AI — men at tallet for virksomheder under ti ansatte er 57 %. Forskellen er ikke, at de små virksomheder er konservative. Den er, at de mangler de tre ting, rapporten selv peger på: kompetencer, viden og tid.
Læg mærke til rækkefølgen. Det er ikke "vilje" og ikke "budget", der holder virksomheder under 10 ansatte tilbage. Det er, at der ikke er en person, der har tre timer om ugen til at finde ud af, hvad der skal automatiseres, og derefter teste det på en rigtig arbejdsgang.
Det er derfor de fleste "AI i virksomheder"-initiativer stopper efter en demo. En demo er ikke en ændring af en arbejdsgang.
De fire opgaver, der virker først
Jeg har ikke en samlet liste over "alt AI kan". Jeg har en liste over de opgaver, der faktisk gav effekt, da jeg tog dem i brug i min egen drift — og det er fire, ikke tyve.
1. Fejlfinding, når noget er brudt
En kunde ringer: formularen virker ikke. Uden AI bruger jeg 20-40 minutter på at finde fejlen — ofte i en template, en plugin-version eller en PHP-fejl der ikke giver mening i loggen. Med AI hopper jeg direkte til den mest sandsynlige årsag og beder om bekræftelse.
Det er ikke enromantisk brug, men det er den brug, der betaler sig hver uge. Den sænger svartiden fra "i morgen" til "nu", og det er den eneste egenskab ved AI, der har ændret mit arbejde hver eneste dag.
2. Sårbarhedsgennemgang af det, der kører
Jeg har en fast rækkefølge, jeg kører igennem, når en ny WordPress-installation eller et nyt plugin sættes i drift: hvilke filer er skrevet af, hvilke versioner, hvilke kendte sårbarheder, hvilke tilladelser. Det er kedeligt, repetitivt arbejde, som en klokke.
AI gør ikke fundene bedre. Den gør det muligt at køre listen på alle jeres installationer i stedet for kun den, jeg har tid til.
3. Teknisk gæld, synliggjort
De fleste SMV'er ved ikke, hvor gammel deres kode er, hvor mange plugins der står på den, eller hvad der ville ske, hvis man skulle skifte leverandør. Det er ikke en følelse, det er en kendsgerning — de fleste ved det ikke, fordi ingen har målt det.
Når jeg gennemgår en kundes setup, bliver svaret typisk et konkret tal: hvilke plugins, hvor gamle, hvilke sider der hænger på en udfaset funktion, hvor mange steder der skal ændres, hvis I vil skifte. AI hjælper med at skrive listen sammen og til at prioritere den, men tallene kommer fra målingen.
4. Uddannelse og overdragelse
Når jeg sætter en ny løsning op, skriver jeg den ned, mens jeg gør det. Det lyder simpelt, men det er den del, der afgør om en kunde kan drive sig selv, når jeg er væk. Med AI bliver teksten billigere, så der er flere ting at skrive ned — og det er flere ting, der overlever en leverandørs afgang.
Hvorfor det ofte ikke virker
Det samme Stack Overflow-udviklerundersøgelse fra 2025, jeg også bruger i artiklen om AI-værktøjer til WordPress, siger tre ting der er værd at læse:
- 84 % bruger eller planlægger at bruge AI i udviklingsprocessen
- 66 % bliver frustrerede over løsninger, der er næsten rigtige
- 45,2 % oplever, at fejlfinding af AI-genereret kode tager længere tid
Bemærk den tredje. AI flytter ikke bare arbejde, det flytter arbejde. Det, der før var at skrive, bliver i stedet at læse, kontrollere og finde fejl. Det er et reelt og ofte ubemærket skift i den samlede arbejdsbyrde.
Og det forklarer, hvorfor rådet "bare start med AI" så ofte fejler i en lille virksomhed. Uden nogen, der kan vurdere et resultat, flytter du bare fejlene fra din skriveproces til din kontrolproces — og din kontrolproces er den, du ikke har folk til.
Listen du bør springe fra
Det her er den del, jeg oftest bliver bedt om at hjælpe med fra. Hver enkelt er noget, der er solgt til danske virksomheder de seneste to år:
En AI-chatbot på hjemmesiden, fordi "alle har en". Den besvaret spørgsmål, ingen spørger, og sender ikke en eneste henvendelse videre. Den er dyr i drift og målbarlig på nul.
Automatisering af den proces, der ikke virker. Find først den opgave, der går hurtigere, fordi den er værd at lave. Automatisér den bagefter. Ellers automatiserer du en flaskehals.
AI, der skriver jeres blogindhold, fordi I "mangler indhold". I får 60 artikler, ingen læser, og en risiko for at Google betragter hele domænet som tyndt. Indhold er ikke en mængde, det er svar på spørgsmål jeres kunder faktisk stiller.
En platform mål alene af et par konti. Den skal kunne svare på: hvad koster den pr. måned, hvad sker der den dag kontoen lukker, og hvor ligger dataene. Hvis de tre spørgsmål ikke kan besvares skriftligt, er der ikke en platform, men en leverandørafhængighed.
En generisk chatbot, der sender jeres kunder videre til jeres konkurrent. Findes i overraskende mange danske AI-projekter lige nu.
Hvad det faktisk koster at komme i gang
Her vil jeg hellere være konkret end optimistisk.
Hvis det eneste I gør er at få én arbejdsgang kigget igennem af en ekstern, og I så selv kører den, er det et par timers arbejde. Hvis I vil have en samlet vurdering af jeres setup — hvad der kører, hvad der er gæld, hvad der bør ændres og i hvilken rækkefølge — så er det et lille projekt, ikke en konsulentdag.
Hvis I vil have det til at blive vedligeholdt, sikret og løbende forbedret, så kommer vi ind i den del af modellen, der hedder teknisk partner. Den er bygget på præcis den forudsætning, at der ikke er et internt IT-team: at ansvaret for det tekniske ligger et sted, og at det ligger fast.
Priserne står samlet på priser-siden, så du kan se hele arkitekturen, før du taler med nogen.
Konklusion
70 % af danske virksomheder bruger AI. Det betyder ikke, at I skal. Det betyder, at konkurrenterne gør det, og at forskellen på jeres markedsplads bliver mindre.
Forskellen ligger ikke i hvilket værktøj I vælger. Den ligger i om I har gjort arbejdet med at finde ud af, hvad der i jeres virksomhed faktisk er værd at automatisere — og om der er nogen, der tager ansvaret for svaret bagefter.
