AI er ekstraordinært god til at finde midten og har svært ved at spotte det unikke
Tutor eller arbejdsværktøj: samme teknologi, vidt forskelligt resultat
AI er ekstraordinært god til at finde midten og har svært ved at spotte det unikke
Et team, hvor alle havde bedt ChatGPT om hjælp til at finde et projektnavn inden et møde, opdagede pludselig, at flere medlemmer var landet på identiske forslag - helt uafhængigt af hinanden. Det samme er dokumenteret af videnskabelige studier. I et brainstorming-eksperiment skulle deltagere designe legetøj af en papirpose, en byggeklods og en blæser. ChatGPT-brugerne kaldte ni uafhængigt af hinanden deres legetøj "Build-a-Breeze Castle" (Meincke og kolleger, 2025).
Det er ikke en fejl ved generativ AI værktøjer men snarere en konsekvens af, hvordan de fungerer og hvad de er bygget til. Sprogmodeller trænes til at give brugbare svar - men selve mekanismen er mønstergenkendelse i store tekstmængder. De producerer noget, der ligner det, andre mennesker har sagt før i lignende sammenhænge. Det er helt originalt og så er det alligevel overhovedet ikke. AI er ekstraordinært god til at finde midten.
Midten har sin plads. Når en projektleder skriver en statusmail eller et team laver udkast til en kundepræsentation, er der mange formatelementer, der ikke behøves at genopfindes hver gang - de er gennemprøvede og virker. Ligeledes er der ikke behov for at bryde rammerne i de 'konvergente' faser af innovations- og strategiarbejde, hvor et problem- eller løsningsrum er blevet udforsket og opgaven nu er at præcisere et koncept, et udkast baseret på nogle pointer, at sammenfatte en længere række perspektiver, udfordre datapunkter eller at formulere et problem skarpt. AI er en glimrende kritik-, vurderings- og forbedringspartner her.
Det modsatte gælder for de 'divergente' faser af en proces. Her er der værdi i det usagte, det som ikke står skrevet og som ikke er åbenlyst: skæve idéer, modsigende perspektiver, det modige spørgsmål, kreative tilgange og metoder, indvendinger, der får et team til at stoppe op. AI har en tendens til at trække i den anden retning. Kun med væsentlig indsats og de rigtige prompts kan en AI formulere skæve idéer - og resultatet opleves ofte mere tilfældigt end brugbart.
Et team, hvor alle havde bedt ChatGPT om hjælp til at finde et projektnavn inden et møde, opdagede pludselig, at flere medlemmer var landet på identiske forslag - helt uafhængigt af hinanden. Det samme er dokumenteret af videnskabelige studier. I et brainstorming-eksperiment skulle deltagere designe legetøj af en papirpose, en byggeklods og en blæser. ChatGPT-brugerne kaldte ni uafhængigt af hinanden deres legetøj "Build-a-Breeze Castle" (Meincke og kolleger, 2025).
Det er ikke en fejl ved generativ AI værktøjer men snarere en konsekvens af, hvordan de fungerer og hvad de er bygget til. Sprogmodeller trænes til at give brugbare svar - men selve mekanismen er mønstergenkendelse i store tekstmængder. De producerer noget, der ligner det, andre mennesker har sagt før i lignende sammenhænge. Det er helt originalt og så er det alligevel overhovedet ikke. AI er ekstraordinært god til at finde midten.
Midten har sin plads. Når en projektleder skriver en statusmail eller et team laver udkast til en kundepræsentation, er der mange formatelementer, der ikke behøves at genopfindes hver gang - de er gennemprøvede og virker. Ligeledes er der ikke behov for at bryde rammerne i de 'konvergente' faser af innovations- og strategiarbejde, hvor et problem- eller løsningsrum er blevet udforsket og opgaven nu er at præcisere et koncept, et udkast baseret på nogle pointer, at sammenfatte en længere række perspektiver, udfordre datapunkter eller at formulere et problem skarpt. AI er en glimrende kritik-, vurderings- og forbedringspartner her.
Det modsatte gælder for de 'divergente' faser af en proces. Her er der værdi i det usagte, det som ikke står skrevet og som ikke er åbenlyst: skæve idéer, modsigende perspektiver, det modige spørgsmål, kreative tilgange og metoder, indvendinger, der får et team til at stoppe op. AI har en tendens til at trække i den anden retning. Kun med væsentlig indsats og de rigtige prompts kan en AI formulere skæve idéer - og resultatet opleves ofte mere tilfældigt end brugbart.
Løsning er ikke blot bedre prompts, men at bringe AI ind på det rigtige tidspunkt
Løsning er ikke blot bedre prompts, men at bringe AI ind på det rigtige tidspunkt
Når organisationer skal identificere AI-løsninger der er værd at udvikle, er medarbejdernes idéer, erfaringer og faglige vurderinger ofte værdifulde midler til at pege på opgaver og processer, AI kan hjælpe med. Ofte er forslaget at bygge chatbots og assistenter skræddersyet til opgaver - en til personalehåndbogen, en til onboarding, en til kunders ofte stillede spørgsmål mv. Det er et fint sted at starte med at bygge AI på en struktureret måde, og medarbejderne kender denne type assistenter fra deres egen AI-brug. Men hvis man vil bruge dette til at finde mere ambitiøse, komplekse og værdifulde opgaver, er man nødt til at oversætte medarbejdernes idéer til løsninger, der gentænker processer og brugergrænseflader, så AI'ens svar kan styres præcist i en lang proces. Her er AI-assistance til gentænkning af idéer nyttesløs: når en AI-model kun har chatbot-idéer at arbejde med, spytter den flere chatbot-idéer ud. Hvis instrueret til at finde på andet end chatbots pakker den dem ofte ind, så idéerne lyder som noget andet end chatbots - men her skal man passe på ikke at blive forblændet af AI's evne til at lyde overbevisende og læse forslagene grundigt igennem. Dette er bare et eksempel, hvor oversættelse stadigvæk er menneskeligt arbejde, der både kræver alsidig erfaring samt evnen til at stille spørgsmål, inden man formulerer sine bud.
Det betyder ikke, at AI skal holdes ude af innovations- og strategiarbejde. Tværtimod. Et eksperiment med 96 deltagere (Zhou og kolleger, 2026) viste, at grupper med AI klarede sig bedre end både individer med AI og grupper uden AI - på to betingelser. AI skulle bruges som idé-generator - til at producere flere forskellige perspektiver, gruppen kunne reagere på - frem for som et værktøj, der bare færdiggør arbejdet. Og gruppen skulle først bruge tid på at formulere egne perspektiver, før AI's bidrag blev integreret. Når AI bringes ind sent og som ressource, virker den. Når den bringes ind tidligt og som forfatter, kvæler den det, den ellers kunne have hjulpet med at åbne.
Når organisationer skal identificere AI-løsninger der er værd at udvikle, er medarbejdernes idéer, erfaringer og faglige vurderinger ofte værdifulde midler til at pege på opgaver og processer, AI kan hjælpe med. Ofte er forslaget at bygge chatbots og assistenter skræddersyet til opgaver - en til personalehåndbogen, en til onboarding, en til kunders ofte stillede spørgsmål mv. Det er et fint sted at starte med at bygge AI på en struktureret måde, og medarbejderne kender denne type assistenter fra deres egen AI-brug. Men hvis man vil bruge dette til at finde mere ambitiøse, komplekse og værdifulde opgaver, er man nødt til at oversætte medarbejdernes idéer til løsninger, der gentænker processer og brugergrænseflader, så AI'ens svar kan styres præcist i en lang proces. Her er AI-assistance til gentænkning af idéer nyttesløs: når en AI-model kun har chatbot-idéer at arbejde med, spytter den flere chatbot-idéer ud. Hvis instrueret til at finde på andet end chatbots pakker den dem ofte ind, så idéerne lyder som noget andet end chatbots - men her skal man passe på ikke at blive forblændet af AI's evne til at lyde overbevisende og læse forslagene grundigt igennem. Dette er bare et eksempel, hvor oversættelse stadigvæk er menneskeligt arbejde, der både kræver alsidig erfaring samt evnen til at stille spørgsmål, inden man formulerer sine bud.
Det betyder ikke, at AI skal holdes ude af innovations- og strategiarbejde. Tværtimod. Et eksperiment med 96 deltagere (Zhou og kolleger, 2026) viste, at grupper med AI klarede sig bedre end både individer med AI og grupper uden AI - på to betingelser. AI skulle bruges som idé-generator - til at producere flere forskellige perspektiver, gruppen kunne reagere på - frem for som et værktøj, der bare færdiggør arbejdet. Og gruppen skulle først bruge tid på at formulere egne perspektiver, før AI's bidrag blev integreret. Når AI bringes ind sent og som ressource, virker den. Når den bringes ind tidligt og som forfatter, kvæler den det, den ellers kunne have hjulpet med at åbne.
Tre handlinger for en leder
Tre handlinger for en leder
Vil man udstyre sin organisation til nytænkning samtidigt med, at AI indgår som værktøj i kreative processer, kan man som leder gå i gang med tre ting:
Kortlæg faser i jeres innovations- og strategiarbejde så I forstår, hvornår og hvordan AI skal indgå. Lav en eksplicit kortlæggelse af, hvornår en proces eller en mødeagenda primært forsøger at 'divergere' (dvs. åbne op for nye tanker, alternativer, problemformuleringer og idéer) versus 'konvergere' (dvs. præcisere disse). I førstnævnte bruges AI bevidst til at bringe viden fra fagområder ind, foretage 'what if'-simuleringer ud fra forskellige personaer og udforske de perspektiver, som gruppen ikke selv kender. I sidstnævnte faser bruges AI aktivt til at sammenfatte og formulere ting skarpt på baggrund af det, gruppen er nået frem til.
Vær skarpe på det problem, I søger at løse. Som chatbot-eksemplet ovenfor viser stiller AI sig som regel ikke kritisk over for skjulte præmisser, når man søger efter idéer og løsninger. Hvis I allerede er begyndt at lede efter flere chatbots som svar på "hvilken AI-løsning kan skabe størst værdi hos os?" optimerer AI inden for denne ramme - den udfordrer den ikke. Før AI inviteres ind til at løse et problem, så formuler problemet på mindst tre forskellige måder. Bliv så enten enig om én problemformulering eller se hvordan AI kommer frem til forskellige alt afhængig af hvilken problemformulering I giver den.
Indfør originalitet som eksplicit kriterie i evalueringen af kreative leverancer. Hvis idégenerering med AI ikke eksplicit indfører kriterier for medarbejderne, der bruger AI, risikerer de at ende med det mest gennemsnitlige svar af høj kvalitet. Når der lægges vægt på originalitet formår AI-brugere at bringe dette aspekt med ind i samtalen med AI (se f.eks. Jo og Raghavan, 2026), så der også opstår andre løsninger. Det kan konkret handle om at tilføje én sætning til evalueringskravene i strategiarbejde, R&D-projekter eller kampagner - "hvad er originalt i denne leverance? Hvad er en tilgang som kun er vores, og som vores konkurrenter ikke uden videre kan efterligne?"
AI finder midten ret godt. Det skæve, det modige og det endnu uformulerede er stadig op til mennesker at finde. At bevare rummet til den slags tanker og idéer er en beslutning og en opgave, der ligger hos dig som leder.
Artiklen er baseret på rapporten AI og arbejdsliv (DareDisrupt, 2026) - tryk her hvis du vil downloade rapporten og læse den. Nøglestudier: Meincke og kolleger (2025): ChatGPT Decreases Idea Diversity in Brainstorming (The Wharton School); Zhou og kolleger (2026): Strategic exploratory use and selective integration (Journal of Computer Assisted Learning); Jo og Raghavan (2026): Incentives for originality moderate the homogenizing effect of large language models on creative work. Alle billeder er lavet med Google Gemini.
Vil man udstyre sin organisation til nytænkning samtidigt med, at AI indgår som værktøj i kreative processer, kan man som leder gå i gang med tre ting:
Kortlæg faser i jeres innovations- og strategiarbejde så I forstår, hvornår og hvordan AI skal indgå. Lav en eksplicit kortlæggelse af, hvornår en proces eller en mødeagenda primært forsøger at 'divergere' (dvs. åbne op for nye tanker, alternativer, problemformuleringer og idéer) versus 'konvergere' (dvs. præcisere disse). I førstnævnte bruges AI bevidst til at bringe viden fra fagområder ind, foretage 'what if'-simuleringer ud fra forskellige personaer og udforske de perspektiver, som gruppen ikke selv kender. I sidstnævnte faser bruges AI aktivt til at sammenfatte og formulere ting skarpt på baggrund af det, gruppen er nået frem til.
Vær skarpe på det problem, I søger at løse. Som chatbot-eksemplet ovenfor viser stiller AI sig som regel ikke kritisk over for skjulte præmisser, når man søger efter idéer og løsninger. Hvis I allerede er begyndt at lede efter flere chatbots som svar på "hvilken AI-løsning kan skabe størst værdi hos os?" optimerer AI inden for denne ramme - den udfordrer den ikke. Før AI inviteres ind til at løse et problem, så formuler problemet på mindst tre forskellige måder. Bliv så enten enig om én problemformulering eller se hvordan AI kommer frem til forskellige alt afhængig af hvilken problemformulering I giver den.
Indfør originalitet som eksplicit kriterie i evalueringen af kreative leverancer. Hvis idégenerering med AI ikke eksplicit indfører kriterier for medarbejderne, der bruger AI, risikerer de at ende med det mest gennemsnitlige svar af høj kvalitet. Når der lægges vægt på originalitet formår AI-brugere at bringe dette aspekt med ind i samtalen med AI (se f.eks. Jo og Raghavan, 2026), så der også opstår andre løsninger. Det kan konkret handle om at tilføje én sætning til evalueringskravene i strategiarbejde, R&D-projekter eller kampagner - "hvad er originalt i denne leverance? Hvad er en tilgang som kun er vores, og som vores konkurrenter ikke uden videre kan efterligne?"
AI finder midten ret godt. Det skæve, det modige og det endnu uformulerede er stadig op til mennesker at finde. At bevare rummet til den slags tanker og idéer er en beslutning og en opgave, der ligger hos dig som leder.
Artiklen er baseret på rapporten AI og arbejdsliv (DareDisrupt, 2026) - tryk her hvis du vil downloade rapporten og læse den. Nøglestudier: Meincke og kolleger (2025): ChatGPT Decreases Idea Diversity in Brainstorming (The Wharton School); Zhou og kolleger (2026): Strategic exploratory use and selective integration (Journal of Computer Assisted Learning); Jo og Raghavan (2026): Incentives for originality moderate the homogenizing effect of large language models on creative work. Alle billeder er lavet med Google Gemini.
