AI literacy skal kunne mærkes i hverdagen

AI literacy begynder med de små valg ved skrivebordet

AI literacy kan lyde som noget, der hører hjemme i et EU-dokument eller en complianceplan. I hverdagen starter det meget mindre. En medarbejder kopierer en tekst. Hun åbner et AI-værktøj. Hun overvejer, om hun må bruge teksten som input. Hun får et svar tilbage, der ser pænt ud. Nu skal hun finde ud af, hvad der kan bruges, hvad der skal tjekkes, og hvad der skal blive liggende.

Det er den slags øjeblikke, foredraget tager fat i. For AI-færdigheder er ikke kun at kunne skrive en god prompt. Det er også at forstå, hvilken type opgave man står med. Er det et udkast, en ide, en opsummering, en vurdering eller noget, der senere kan blive brugt som beslutningsgrundlag?

Når medarbejdere kan skelne mellem de situationer, bliver AI mindre mystisk. De kan tale mere præcist sammen. De kan sige: "Det her er fint som kladde." "Det her kræver en kilde." "De data skal ikke ind." "Det her skal forbi en fagperson." Det er sådan fælles AI literacy begynder at virke.

Organisationen har brug for et fælles sprog

I mange organisationer er AI allerede flyttet ind, før alle har fået talt ordentligt om det. En medarbejder bruger ChatGPT til at få overblik. En anden bruger Copilot til mødenoter. En tredje holder sig væk, fordi reglerne virker uklare. En leder siger, at man gerne må være nysgerrig, men også skal passe på. Det kan være svært at handle på.

Et AI literacy foredrag samler rummet om nogle enkle begreber. Hvad kan AI være god til? Hvor laver den typisk fejl? Hvilke oplysninger skal blive uden for værktøjet? Hvornår er et output bare et udkast? Hvornår kræver det review? Og hvad betyder ansvar, når en tekst eller analyse er blevet lavet hurtigere end før?

Det fælles sprog er vigtigt, fordi medarbejdere ellers står alene med vurderingen. Når alle bruger forskellige private regler, bliver praksis ujævn. Når organisationen får de samme billeder og spørgsmål, bliver samtalen mere rolig. Så kan man begynde at bygge fælles vaner.

AI Act gør samtalen mere aktuel, men hverdagen er stadig udgangspunktet

AI-forordningen har gjort AI literacy mere synligt for mange organisationer. Artikel 4 handler om AI-færdigheder, og Digitaliseringsstyrelsen beskriver det som et ansvar for at klæde medarbejdere på med relevant viden, så de kan håndtere og anvende AI-systemer ansvarligt og hensigtsmæssigt.

Det betyder noget. Men for en medarbejder ved skrivebordet er spørgsmålet stadig meget konkret: Hvad må jeg gøre lige nu? Må jeg bruge denne type data? Må jeg stole på det her svar? Skal jeg dokumentere noget? Skal jeg spørge nogen?

Foredraget er ikke juridisk rådgivning. Juridiske vurderinger om AI-forordningen, databeskyttelse, indkøb, sikkerhed og dokumentation hører hjemme hos organisationens egne ansvarlige og rådgivere. Foredraget hjælper med noget andet: at gøre AI-færdigheder forståelige for de mennesker, der skal bruge teknologien i praksis.

Fem AI-færdigheder medarbejdere skal kunne bruge

Den første færdighed er at forstå opgaven. Hvis man beder AI om "hjælp til det her", uden selv at vide hvad resultatet skal bruges til, får man ofte et flot svar med for lidt retning. En god start er at sige: Jeg skal bruge et udkast. Jeg skal have overblik. Jeg skal have spørgsmål til videre research. Jeg skal have en tekst gjort mere klar.

Den anden færdighed er datadømmekraft. Medarbejdere skal kunne genkende oplysninger, der kræver omtanke. Persondata, fortrolige oplysninger, interne vurderinger, kundesager, borgersager og følsomme detaljer skal ikke bare kopieres ind i et tilfældigt værktøj. Det skal kunne mærkes som en praktisk vane.

Den tredje færdighed er kvalitetssans. AI kan skrive med en meget sikker stemme, også når den tager fejl. Derfor skal medarbejdere øve sig i at tjekke påstande, finde kilder, opdage manglende forbehold og spørge: Hvad ved vi egentlig? Hvad har AI gættet?

Den fjerde færdighed er rolleforståelse. AI kan hjælpe med et forslag. Mennesket skal stadig kunne stå inde for arbejdet, når det bliver sendt, besluttet eller brugt over for andre.

Den femte færdighed er stopreglen. Nogle gange er den bedste AI-kompetence at lukke værktøjet og spørge en kollega, leder, jurist, fagperson eller IT-ansvarlig. AI literacy handler også om at vide, hvornår man skal stoppe i tide.

Datagrænser skal være lette at genkende

En medarbejder skal ikke først læse tyve sider politik for at opdage, at en tekst indeholder oplysninger, der ikke hører hjemme i et åbent AI-værktøj. Hun skal have nogle billeder i hovedet. En borgersag. En kundemail. En intern personalesag. Et dokument med navne, helbred, økonomi, vurderinger eller fortrolige planer. Den slags skal få en lille lampe til at blinke.

Det er ikke fordi medarbejdere skal blive bange for alt. Det er fordi de skal kunne handle mere sikkert. Når datagrænserne er tydelige, bliver det nemmere at finde sikre opgaver at starte med. Man kan arbejde med fiktive eksempler, anonymiserede tekster, offentligt materiale, egne formuleringer eller opgavetyper uden følsomt indhold.

I foredraget bliver data forklaret gennem hverdagssituationer. Hvad sker der, når man vil have AI til at opsummere et møde? Hvad gør man, hvis referatet indeholder navne? Hvad hvis en tekst handler om en kunde, patient, borger eller medarbejder? Når folk kan se situationen for sig, bliver reglerne lettere at huske.

Et pænt svar er ikke altid et godt svar

Noget af det mest forvirrende ved AI er, at fejl kan komme pakket ind i et virkelig pænt sprog. Svaret har overskrifter. Det lyder sikkert. Det bruger de rigtige ord. Og alligevel kan der mangle en kilde, en vigtig undtagelse eller en lokal detalje, som ændrer hele betydningen.

Derfor skal AI literacy handle om kvalitet. Medarbejdere skal kunne spørge: Hvor kommer denne påstand fra? Hvilke dele kan vi selv tjekke? Hvad mangler fra vores egen kontekst? Er svaret godt nok til et internt udkast, eller er det på vej ind i noget, der påvirker andre mennesker?

Et kvalitetstjek kan være meget enkelt. Læs svaret med fagbriller på. Bed om kilder, men tjek dem uden for AI. Find de tre vigtigste antagelser. Spørg hvad der kan være overset. Skriv tydeligt, om teksten er et udkast eller noget, der er godkendt. Små vaner kan gøre en stor forskel.

Ansvar skal kunne siges højt i rummet

Når AI hjælper med en tekst, kan ansvaret føles lidt uklart. Var det mig, der skrev den? Var det værktøjet? Hvis der står noget forkert, hvem opdager det så? Hvis teksten bliver sendt videre, hvem står inde for den?

Organisationen har brug for et sprog for det. Et AI-output er ikke en kollega, der kan tage ansvar. Det er et forslag, som et menneske eller et team skal vurdere. Derfor skal man kunne sige højt: Jeg har brugt AI til første udkast. Jeg har tjekket disse kilder. Jeg mangler stadig fagligt review. Denne del må ikke bruges som beslutningsgrundlag endnu.

Når den slags sætninger bliver almindelige, bliver ansvar mere praktisk. Det handler ikke om at udskamme nogen for at bruge AI. Det handler om at gøre arbejdet tydeligt nok til, at andre kan forstå, hvad der er gjort, hvad der er tjekket, og hvad der stadig mangler.

En leder, en sagsbehandler og en kommunikationsmedarbejder har ikke samme AI-hverdag

AI literacy skal passe til rollerne. En leder skal måske forstå, hvilke rammer organisationen skal sætte, og hvilke opgaver der er gode første forsøg. En kommunikationsmedarbejder skal måske kunne bruge AI til udkast og omskrivning uden at miste tone, kilder og afsenderansvar. En sagsbehandler skal måske især kunne se datagrænser, reviewbehov og situationer, hvor AI skal holdes på afstand.

Derfor er det vigtigt, at foredraget ikke bliver en generel tur gennem alle mulige værktøjer. Det skal lande i opgaver. Skriver deltagerne meget? Opsummerer de møder? Forbereder de beslutninger? Forklarer de regler? Arbejder de med mennesker, hvor fejl kan få betydning?

Når rollerne bliver tydelige, kan AI-færdighederne blive mere relevante. Alle får et fælles sprog, men eksemplerne kan pege på de opgaver, hvor deltagerne faktisk skal bruge deres dømmekraft bagefter.

Foredraget kan stå alene eller åbne for workshop

Som foredrag passer AI literacy godt til personaledage, afdelingsmøder, temadage og lederseminarer. Det giver rummet et fælles udgangspunkt: hvad AI kan, hvor fejlene opstår, hvilke data der kræver omtanke, og hvordan man holder fast i menneskelig vurdering.

Hvis organisationen vil videre fra fælles sprog til praksis, kan foredraget følges af en workshop. Her arbejder deltagerne med egne opgavetyper, sikre øvelser, stopregler og kvalitetstjek. Det kan være en god rækkefølge, fordi alle først får de samme billeder, før en mindre gruppe åbner computeren og prøver det af.

Formatet kan også bruges som lederdialog. Så handler samtalen mere om rammer: hvilke værktøjer er godkendt, hvilke opgaver er gode at starte med, hvordan skal træningen dokumenteres, og hvordan undgår man, at medarbejdere både får besked på at eksperimentere og være forsigtige uden hjælp til at skelne.

Det hjælper at kende målgruppe, værktøjer og datagrænser

Forberedelsen behøver ikke være stor. Det vigtigste er at vide, hvem der sidder i rummet. Er det alle medarbejdere, en ledergruppe, en afdeling, HR, kommunikation, administration, undervisere, sagsbehandlere eller et team med højere teknisk modenhed?

Send også gerne, hvilke AI-værktøjer I bruger eller overvejer. ChatGPT, Copilot, Gemini, Claude, interne løsninger eller noget branchespecifikt. Foredraget står på samme grund, men værktøjerne betyder noget for datagrænser, sikkerhed og eksempler.

Til sidst er det nyttigt at kende jeres nuværende rammer. Har I en AI-politik? Har I godkendte værktøjer? Ved medarbejderne, hvilke data de må bruge? Er der allerede uformel brug? Jo mere konkret rummet er beskrevet, desto bedre kan foredraget ramme den virkelighed, deltagerne skal tilbage til.

Næste skridt skal være lille nok til at ske

Efter et AI literacy foredrag bør organisationen vælge en første praksis. Det kan være en kort liste over sikre startopgaver. En enkel tjekliste for kvalitet. En tydelig datagrænse. En aftale om review. Eller en workshop, hvor et team arbejder videre med egne opgaver.

Det behøver ikke være et stort kompetenceprogram fra dag ét. Faktisk virker det ofte bedre at starte med noget, mennesker kan bruge med det samme. Hvad må vi trygt prøve i næste uge? Hvilke opgaver venter vi med? Hvem spørger vi, hvis vi er i tvivl? Hvad skal altid tjekkes, før det sendes videre?

Hvis organisationen skal dokumentere AI-færdigheder formelt, skal den selv sikre sammenhæng mellem deltagere, roller, systemer, politikker og træning. Foredraget kan give et klart materiale og et fælles sprog at bygge videre på. Den juridiske vurdering og dokumentation skal stadig hænge sammen med organisationens egne rammer.