AI-kompetencekløften vokser. Sådan lukker du den.

Hvad er AI-kompetence?

At have AI-kompetence er at have evnen til at forstå, hvordan AI fungerer godt nok til at bruge den effektivt, genkende dens grænser og risici og træffe informerede beslutninger om dens resultater. Digital Promise’s AI Literacy Framework beskriver det som en kombination af forståelse, brug og evaluering.

Men det vigtigste element, det der adskiller novicen fra eksperten, er evaluering. Desværre får det ofte lidt praktisk opmærksomhed i mainstream-træning. Efter en to timers workshop kan stort set alle bruge AI til at generere et poleret svar på et spørgsmål.

Men at være AI-kompetent betyder, at man har evnen til at se, om svaret er:

• Nøjagtig
• Fuldført
• Aktuel
• Relevant
• Sikker at handle på

Hvorfor AI-kompetence er vigtigt nu

AI er blevet bredt tilgængelig, men den støtte og træning, der skal til for at lære at bruge den godt, er sværere at finde.

• Cirka 6,1 millioner amerikanske medarbejdere har jobs med både høj AI-eksponering og lav kapacitet til at tilpasse sig et jobskifte, siger ny forskning fra Center for Governance of AI-stipendiat Sam Manning
• 38 % siger, at deres organisation har taget AI i brug, men kun 12 % bruger den dagligt, ifølge Gallups undersøgelse for 4. kvartal 2025.

Kløften mellem adgang til AI og selvsikker brug skaber en mulighed for både enkeltpersoner og virksomheder til at give sig selv et forspring med AI-kompetencetræning, der dækker mere end blot at lære at skrive bedre prompts.

Samtidig rapporterer McKinsey, at efterspørgslen efter AI-flydende, evnen til at bruge og styre AI-værktøjer, voksede næsten syvfoldigt fra midten af 2023 til midten af 2025.

• Arbejdsgivere erkender tydeligt behovet for træning i AI-kompetence.
• Medarbejdere ønsker at tilegne sig disse færdigheder.

Men der er bekymring, når maksimal vedtagelse er den eneste succesmetrik. Folk kan lære at bruge AI hurtigt, men det tager tid og øvelse at blive en omhyggelig og dygtig bruger.

Evaluering: den vigtigste færdighed

Meget AI-træning understreger vigtigheden af at evaluere resultatet, men bruger ikke meget tid (hvis overhovedet noget) på at dække, hvad det egentlig betyder.

I praksis kræver AI-verificering tre nøgleadfærdser:

• At læse omhyggeligt
• At stille svære spørgsmål
• At tage sig tid til at dobbelttjekke kilder, statistikker og påstande.

Før du handler på den information, som AI leverer, skal du beslutte, om den opfylder følgende kriterier eller ej:

• Kan det spores til en troværdig kilde?
• Hænger det sammen, når de enkelte dele tjekkes?
• Er den aktuel nok til at være relevant?

Selvom den tekst, som AI genererer, kan lyde poleret og professionel, kan fakta være forkerte. AI kan "hallucinere" ved at finde på ting ud af den blå luft (Læs Sådan genkender du AI-hallucinationer: 7 advarselstegn), finde ukorrekt eller ufuldstændig information, eller ved at misforstå det, den finder, og nå frem til en falsk konklusion.

Følg denne proces for at evaluere et resultat:

Spor → Verificer → Beslut.

Bed for eksempel AI om at udarbejde en sammenligning af konkurrentpriser. For at evaluere resultaterne:

• Åbn hver prisside (spor)
• Tjek plannavne og priser (verificer)
• Registrer, hvad AI'en fik forkert eller udelod, og foretag de nødvendige rettelser (beslut)

Her er nogle flere eksempler på, hvordan man evaluerer AI-resultater.

Hvorfor det meste AI-træning ikke formår at opbygge kompetence

På blot få år har AI udviklet sig fra en specialiseret teknologi til et allenærværende emne og værktøj. Efterhånden som ledere i erhvervslivet og det offentlige har travlt med at finde træningsressourcer, har leverandører haft travlt med at skabe dem. Efterspørgslen har været høj, men ekspertisen er tynd, og kvaliteten af tilgængelige materialer har ikke altid fulgt med.

Resultatet er træningsteater, der kun lige strejfer overfladen af vigtige emner og leverer en one-size-fits-all-instruktion præsenteret som en enkelt begivenhed. Vær skeptisk over for træning, hvor:

• Fokuset er på kendskab til værktøjerne og hvordan man skriver prompts. Den slags workshops lærer deltagerne at være opmærksomme, men ikke den dømmekraft, der følger med at skulle fuldføre faktiske arbejdsprocesser.
• Indholdet dækker ikke de dybere, vigtigere spørgsmål om, hvornår man skal bruge AI, hvornår man ikke skal, hvordan man evaluerer resultatet, eller hvordan man anvender virksomhedens regler på reelle opgaver.
• Der er ikke nok øvetid, en mangel på opgavespecifik instruktion og ingen feedback på, hvordan deltagerne klarer sig, eller hvad de kunne forbedre.
• Oppmøde er målet snarere end kompetence.

Udvid

Sådan opbygger du rent faktisk AI-kompetence

For at opnå AI-kompetence har folk brug for praktisk, rollespecifik træning, der kræver, at de fuldfører faktiske opgaver i en realistisk arbejdsproces. Og de har brug for dedikeret tid til at gøre det.

1. Praktisk træning giver reel øvelse, der hjælper folk med at lære, hvad de skal gøre i forskellige situationer i et miljø med lav risiko. Når evaluering og rettelse er en del af arbejdsprocessen, lærer deltagerne af egne og hinandens eksperimenter og fejl. Kom i gang ved at tilmelde dig et eller flere AI-værktøjer, selv på gratisniveau.
2. Rollespecifik træning er afgørende, fordi forståelse og bedømmelse af forskellige resultater kræver forskellige færdigheder. Folk, der aldrig har oprettet et pivottabelregneark, ville have svært ved at vide, om en AI har lavet et godt et, eller hvordan man beder den om at gøre et bedre stykke arbejde anden gang. Det samme gælder for evaluering af juridiske dokumenter, billeder til en hjemmeside, et resumé af ny medicinsk forskning eller ethvert jobspecifikt resultat, der kræver en vis baggrundsviden. Start med at identificere nogle almindelige opgaver, der kan udføres med AI.
3. Tildeling af reelle opgaver hjælper folk med at forstå, hvordan AI kan hjælpe dem med at udføre deres arbejde og opbygge de færdigheder, de får brug for til at bruge den. De vil lære, hvilke opgaver der egner sig til, at AI udfører dem på egen hånd, hvilke der kræver mere opsyn, og hvad der altid kræver menneskelig dømmekraft, samt hvornår og hvordan man holder fortrolige kunde- og virksomhedsdata sikre. Overvej at kategorisere opgaver efter, hvor meget menneskelig gennemgang de kræver. For eksempel:

1. Beskyttet tid er det sidste element, der kræves for at opbygge AI-kompetence, i det mindste i begyndelsen. Alle har travlt, hvilket altid virker som en god grund til at fortsætte med at gøre tingene på den gamle måde i stedet for at bruge ekstra tid på at prøve at bruge et nyt værktøj. Ligesom mange gode investeringer vil den tid, der bruges på træning, betale sig rigeligt, når folk forstår, hvordan de bedst indgår et partnerskab med AI. Sæt lidt tid af hver dag eller uge til at bruge enten alene eller sammen med en gruppe.

Hvor man kan lære

Der er mange ressourcer til rådighed online, der giver god grundlæggende træning. Sørg for at kigge efter dem, der beder dig skrive og revidere prompts, sammenligne resultater, verificere påstande, identificere manglende kontekst og beslutte, hvornår et svar kræver, at et menneske gennemgår det. Her er nogle steder at starte:

• Chalmers tekniska högskola tilbyder Working and learning with generative AI, et gratis onlinekursus, der kombinerer selvstudium med valgfri livesessioner. Øvelserne er skræddersyet til forskellige professioner, fokuserer på virkelige opgaver og bevæger sig fra effektiv individuel brug til delegering af opgaver.
• DeepLearning.AI’s Generative AI for Everyone er et onlineshow ledet af AI-pioneren Andrew Ng. Det giver et overblik over generativ AI, hvordan den fungerer, og hvad den kan gøre. Det tilbyder også praktiske øvelser, der hjælper dig med at lære det basale og mere til.
• Perplexity.ai kan også understøtte den type træning, som disse ressourcer og denne artikel anbefaler: at øve sig i at stille realistiske spørgsmål, inspicere beviserne bag faktuelle påstande, sammenligne kilder og finpudse arbejde med menneskelig gennemgang. For webbaserede forskningsresultater inkluderer resultatet linkede citater, der gør det nemmere at spore påstande, statistikker og citater tilbage til deres kilde. Besøg desuden Perplexity Academy for en samling af korte "sådan gør du"-videoer om grundlæggende emner som best practices for skrivning af prompts samt mere avanceret emner som oprettelse af genbrugelige arbejdsprocesser til almindelige opgaver og tilslutning af Perplexity til Business-værktøjer.

For yderligere forslag til at lære at evaluere AI, kan du downloade vores guide om etablering af en ramme for tillid, nøjagtighed og opsyn. For information skræddersyet til forskellige brancher og formål, herunder eksempelforespørgsler til specifikke opgaver, kan du udforske alle vores guider her.

AI-kompetence opbygges gennem øvelse i faktiske arbejdsprocesser. Workshops kan hjælpe med at sætte skub i tingene, men de er ikke en erstatning for at udføre rigtigt arbejde i et AI-værktøj, evaluere resultatet, rette fejl og anvende menneskelig dømmekraft. Med praktisk, rollespecifik træning, der fuldfører relevante opgaver i beskyttede sessioner, vil AI begynde at levere imponerende afkast.

Ofte stillede spørgsmål

Hvad er betydningen af AI-kompetence?

AI-kompetence er evnen til at forstå, bruge, evaluere og træffe informerede beslutninger om AI-systemer og deres resultater. Det rækker ud over blot at skrive succesfulde prompts. AI-kompetente mennesker kan genkende, hvor AI er nyttig, beskytte følsomme oplysninger, tjekke vigtige påstande, forstå begrænsningerne i et svar og vide, hvornår et menneske skal træffe den endelige beslutning.

Hvad er et eksempel på AI-kompetence?

Et eksempel på AI-kompetence er at bruge et AI-værktøj til at udarbejde en konkurrentanalyse og derefter åbne hver enkelt henvist kilde for at verificere priser, produktegenskaber, datoer og citater, før analysen bruges i en salgspræsentation. Den vigtigste del af kompetencen er evnen til at få øje på det, der skal tjekkes, validere det mod pålidelige beviser og revidere eller forkaste ufunderede påstande.

Hvad er de fire Søjler for AI-kompetence?

AI-kompetencerammer bruger forskellig terminologi, men en praktisk model med tre dele er at forstå, bruge og evaluere. En AI-kompetent person forstår, hvordan AI fungerer, og hvor den kan fejle, bruger den effektivt til passende opgaver og kan evaluere resultater for nøjagtighed, bias, fuldstændighed, aktualitet og risiko. Ofte inkluderet er også evnen til at agere ansvarligt ved at beskytte data, tage hensyn til personer, der er påvirket af AI-brug, og opretholde menneskeligt ansvar. Evaluering er det vigtigste element og det, der adskiller ekspertbrugere fra begyndere.

Hvordan kan jeg forbedre min AI-kompetence?

Forbedr AI-kompetencen ved at øve dig med rigtigt arbejde med lav risiko. Selvstudier er nyttige, men de erstatter ikke praktisk træning. Vælg et AI-værktøj og en gentagelig opgave, såsom at summere et dokument, undersøge en konkurrent eller organisere noter. Gennemgå derefter resultatet omhyggeligt ved at spore, hvor informationen kom fra, verificere vigtige fakta og citater og rette eventuelle fejl. Opbyg over tid en vane med at beslutte, hvilke opgaver AI kan hjælpe med, hvilke der kræver menneskelig gennemgang, og hvilke der bør forbeholdes mennesker. Målet er at bruge AI med selvtillid, sikkerhed og sund dømmekraft.

Hvordan evaluerer man AI-resultater?

Start med de påstande, der betyder mest. Tjek, om kilden eksisterer og understøtter den nøjagtige udtalelse. Bekræft, at navne, datoer, produkter og tal er korrekte og præsenteret nøjagtigt. Sørg for, at oplysningerne er aktuelle. Involver en kvalificeret reviewer til juridiske, medicinske, finansielle, sikkerhedsmæssige, ansættelsesmæssige eller andre beslutninger med høje indsatser. AI-genererede citater kan gøre processen hurtigere, men et citat bør stadig åbnes og tjekkes.