70 procent af danske virksomheder bruger i dag AI-værktøjer i deres dagligdag. Men mens produktiviteten stiger, sker der noget uventet ude i kontorlandskaberne: medarbejderne holder gradvist op med at spørge hinanden om hjælp.
Når den hurtigste vej til et svar er at åbne ChatGPT, forsvinder de uformelle samtaler ved kaffemaskinen og de spontane vidensudvekslinger, der i årtier har båret virksomheders kultur og interne vidensoverlevering. Spørgsmålet er ikke længere, om AI skal bruges til vidensdeling. Spørgsmålet er, hvordan du sikrer, at organisationens kollektive hukommelse og sammenhold overlever automatiseringen.
Fra kaffemaskinen til chatvinduet
I en undersøgelse fra Dansk Erhverv viser tallene, at brugen af AI-værktøjer blandt danske virksomheder er steget fra 44 procent i 2023 til 70 procent i dag. Stigningen er markant, og den har ændret måden, vi arbejder på. Medarbejdere bruger generativ AI til alt fra at opsummere mødereferater til at finde svar på tekniske spørgsmål. Det er hurtigere, det er nemmere, og det kræver ikke, at man forstyrrer en kollega.
Men der er en pris. Når vidensoverlevering flyttes fra menneske-til-menneske-interaktioner til menneske-til-maskine-interaktioner, mister organisationen noget subtilt, men afgørende. De uformelle samtaler, hvor en erfaren kollega deler kontekst, baggrund og nuancer, erstattes af et chatvindue, der leverer præcise, men kontekstløse svar. Det er forskellen mellem at lære en opskrift og at lære at lave mad.
Problemet forstærkes af det, der i branchen kaldes Shadow AI: medarbejdere, der bruger AI-værktøjer på egen hånd uden virksomhedens viden eller styring. Ifølge Dansk Industri er en af de største udfordringer i dag at skabe en AI-kultur, hvor brugen er åben, styret og forankret i fælles retningslinjer. Uden den styring risikerer virksomheder, at vigtig viden fanges i individuelle chathistorikker, der aldrig når ud til resten af organisationen.
Det betyder ikke, at AI er fjenden af god vidensdeling. Tværtimod. Pointen er, at teknologien skal supplere den menneskelige interaktion, ikke erstatte den. Virksomheder, der forstår denne balance, vil stå langt stærkere i kampen om talent, fastholdelse og innovation i de kommende år.
Tænk på onboarding af nye medarbejdere som et konkret eksempel. Tidligere lærte en ny kollega virksomhedens processer, kultur og uskrevne regler gennem samtaler med erfarne medarbejdere over uger og måneder. I dag kan en conversational AI besvare mange af de samme spørgsmål på sekunder. Men den kan ikke formidle, hvorfor tingene gøres på en bestemt måde, hvilke fejl teamet har lært af, eller hvad der kendetegner virksomhedens tilgang til kundeservice. Den kontekst kræver stadig menneskelig dialog.
Desuden viser forskning fra ClearPeople, at organisationer, der kombinerer AI med strukturerede mentorprogrammer og vidensdelingsrutiner, opnår markant bedre resultater end dem, der udelukkende satser på teknologi. Det skyldes, at AI er fremragende til at finde og præsentere eksplicit viden, altså den viden, der allerede er dokumenteret. Men den tavse viden, erfaringerne, intuitionerne og de kulturelle normer, kræver stadig menneskelig formidling.
Et praktisk greb er at bruge AI til at identificere videnshuller i organisationen. Når en AI-assistent gentagne gange modtager spørgsmål, den ikke kan besvare, er det et signal om, at der mangler dokumentation eller ekspertise på det område. Ved at analysere disse mønstre kan ledelsen målrette vidensdeling og træningsindsatser, hvor behovet er størst. På den måde bliver AI ikke kun et værktøj til at distribuere viden, men også et redskab til at afdække, hvor den menneskelige vidensdeling skal styrkes.
Kan AI helt erstatte menneskelig vidensdeling i en organisation?
Nej. AI kan automatisere svar på faktuelle og gentagne spørgsmål, men den kan ikke erstatte den kontekstuelle viden, erfaring og kulturelle forståelse, som kun mennesker kan overlevere. De bedste resultater opnås, når AI aflaster medarbejderne fra rutinespørgsmål, så de får mere tid til dybere, meningsfulde vidensudvekslinger.
Hvad er Shadow AI, og hvorfor udgør det en risiko for virksomhedens vidensdeling?
Shadow AI opstår, når medarbejdere bruger AI-værktøjer uden virksomhedens viden eller godkendelse. Det er en risiko, fordi den viden, der genereres og bruges, ikke fanges i virksomhedens systemer. Det skaber vidensiloer og kan føre til inkonsistente processer, sikkerhedsrisici og tab af organisatorisk læring.
Hvordan kommer man i gang med AI-drevet vidensdeling uden at miste kulturen?
Start med at kortlægge, hvor jeres medarbejdere allerede bruger AI. Etablér klare retningslinjer for AI-brug, og vælg værktøjer, der integrerer med jeres eksisterende systemer. Sørg for, at AI supplerer den menneskelige interaktion frem for at erstatte den, og investér i AI-kompetencer på tværs af organisationen.
AI som intern videninfrastruktur
Fremtidens vidensdeling handler ikke om at vælge mellem mennesker og maskiner. Det handler om at bygge en infrastruktur, der gør begge dele bedre. En teknologi som RAG (Retrieval-Augmented Generation) gør det muligt at koble en stor sprogmodel (LLM) til virksomhedens egne dokumenter, databaser og interne wikier. Det betyder, at medarbejderne kan stille spørgsmål i naturligt sprog og få svar baseret på virksomhedens faktiske viden, ikke kun internettets generelle information.
Ifølge Enterprise Knowledge er en af de vigtigste tendenser i 2026, at videnshåndtering bliver indlejret direkte i arbejdsgangene. Det handler om at levere den rigtige viden på det rigtige tidspunkt, uden at medarbejderen aktivt skal søge efter den. AI-assistenter, eller copilots, kan proaktivt foreslå relevant dokumentation, lignende sager eller interne eksperter, når en medarbejder arbejder på en opgave.
For danske virksomheder, der allerede bruger platforme som HubSpot, Zoho eller Microsoft 365, er mulighederne konkrete. Et AI-lag oven på jeres eksisterende CRM, projektværktøjer og intranet kan transformere ustruktureret viden til en søgbar, tilgængelig ressource. Det kræver dog, at data er organiseret og tilgængelig, og at der er klare regler for AI governance, så den viden, der deles via AI, er pålidelig og opdateret.
Gartner forudser, at virksomheder, der har adopteret AI-systemer til videnshåndtering, vil overgå konkurrenterne med mindst 25 procent. Det er ikke kun et spørgsmål om teknologi. Det er et strategisk valg, der kræver ledelsesmæssig opbakning, klare mål og en plan for, hvordan AI skal understøtte den eksisterende kultur frem for at underminere den.
Et konkret eksempel er brugen af AI-agenter, der kan navigere på tværs af virksomhedens systemer og levere sammenhængende svar. Forestil dig en medarbejder i kundeservice, der modtager et komplekst spørgsmål. I stedet for at søge i fem forskellige systemer kan en AI-agent trække relevant information fra CRM, vidensbase og tidligere sager, og præsentere et samlet overblik. Det sparer tid og sikrer konsistens, men det kræver, at virksomhedens data er struktureret og tilgængelig.
Ifølge LeewayHertz er de mest succesfulde implementeringer af AI i videnshåndtering dem, der starter med en klar forståelse af, hvilken viden der allerede eksisterer, hvor den befinder sig, og hvem der har brug for den. Det lyder simpelt, men mange virksomheder opdager først omfanget af deres videnssiloer, når de forsøger at implementere AI. Processen med at forberede data til AI bliver i sig selv en værdifuld øvelse i at kortlægge og strukturere organisationens viden.
Den skjulte risiko: Når viden sidder i prompten
En af de mest oversete udfordringer ved AI-drevet vidensdeling er det, man kan kalde "promptafhængighed". Når en medarbejder finder en effektiv måde at bruge ChatGPT eller en intern AI-assistent på, sidder den viden typisk i medarbejderens egne prompts og workflows, ikke i virksomhedens systemer. Hvis medarbejderen forlader virksomheden, forsvinder den viden med dem.
Det er en ny form for videnstab, der minder om den klassiske udfordring med tavs viden, men med en ekstra dimension. Hvor tavs viden tidligere sad i erfarne medarbejderes hoveder, sidder den nu i individuelle AI-opsætninger, tilpassede prompts og personlige workflows. Prompt engineering er blevet en kompetence i sig selv, men den er sjældent dokumenteret eller delt på tværs af organisationen.
Løsningen er at gøre AI-brugen til en fælles praksis frem for en individuel disciplin. Det kan betyde, at virksomheden opretter et internt bibliotek af godkendte og afprøvede prompts, deler effektive workflows via interne kanaler og systematisk dokumenterer, hvordan AI bruges i forskellige afdelinger. Når viden om AI-brug deles åbent, styrkes både effektiviteten og den kulturelle sammenhængskraft.
Risikoen for AI-hallucinationer gør dette endnu mere presserende. Når en medarbejder bruger en generel AI-model til at besvare faglige spørgsmål, kan modellen generere svar, der lyder overbevisende, men som er faktuelle forkerte. Uden intern kvalitetssikring og delte retningslinjer for AI-brug kan fejlagtig information sprede sig i organisationen. Et internt RAG-system, der er koblet til virksomhedens egne godkendte kilder, reducerer denne risiko markant, fordi svarene er forankret i verificeret intern viden.
Der er også en ledelsesmæssig dimension. Når viden om effektiv AI-brug kun eksisterer hos enkelte medarbejdere, skabes der usynlige afhængigheder i organisationen. Nogle medarbejdere bliver de facto "AI-eksperter", mens andre halter bagefter. Det skaber ulighed i produktivitet og kan føre til frustration. En bevidst strategi for at dele AI-kompetencer og best practices på tværs af teams modvirker denne skævhed og gør hele organisationen mere robust.
Konkret kan virksomheder etablere interne "AI-showcases", hvor afdelinger demonstrerer, hvordan de bruger AI i praksis. Salgsafdelingen kan vise, hvordan de bruger AI til at forberede kundemøder. Marketing kan demonstrere, hvordan de genererer indhold med kvalitetssikring. Kundeservice kan dele, hvordan AI-assistenter har reduceret svartider. Disse tværgående demonstrationer skaber ikke kun vidensoverførsel, men også en fælles forståelse af, hvad AI kan og ikke kan, som er afgørende for en sund AI-kultur i organisationen.
Klar til AI-drevet vidensdeling?
Vi hjælper jer med at opbygge en videninfrastruktur, der kombinerer AI med jeres kultur og processer. Book en uforpligtende samtale.
Sådan bygger du en videnkultur med AI
Det første skridt er at erkende, at AI-transformation af vidensdeling ikke kun er et teknologiprojekt. Det er et kulturprojekt. Ifølge en global undersøgelse fra APQC peger 40 procent af virksomhederne på kultur og manglende incitamenter som den største barriere for effektiv videnshåndtering. Teknologien er kun så god som den organisation, der bruger den.
Start med at kortlægge, hvor viden allerede flyder i jeres organisation, og hvor den går tabt. Identificér de situationer, hvor medarbejdere i dag vender sig mod AI i stedet for en kollega, og vurder, om det er hensigtsmæssigt. Nogle gange er AI det rigtige svar, fordi spørgsmålet er faktuelt og gentageligt. Andre gange er det et symptom på, at den menneskelige videnskultur er under pres, og at medarbejderne mangler tid eller rum til at dele viden med hinanden.
Investér i AI-kompetencer på tværs af organisationen. Siden februar 2025 kræver EU's AI Act, at virksomheder sikrer tilstrækkelige AI-kompetencer hos medarbejdere, der arbejder med AI-systemer. Men ud over compliance handler det om at give medarbejderne forudsætningerne for at bruge AI som et supplement til den viden og det fællesskab, der definerer jeres organisation. Når alle forstår teknologiens muligheder og begrænsninger, opstår der en sundere balance mellem menneskelig og maskinel vidensdeling.
Overvej at udpege AI-ambassadører i hver afdeling: medarbejdere, der har særlig interesse og kompetence inden for AI, og som kan fungere som bindeled mellem teknologien og resten af teamet. Disse ambassadører kan facilitere vidensdelingsmøder, samle og dokumentere effektive use cases og hjælpe kolleger med at komme i gang. Det er en model, der allerede bruges med succes i mange danske virksomheder inden for digital transformation, og den fungerer lige så godt med AI.
Sørg også for at måle effekten af jeres AI-indsats på vidensdeling. Det kan være kvantitative mål som svartider, antal vidensartikler oprettet eller medarbejdertilfredshed med interne værktøjer. Men det kan også være kvalitative mål: Oplever medarbejderne, at de har nemmere ved at finde den viden, de har brug for? Føler nye medarbejdere sig hurtigere integreret? Er der færre situationer, hvor viden "falder mellem to stole"? Uden måling er det svært at vide, om jeres investering i AI-drevet vidensdeling faktisk leverer resultater.
Fremtidens vindere er ikke de virksomheder, der automatiserer mest. Det er dem, der formår at bruge AI til at frigøre tid og ressourcer, så medarbejderne kan fokusere på det, der virkelig kræver menneskelig indsigt: kreativitet, relationer, innovation og den dybe, kontekstuelle viden, som ingen algoritme kan erstatte. Spørgsmålet er ikke, om jeres medarbejdere bruger AI. Det er, om I bruger AI på en måde, der styrker jeres kultur i stedet for at udvande den.