AI-lisensen er kjøpt. Hvem endrer arbeidsdagen?

Lars Henrik Hafstad Karlsson · 3. november 2026 · 7 minutter

Tolv ansatte har fått tilgang til et AI-verktøy. Tre måneder senere bruker tre av dem det, og bare én til noe som angår kundene. Lisensen er betalt, men arbeidsdagen er den samme.

Tenk deg en grossist der ledelsen har bestemt seg. AI skal brukes der volumet er stort og mønstrene er vanskelige å se. Retningen er klar.

Så kommer hverdagen.

Selgeren skriver tilbudene som før. Innkjøperen leser bestillingsforslaget som før. Økonomiansvarlig sammenstiller rapportene som før. Ikke fordi de er imot, men fordi ingen har vist dem hva verktøyet skal gjøre i akkurat deres oppgaver.

Det er en viktig forskjell. Ledelsen har valgt intensjonen. Ingen har bygd den inn i arbeidsdagen, og det er der verdien skal oppstå.

Spørsmålet er derfor ikke bare:

Hvordan får vi flere ansatte til å bruke AI?

Spørsmålet ledelsen har nytte av, er:

Hvilke oppgaver skal endres, hvem kan dem best i dag, og hva skal fortsatt kontrolleres av et menneske?

Kort fortalt

1. Erfaringen er fortrinnet, ikke lisensen. De som kjenner varene, kundene og prisene, har kunnskapen verktøyet mangler, og som en konkurrent ikke kan kjøpe.
2. Lær på én reell oppgave per rolle. Et felles kurs i AI treffer ingen. En time på selgerens eget tilbud eller innkjøperens eget bestillingsforslag gjør det.
3. Tre regler på én side. Si hva svaret skal brukes til, kontroller før det går videre, og stå bak det som sendes. Verktøyet foreslår. Mennesket svarer for det.

Lisensen er kjøpt. Vanen er ikke endret.

De fleste virksomheter som tar i bruk AI, legger verktøyet oppå arbeidsflyten de allerede har.

Noen få gjør noe annet. De ser på oppgaven på nytt: hva skal gjøres, hvem gjør det, og hvor kommer vurderingen inn. Det er forskjellen mellom å ha tatt i bruk AI og å ha endret arbeidsdagen.

En lisens endrer ikke en oppgave. Det gjør bare den som utfører oppgaven.

Jeg har tidligere skrevet om at intensjonen må komme før verktøyet. Dette notatet handler om trinnet etter: når tolv ansatte skal gjøre den til vane.

Erfaringen sitter i bygget, ikke i verktøyet

Det er fristende å tro at AI krever nye folk: en datakyndig, en konsulent.

Men det verktøyet mangler, finnes allerede i bygget. Innkjøperen vet hvilke leverandører som leverer for sent. Selgeren vet hvilke kunder som forhandler på hver faktura. Økonomiansvarlig vet hvilke kostnader som blir feilført hver vår.

Denne kunnskapen har ingen modell. En konkurrent kan kjøpe samme lisens, men ikke tjue års erfaring med de samme kundene.

Det betyr ikke at alle skal bli teknikere. Det betyr at de som kan oppgaven, må være med på å bestemme hva verktøyet skal gjøre i den, mens arbeidsflyten legges om.

Intentional Intelligence i hverdagen er ikke at flere bruker AI. Det er at de som kjenner virksomheten best, bestemmer hva den skal brukes til.

Ett kurs for alle treffer ingen

Anta at virksomheten sender alle tolv ansatte på et halvdagskurs i AI. Uken etter er lite endret. Ikke fordi kurset var dårlig, men fordi ingen lærte det på sin egen oppgave.

Læring som fester seg, er knyttet til én reell arbeidsoppgave per rolle. Selgeren lærer på sitt eget tilbud. Innkjøperen på sitt eget bestillingsforslag. Økonomiansvarlig på sin egen avstemming. Korte økter, på ekte data, med en som kan oppgaven ved siden av.

Timene sier hvor det er mest å lære. Anta tre oppgaver:

• Tilbud og møtereferater, 8 selgere × 4 t/uke × 45 uker: 1 440 t/år
• Bestillingsforslag, 2 innkjøpere × 6 t/uke × 45 uker: 540 t/år
• Avstemming og rapporter, 1 økonomiansvarlig × 8 t/uke × 45 uker: 360 t/år

Timene er ikke en gevinst. De er et kart over hvor oppgaven fyller dagen, og hvor en endret vane kan merkes først.

Start der timene er mange og konsekvensen av en feil er liten: et tilbud med feil pris koster mer enn en intern rapport som må rettes.

Verktøyet svarer. Det vet ikke om svaret er rett.

Anta at innkjøperen ber verktøyet foreslå nye salgspriser for 2 000 varelinjer etter at leverandøren økte prisene. 99 prosent av linjene er riktige.

2 000 × 0,01 = 20 varelinjer med feil

Anta at de 20 linjene står for 3 millioner kroner i omsetning, og at prisen er satt 5 prosent for lavt.

3 000 000 × 0,05 = 150 000 kroner i tapt bruttofortjeneste

Hver enkelt linje ser riktig ut. Først når noen som kjenner varene leser listen, blir avviket synlig.

Og forslaget kan være feil av flere grunner:

• Kanskje spørsmålet var for uklart, og verktøyet svarte presist på noe annet.
• Kanskje innkjøpsprisen som ble lagt inn, var fra forrige prisliste.
• Kanskje verktøyet fylte ut noe det ikke hadde grunnlag for, med samme sikre tone som ellers.
• Kanskje prisen er riktig i gjennomsnitt, men feil for den ene kunden som har avtale.

Beregningen viser et forslag. Om forslaget er rett for denne varen og denne kunden, må noen som kjenner dem avgjøre.

Derfor trenger hver ansatt tre regler, på én side, ikke i en håndbok:

1. Si hva svaret skal brukes til, ikke bare hva du vil ha. «Priser jeg kan sende til kundene i morgen» gir et annet svar enn «foreslå priser».
2. Kontroller før det går videre. Hva som alltid skal leses av et menneske, og hva som aldri legges inn i verktøyet, skal stå skrevet.
3. Stå bak det som sendes. Et tilbud som går ut, har selgerens navn på seg, ikke verktøyets.

Verktøyet foreslår. Den som sender, svarer for det.

Ikke all motstand er vrangvilje

Når tre av tolv bruker verktøyet, er det fristende å se de ni som et problem.

En ansatt som ser verktøyet som en konkurrent, bruker det ikke, eller bruker det galt. Det er et svar på et spørsmål ledelsen ikke har besvart: hva skjer med stillingen min når rapporten tar ti minutter? Et tydelig svar på det gjør mer for bruken enn ett kurs til.

Men noen av de ni har rett. Selgeren som nekter å la verktøyet skrive til den største kunden, beskytter kanskje en relasjon som er verdt mer enn tiden hun sparer. Innkjøperen som leser gjennom hvert bestillingsforslag, er kanskje den eneste kontrollen før varene kommer.

Et manuelt steg som er valgt, er dømmekraft. Et manuelt steg ingen har vurdert, er tilfeldighet.

Oppgaver der situasjonen er ny, der relasjonen avgjør, og der noen må kunne stå bak resultatet, kan holdes manuelle med vilje, men da bør det stå skrevet.

Læringen er ikke ferdig etter første økt

Det som virket i mars, virker ikke nødvendigvis i september.

Virksomheter som får AI til å feste seg, behandler det som en vane som vedlikeholdes, ikke som et prosjekt som avsluttes. Et fast punkt i ukemøtet: hva prøvde vi, hva virket, hva gikk galt. Små forsøk som får lov til å mislykkes, så lenge de lærer bort noe.

Og det selgeren fant ut om tilbudet, kan innkjøperen bruke på bestillingsforslaget. Uten et sted å dele det, blir det hos én person.

Det krever at ledelsen gjør det samme. En daglig leder som ber om mer AI-bruk, men aldri selv bruker verktøyet i egne beslutninger, sier i praksis at dette gjelder andre.

Fra lisens til vane

En lisensliste viser hvem som har tilgang. En bedre oversikt viser hvilke oppgaver som er endret. Beslutningsstøtten begynner når ledelsen tar spørsmålene i rekkefølge:

1. Hvilken oppgave? Hvilke oppgaver tar mest tid per rolle, og hvor er konsekvensen av en feil liten nok til å starte?
2. Hvem kan den best? Hvem gjør oppgaven i dag, og hvordan får den personen bestemme hva verktøyet skal gjøre i den?
3. Hva skal alltid kontrolleres? Hvilke resultater leses av et menneske før de går videre, hva legges aldri inn, og hvem står bak det som sendes?
4. Hva prøver dere først? Én oppgave, én rolle, én måned, og en avtale om hvordan dere skal se om noe ble bedre.
5. Hva lærte dere, og hvem fikk vite det? Ta svaret med inn i neste rolle, og gjenta.

Det er denne arbeidsdelingen Salgsanalytikeren bygger på: teknologien går gjennom alle fakturalinjene, en navngitt analytiker vurderer hva funnene betyr, og dere beslutter.

Teknologien regner. Jeg vurderer. Dere beslutter.

Verktøyet er kjøpt. Det var den enkle delen.

Den vanskelige delen sitter ved pultene, og kjenner varene og kundene bedre enn noen modell.

En lisens kan kjøpes. En arbeidsdag må noen endre.