AI’s største skjulte omkostning er ikke beregning. Det er mennesker.

Alle taler om omkostningerne ved AI. Normalt taler de om GPU’er, modellicens eller tokenforbrug. Jeg tror, de kigger forkert.

Den største omkostning ved virksomheds-AI kan vise sig at være de mennesker, der er nødvendige for at overvåge det.

En nyeste undersøgelse fandt, at medarbejdere sparer omkring 11 timer om ugen ved at bruge AI, men bruger mere end seks timer på at kontrollere output, korrigere fejl, tilføje manglende kontekst og sikre, at resultaterne faktisk er brugbare. Nogen har opfundet begrebet “botsitting” til det. Det er et fængende navn, men det peger på et langt større problem.

AI skulle reducere arbejdet. I stedet skaber mange organisationer en helt ny kategori af arbejde omkring at styre AI selv. Det er ikke et teknologiproblem. Det er et driftsmodel-problem.

En hurtigere efterfølger til SaaS-æraen

Jeg har set denne film før.

For femten år siden omfavnede organisationer SaaS, fordi det gjorde software lettere at købe og lettere at installere. Forretningsenheder kunne løse problemer uden at vente på IT. Produktiviteten steg. Innovationen accelererede. Så kom Skygge-IT.

Pludselig vidste ingen, hvor mange applikationer medarbejderne brugte, hvor virksomhedsdata blev gemt, eller hvem der havde adgang til det. IT var stadig ansvarlig, men havde ikke længere synlighed eller kontrol. AI føles bemærkelsesværdigt lig til, men forskellen er hastighed.

En SaaS-applikation kan afsløre en håndfuld systemer; en AI-agent kan tilslutte sig til dusinvis på sin første dag. Den kan læse dokumenter, sammenfatte kontrakter, generere kode, opdatere poster og udløse arbejdsgange, før de fleste organisationer endda har dokumenteret, at den eksisterer.

Teknologien bevæger sig hurtigere end driftsmodellen, der er bygget til at styre den.

Derfor var jeg ikke overrasket over IBMs nyeste undersøgelse, der viser, at to tredjedele af CIO’er og CTO’er er ansvarlige for AI-systemer, de ikke fuldt ud kontrollerer. De fleste respondenter sagde også, at AI spreder sig hurtigere end styring kan følge med. Det er ikke, fordi CIO’er pludselig er blevet mindre kompetente. Det er, fordi AI ikke passer nøjagtigt ind i traditionelle ejerskabsmodeller.

Sikkerhed ejer risikoen.
Juridisk ejer overholdelse.
Udviklere bygger integrationer.
Forretningsenheder ejer resultater.
Leverandører kontrollerer dele af den underliggende infrastruktur.

Imens skærer AI tværs over alle disse. Når noget går galt, ejer alle en del af svaret, men ingen ejer nødvendigvis hele systemet. Det skaber et hul, og organisationer fylder næsten altid dette hul med mennesker.

Nogen gennemser AI-genererede rapporter, før de sendes til kunder.
Nogen kontrollerer AI-skrevet kode, før den installeres.
Nogen verificerer anbefalinger, før beslutninger træffes.
Nogen undersøger uventet adfærd.

Noget af denne overvågning er præcis, hvad vi ønsker. AI bør ikke fungere uden menneskelig dømmekraft, især i regulerede brancher eller miljøer med høje konsekvenser. Problemet opstår, når mennesker bliver den primære kontrol.

Fra chatbots til autonome agenter

Tænk på, hvad der sker, når organisationer bevæger sig ud over chatbots.

I dag hjælper en AI-assistent en person med at udarbejde en e-mail.
I morgen sender en AI-agent den.

I dag foreslår AI en opdatering af en kundeoplysning.
I morgen gør den ændringen selv.

I dag anbefaler AI det næste skridt i en forretningsproces.
I morgen starter den arbejdsgangen automatisk.

Hver ny handling introducerer en ny beslutning:

Skal AI være tilladt at gøre dette?

• Skal den have adgang til det system?
• Skal den hente den data?
• Skal nogen godkende det først?

De fleste organisationer besvarer disse spørgsmål manuelt, og det fungerer, når du har ti AI-brugstilfælde. Det fungerer ikke, når du har hundredvis… eller tusindvis. Ironien er, at organisationer investerer i AI for at forbedre produktiviteten, og så beder de dyre medarbejdere om at bruge deres tid på at overvåge det.

Det er ikke at skala AI. Det er at skala omkostninger.

Microsoft nåede til en lignende konklusion i sin 2026 Work Trend Index. Efter at have analyseret trillioner af arbejds-signaler og spurgt 20.000 AI-brugere fandt virksomheden, at den største barriere for AI-succes ikke er teknologien, men organisationen omkring den.

Medarbejderne adopterer AI hurtigere, end deres virksomheder tilpasser sig. Den reelle udfordring nu er at redesigne, hvordan arbejdet bliver gjort: afgøre, hvad AI skal gøre, hvad mennesker skal gøre, og hvordan de to samarbejder. Jeg tror, det er præcis den samtale, virksomhedsledere skal have. AI skaber ikke værdi blot fordi det er installeret. Det skaber værdi, når det installeres med en klar driftsmodel, der lader mennesker fokusere på dømmekraft i stedet for overvågning.

Omdefinering af AI-styring: Fra politik til drift

Her er, hvor samtalen om AI-styring behøver at ændre sig. Når folk hører ordet styring, tænker de ofte på politikker, komiteer og dokumentation. Disse ting er vigtige, men ingen af dem træffer en beslutning i realtid.

Ingen af dem stopper en AI-agent fra at få adgang til data, den ikke bør se, eller pauserer en arbejdsgang, der opfører sig uventet. Ingen af dem forklarer på det tidspunkt, en handling anmodes, om handlingen er i overensstemmelse med virksomhedspolitikken.

Det er hullet.

Organisationer har ikke brug for flere styre-dokumenter. De har brug for en styre, der fungerer. Rutinehandlinger skal ske automatisk, når de falder inden for godkendte politikker; handlinger med højere risiko skal kræve menneskelig godkendelse, og følsomme systemer skal have klare grænser for, hvad AI kan og ikke kan gøre.

Og hvis en AI-proces begynder at opføre sig på måder, ingen forventede, skal der være en øjeblikkelig måde at stoppe det på. Ikke fordi AI ikke kan tillides, men fordi enhver forretningsproces har brug for vejledning.

Placering af mennesker, hvor de er vigtigst

De virksomheder, der får mest værdi fra AI, eliminerer ikke mennesker fra ligningen. De placerer mennesker, hvor de er mest værdifulde.

Ikke gennemgang af hver output.
Ikke kontrol af hver prompt.
Ikke babysitting af hver agent.

De fokuserer mennesker på undtagelserne, kanttilfældene og beslutningerne, der faktisk kræver dømmekraft. Det er en langt bedre brug af menneskelig ekspertise.

Den virkelige virksomheds-spørgsmål

AI er nået til et punkt, hvor teknologien ikke længere er det største spørgsmål. De fleste organisationer har allerede bevist, at det kan generere indhold, skrive kode, sammenfatte information og automatisere repetitive arbejdsprocesser.

Det sværeste spørgsmål er, om de kan operere AI med tillid på virksomhedsniveau:

Kan de se, hvad det gør?

• Kan de kontrollere, hvad det har adgang til?
• Kan de gennemtvinge politik konsekvent?
• Kan de forklare, hvorfor et AI-system foretog en bestemt handling?

Disse er drifts-spørgsmål, og de er mere og mere økonomiske. Det skyldes, at hver time, der bruges på at overvåge AI, undergraver produktivitetsgevinsterne, der retfærdiggede investeringen i AI fra starten. De virksomheder, der vinder med AI, vil ikke være dem, der kører de fleste modeller eller installerer de fleste agenter. De vil være dem, der ikke har brug for en hær af mennesker til at overvåge dem.

AI skal forstærke din arbejdsstyrke. Det skal ikke stille og roligt blive en ny.