Hvorfor AI’s anden akt handler om at skalere operationer

Sidste år ønskede hvert bestyrelsesmedlem kun at vide én ting: har vi taget AI i brug. I år er spørgsmålet blevet sværere. Skalerer vi faktisk med den, og hvad falder stille og roligt bagud i de dele af forretningen, som AI endnu ikke har rørt.

Den sondring betyder noget. Adoption er en indkøbs‑tjekliste. Skalering er en reel driftsbeslutning. Det påvirker antal ansatte, overholdelse af regler og teamenes muskelhukommelse, som har kørt den samme proces i årevis.

McKinsey’s 2026 undersøgelse af 1.719 ledere viste, at 44 % af organisationerne nu siger, at AI skalerer på tværs af virksomheden, op fra 38 % året før. Her er tallet, der virkelig betyder noget: 80 % af folk siger, at AI gjorde dem personligt hurtigere. Kun 37 % af virksomhederne kan pege på nogen reel EBIT‑påvirkning.

Oversættelse: enkeltpersoner flyver. Virksomheder gør det ikke. Jeg tænker konstant på dette hul, fordi at lukke det grundlæggende er min opgave.

Ind i 2027 er drift stedet, hvor AI‑skalering bliver reel. Fire ting, jeg vender tilbage til.

COO’ens job er lige blevet travlere

Folk antager, at COO‑rollen kun handler om udførelse. Det gør den ikke. COO’en sidder mellem visionen og virkeligheden, og AI har netop gjort dette rum meget mere fyldt.

Hvert team har nu sin egen AI‑køreplan. Nogen skal have overblikket og spørge, om det faktisk udgør noget sammenhængende, eller om det blot er fem separate satsninger, der kører parallelt.

Misdirektion har altid været dyrt. AI får det til at forværres hurtigere. Min opgave er at fange friktion, før den rammer en kunde, og holde udførelsen ærlig, når den nemme løsning er at lade begejstring erstatte en plan.

Dette er ikke en brems på hastigheden.

Design til skalering, før du har brug for det

Mindre virksomheder elsker at udsætte procesdesign, fordi hurtig bevægelse føles bedre. AI gør den undskyldning endnu lettere at bruge.

En chatbot, der sættes på en supportkø, ser ud som fremskridt. Det er det ikke. Det er blot en hurtigere version af den samme u‑dokumenterede rod. Det virkelige arbejde er at gå i gang tidligt og finde ud af, hvilken 10‑trins proces der kan blive til 3 trin uden at fjerne noget vigtigt.

En agent, der håndterer fornyelser, er kun så god som den overdragelseslogik, der ligger under den. Hvis processen var uklar, da en person ejede den, forbliver den uklar, uanset hvilken teknologi du lægger ovenpå.

Gå langsomt for at gå hurtigt. Det er et kliché, fordi det er sandt.

Det betyder ikke bureaukrati. Det betyder, at hvert arbejdstrin har en klar ejer, og dokumentationen er så tæt, at en model kan følge den uden at gætte. Og det betyder, at teams faktisk taler sammen i stedet for bygge i siloer.

Få dette rigtigt tidligt, så stopper væksten med at kræve, at antallet af ansatte vokser i samme takt som kunderne.

Blindhed er den reelle risiko, ikke selve risikoen

Hver voksende virksomhed bærer risiko. Faren er at ikke se den klart, og AI har ændret, hvad “at se klart” overhovedet betyder. McKinsey’s 2026 AI Trust Maturity Survey fandt, at næsten to‑tredjedele af ledere nævner sikkerhed og risiko som den største hindring for fuldt at skalere agentbaseret AI.

En del af mit arbejde er at opdage operationel risiko, før den bliver en overskrift. En autonom agent er nu en af de risici, jeg skal tænke på som en person. Det er ikke et værktøj, som nogen blot har slået til. Det er en beslutningstager, og jeg er ansvarlig for dens output, selvom jeg aldrig personligt har gennemgået den.

Det betyder, at man bygger godkendelsesrammer og kontroller, før en agent berører live‑kundedata, ikke efter at den første hændelse tvinger samtalen. Det betyder flere tvær‑team‑samtaler, især omkring fejlsituationer, der er helt nye for agentbaserede systemer.

Risikostyring har aldrig handlet om at bremse. Det handler om at sikre, at virksomheden overlever sin egen vækst.

Automatiser det kedelige først. CX følger deraf; den er ikke bygget omkring den

Hver proces, vi evaluerer til AI, får de samme tre spørgsmål, som jeg ville stille en ny medarbejder: hvem ejer outputtet, hvad sker der, når den fejler, og hvordan finder vi ud af det, før kunden gør.

Det tredje spørgsmål er det, de fleste virksomheder springer over. Det er også det, som MIT’s forskning stille støtter. De højeste ROI‑implementeringer var ikke i salg og marketing, hvor mere end halvdelen af enterprise‑AI‑budgettet i øjeblikket går. De var i back‑office‑arbejde. Berettigelses‑kontroller, afstemning, dokumentation. Det, der aldrig kommer med i en investor‑demo.

Kundeoplevelsen behandles som et supportproblem. Det er faktisk summen af dusinvis af beslutninger, som kunden aldrig ser, og det bliver mere sandt, efterhånden som AI bevæger sig ind i service‑laget.

CX afhænger af, om forventningen matcher det løfte, du har givet. Processerne bag kulisserne afgør, om AI bliver en fordel eller en forpligtelse.

Ledelse er en driftsrytme, ikke en titel

Når virksomheder vokser, overstiger kompleksiteten antallet af ansatte, og AI udvider dette hul endnu hurtigere.

Mit arbejde inkluderer at skabe klarhed i dette større område. Hvem der gennemgår, hvad en agent producerer. Hvem der har myndighed til at trække det tilbage, hvis en arbejdsproces begynder at levere resultater, som ingen har godkendt.

Det fremgår af de driftsgennemgange, vi allerede udfører, nu med en fast linje for, hvad der er automatiseret versus hvad der er menneskegennemgået. Det viser sig også i de sværere samtaler, som når et team ønsker at levere en agent hurtigere, end et andet team er klar til.

En solid driftsrytme har altid holdt hurtigt voksende virksomheder fra at overhale deres egen dømmekraft. AI har blot øget konsekvenserne ved at springe den over.

Intet af dette taler imod at bevæge sig hurtigt med AI. Det taler imod at forveksle handling med fremskridt.

De virksomheder, der faktisk skalerer med AI om tolv måneder, vil ikke være dem, der adopterede først. Det vil være dem, der gik langsomt nok til at kunne gå hurtigt, forblev ærlige om påvirkningen på kunderne, og automatiserede det mindre glamourøse arbejde, før de jagtede det skinnende.

Skalering af agentbaseret AI handler om mere end teknologi. Operativ ekspertise er det, der omsætter potentialet til målbar forretningsmæssig indvirkning.