AI & Ledelse · 9 min
Work IN. Work ON. Work AS.
Det gamle ledelsesråd var at komme ud af arbejdet. AI giver os måske en grund til at komme dybere ind i det.
Der findes et velkendt ledelsesråd: arbejd PÅ forretningen, ikke I den. Skelnen stammer fra Michael Gerbers The E-Myth Revisited og er for længst blevet en del af ledelsessproget. At arbejde I betyder at udføre arbejdet — betjene kunden, løse problemet, skrive koden, lukke salget. At arbejde PÅ betyder at forbedre den maskine, der producerer resultaterne: systemer, processer, struktur, strategi.
Det er en brugbar skelnen. Men noget har ændret sig. AI er ved at skabe en tredje tilstand, og den ligger mellem de to andre. Ikke at arbejde I. Ikke at arbejde PÅ. At arbejde SOM — Work AS.
Jeg tror, det kan blive en af de definerende kompetencer i vidensarbejde i AI-æraen — og, mindre oplagt, det der afgør, hvor godt en virksomhed overhovedet implementerer AI.
Problemet med to tilstande
Den gamle model rummer en spænding. Bruger du al din tid I arbejdet, bliver du flaskehalsen. Du løser problemerne, du svarer på spørgsmålene, du træffer beslutningerne, du bliver uundværlig — og du har ingen tid tilbage til at forbedre det system, der skal producere morgendagens resultater.
Så får du at vide, at du skal træde tilbage. Design processen, byg systemet, dokumentér viden, delegér udførelsen. Det skaber gearing, og det skaber et problem mere: jo længere du bevæger dig væk fra arbejdet, jo lettere bliver det at designe et system ud fra en abstraktion af arbejdet i stedet for arbejdet selv.
Regnearket siger én ting. Procesdokumentet siger noget andet. De mennesker, der rent faktisk udfører arbejdet, ved noget tredje. Det hul — mellem systemet som designet og arbejdet som oplevet — er der, hvor det meste af den værdifulde viden bor.
Den viden, vi ikke ved, at vi har
Ekspertise er ikke udelukkende eksplicit. Eksperter følger ikke bare en liste med instruktioner. De lægger mærke til ting. De genkender mønstre. De fornemmer, når noget er en anelse skævt. De ved, hvilken undtagelse der betyder noget, og hvilken der ikke gør — og hvornår en situation kræver dømmekraft frem for proces.
Det kaldes typisk tavs viden. OECD's arbejde medAI og fremtidens kompetencer peger på, at tavs viden ikke er det samme som viden, man kan formulere, og at den ofte er svær — nogle gange umulig — at nå gennem introspektion alene.
Det betyder enormt meget for AI, for det værdifulde er sjældent “her er de tolv trin”. Det ligner snarere: når jeg ser lige præcis det mønster, bliver jeg mere forsigtig. Eller: kunden stiller teknisk set ét spørgsmål, men det egentlige problem er et andet. Eller: tallene ser fine ud, men jeg stoler ikke på dem endnu.
Ekspertisen ligger ikke i handlingen. Den ligger i dømmekraften bag handlingen.
Så hvad er Work AS?
Work AS betyder at udføre arbejdet, samtidig med at du gør dig selv til referencemodel for, hvordan arbejdet bør gøres. Du udfører ikke bare, og du designer ikke systemet på afstand. Du udfører arbejdet som en måde at opdage det system, der ligger inde i det.
Tænk på det som spilleren, der bliver træner, mens kampen stadig er i gang. Du svarer kunden, mens du lægger mærke til, hvad der gjorde svaret godt. Du læser dokumentet igennem, mens du lægger mærke til de kriterier, du anvender. Du beslutter, mens du lægger mærke til, hvilke signaler der fik dig til at stole på den ene mulighed frem for den anden.
Set sammen er de tre tilstande en progression:
- Work IN spørger, hvad der skal gøres. Den producerer resultatet.
- Work AS spørger, hvad jeg gør, der får det her til at virke. Den producererlogikken, mønsteret, dømmekraften.
- Work ON spørger, hvordan vi gør det gentageligt. Den producerersystemet.
Work IN skaber erfaring. Work AS udtrækker intelligens af den erfaring. Work ON gør den intelligens til kapabilitet. Derfor er Work AS ikke et andet ord for refleksion eller dokumentation — den ligger mellem udførelse og arkitektur, og det er det trin, de fleste organisationer springer over.
Hvorfor det her er den reelle flaskehals for AI
Organisationer har altid forsøgt at indfange tavs viden gennem oplæring, mentoring, SOP'er og faglige fællesskaber. Det nye er, at AI kan være en aktiv medspiller i oversættelsen.
I stedet for at skrive evalueringen, når projektet er slut, kan du udspørge arbejdet, mens det sker. I stedet for at bede en ekspert bruge to dage på at skrive en manual, kan du lade vedkommende udføre arbejdet og bruge AI til at få øje på de mønstre, beslutninger, undtagelser og antagelser, der ligger i det. Ikke bare hvad der skete, men: hvorfor gjorde du det? Hvad ville have fået dig til at vælge anderledes? Hvad lagde du mærke til, som ikke var oplagt? Hvilke dele af det her er regler, og hvilke er dømmekraft?
Et lille eksempel. En leder svarer på en svær kundemail. Det er Work IN. Undervejs lægger vedkommende mærke til, at det oplyste problem ikke er det egentlige problem, at tonen betyder mere end den faktuelle klage, at én bestemt formulering signalerer risiko for eskalering, og at den normale politik bør bøjes her uden at blive præcedens. Det er Work AS — vedkommende har lige blotlagt en del af sin beslutningsmodel. Hvad den logik derefter bliver til — en coachingramme, en tjekliste, en prompt, en agents eskaleringsregel — er Work ON.
Ny forskning peger samme vej. Et studie fra 2026 undersøger, hvordan generativ AI kangøre tavs viden eksplicit i lærlingesystemer; et andet opstillerdesignprincipper for AI-medieret indfangning og overførsel af ekspertise, herunder beslutningsheuristikker og risikovurdering. Samme arbejde er tydeligt om risiciene: hallucination, målforskydning, medløberbias og forvrængning af ekspertens oprindelige mening.
Så Work AS er ikke “lad AI kigge med og automatisér alting”. Det er: brug AI til at hjælpe mig med at se, formulere, afprøve og indkode det, jeg lærer af arbejdet. En mere interessant proposition — og en betydeligt mere sikker en.
Den del, der afgør, hvad der forbliver menneskeligt
Her er grunden til, at jeg tror, det betyder mere, end det umiddelbart ser ud. Den gængse bekymring ved AI er, at den tager arbejde fra mennesker. Den mere praktiske risiko er, at virksomheder delegerer de forkerte ting — giver slip på de dele, der bar dømmekraften, og beholder de dele, der kun nogensinde var rutine.
Den skelnen kan ikke laves fra mødelokalet. Den kræver en, der er tæt nok på arbejdet til at kunne sige: det her trin er en regel, det der er en vurdering; det her er undtagelsen, der afslører, hvad vi faktisk går op i; det her er stedet, hvor en uerfaren ville gå galt.
Work AS er måden, den bevidsthed bliver bygget på, og den skærer begge veje. Jo mere præcist du kan beskrive den rutineprægede, regelbaserede del af dit arbejde, jo mere trygt kan du give den videre til en agent — og jo tydeligere kan du sætte ord på den del, der bør forblive menneskelig, og forsvare tiden til den.
Det er det egentlige løfte. Ikke færre mennesker, men bedre placerede. Hver time ægte rutinearbejde, du delegerer godt, er en time tilbage til det arbejde, kun et menneske kan gøre: dømmekraften, relationen, ansvaret, det der kræver nogen, der går op i det.
Men du fortjener kun den byttehandel ved at forstå arbejdet godt nok til at dele det rigtigt. Deler du forkert, ender AI med at sidde på dømmekraften, mens mennesket laver administrationen udenom. Det sker oftere, end nogen indrømmer, og ikke fordi teknologien svigtede. Det sker, fordi ingen lavede Work AS.
En bevidst praksis
Selve færdigheden er enkel. Når du laver noget, der betyder noget, så stop undervejs og spørg:
- Hvad lagde jeg mærke til — hvilke signaler påvirkede faktisk beslutningen?
- Hvad vidste jeg uden at tænke bevidst over det?
- Hvilken undtagelse gjorde jeg? Undtagelser afslører som regel den reelle regel.
- Hvad ville en mindre erfaren have overset?
- Kunne et andet menneske — eller et system — gentage den her tankegang? Hvis ikke, hvad mangler?
Det sidste spørgsmål er hængslet. Hvor svaret er ja, har du fundet noget, der kan blive en del af systemet. Hvor svaret er nej, har du fundet noget, der er værd at beskytte.
Skriv svaret ned som én sætning. Ikke en procedure, ikke en lektie til alle. Med tiden bliver de sætninger din egen rosettasten: viden, der er afprøvet i dit faktiske arbejde i stedet for lånt fra en andens teori.
Den nye løkke
Den gamle model var: arbejd I, og arbejd så PÅ. Lav arbejdet, træd tilbage, byg systemet. AI-æraens model er måske: arbejd I, work AS, arbejd PÅ — og tilbage i arbejdet med et bedre system. Gør det. Iagttag det. Udtræk intelligensen. Byg. Vend tilbage.
Grænsen mellem at udføre og at designe bliver mere flydende. Mennesket, der gør arbejdet, bliver en kilde til systemintelligens, og systemet bliver en måde at forstærke den på.
At vide, hvad der er værd at lære maskinen
Work AS erstatter ikke de to andre tilstande. Den forbinder dem. Work IN giver dig virkeligheden. Work AS gør virkeligheden til overførbar intelligens. Work ON gør den til organisatorisk kapabilitet.
I lang tid betød ledelsesgearing at få andre til at gøre det, du selv plejede at gøre: delegér, standardisér, dokumentér, automatisér. AI tilføjer en anden slags — at indkode, hvordan du tænker, mens du arbejder. Det ændrer spørgsmålet. Ikke “hvordan slipper jeg ud af det her arbejde?”, men: hvad kan jeg lære af at gøre det her arbejde, som ville lade systemet bære mere af det — og lade mig bære mere af det, kun jeg kan?
Faren var aldrig at arbejde I. Faren er at arbejde I uden at lære af arbejdet.
For i en verden, hvor maskiner i stigende grad kan udføre, er den knappe kompetence noget andet: at vide, hvad der overhovedet er værd at lære maskinen — og hvad der ikke er.