Er jeres virksomhed klar til AI, eller blot klar til at købe AI?

Af Peter Ravnholt, 30. oktober 2026

AI Governance handler ikke kun om at kontrollere og udstikke retningslinjer for AI, efter teknologien er implementeret.
Før en AI Use Case går fra ambition til pilot og derfra til den afgørende drift, bør virksomheden kunne begrunde og dokumentere et klart formål, passende AI-styring og et tilstrækkeligt operationelt fundament.

Mange virksomheder har allerede adgang til AI-teknologi. De har måske gennemført pilotprojekter, etableret nogle simple AI-retningslinjer eller investeret i en platform til at skabe overblik og kontrol. Det er alle sammen vigtige skridt på vejen til at indføre AI, men de er alle brikker i det vigtige puslespil om at få skabt værdi omkring de store forventninger, der er til AI.

Derfor er et af de vigtigste spørgsmål at stille sig selv:

Har virksomheden i dag det fundament og den beslutningskompetence, der skal til for at udnytte AI i den konkrete AI Use Case?

Det var udgangspunktet for mit oplæg om AI Governance og AI Readiness for en gruppe af pharma-virksomheder for et par uger siden. Min hovedpointe var enkel: “Govern AI, but first establish AI Readiness.” “Først” betyder ikke, at governance kan vente. Det betyder derimod, at parathed skal være dokumenteret og afklaret, før en AI Use Case implementeres eller skaleres. For det er når tingene går i drift, at vi møder den virkelige kompleksitet og risiko.

Hvorfor er generel AI-parathed ikke et præcist nok mål?

Det giver sjældent mening at erklære en hel virksomhed enten ”AI-parat” eller “ikke AI-ready”. En organisation kan være klar til at lade AI opsummere incidents, udarbejde udkast til en knowledge-artikel eller anbefale relevant viden til en service desk medarbejder. Den samme organisation er ikke nødvendigvis klar til at lade AI gennemføre en operationel ændring, udføre automatisk godkendelse eller handle i et kritisk eller kontrolleret miljø.

Ofte er ambitionen, at medarbejderen blot skriver sit ønske i self-service portalen, hvorefter resten sker automatisk med minimal involvering fra den bagvedliggende servicefunktion.

Den underliggende teknologi kan være næsten den samme, men konsekvensen, autoriteten og kravene til dokumentation er forskellige. Derfor bør readiness vurderes for den konkrete Use Case, ikke som en løs vurdering af virksomhedens generelle AI-modenhed.

Det centrale spørgsmål er:
Er vi klar til denne AI Use Case, med denne grad af AI-styring og under disse operationelle betingelser?

Denne Use Case specifikke tilgang er kernen i det practitioner-koncept, jeg kalder ITSM AI Readiness. Det er ikke en officiel ITIL-model eller en ServiceNow-funktion, men en praktisk vurdering af, om organisationens driftsmæssige forudsætninger og datagrundlag understøtter en ansvarlig implementering.

Hvor meget må AI egentlig gøre?

Parathed afhænger ikke kun af teknologien. Den afhænger også af, hvor meget beslutning og eksekvering virksomheden ønsker at delegere til AI.

Jo mere beslutning og eksekvering der delegeres til AI, desto stærkere skal virksomhedens evidens, kontrolmekanismer og handlemuligheder normalt være. Konsekvensen af Use Casen og den endelige værdi er fortsat det afgørende. En simpel assist Use Case kan også kræve omfattende kontrol, hvis AI behandler følsomme oplysninger og afgørende beslutninger.

Det er ikke tilstrækkeligt alene at spørge, om Use Casen virker (Hvad end det betyder?). Virksomheden skal også tage stilling til, hvad AI må anbefale, beslutte og udføre, hvornår et menneske skal godkende eller formidle, og hvem der er endelig ansvarlig, hvis resultatet er forkert.

AI kan til dels udføre arbejdet, men det organisatoriske ansvar forsvinder ikke.

Hvilke forhold afgør, om en AI Use Case er klar?

1. Er værdien tydelig (Value Proposition)?

Virksomheden bør kunne forklare, hvilket resultat Use Casen skal forbedre, og hvordan forbedringen skal dokumenteres og måles. Hvis den nuværende performance ikke er kendt, bliver det vanskeligt at fastslå, om AI har skabt reel værdi.
Hvis der er sparet timer/ressourcer i et bestemt område, hvad skal den effekt så bruges til?
Et pilotprojekt bør derfor både have en teknisk målsætning og en forretningsmæssig baseline/formål.

2. Er processen forstået og tilstrækkeligt konsistent?

AI automatiserer eller påvirker en eksisterende arbejdsgang. Hvis processen udføres forskelligt fra team til team, eller hvis ejerskab og beslutningspunkter er uklare, kan AI ende med at automatisere variationen frem for at forbedre processen.
Parathed forudsætter ikke en fejlfri proces, men organisationen skal kende den arbejdsgang, AI indføres i, og forstå konsekvenserne af at automatisere den.

3. Er data og viden egnede til formålet?

Datakvalitet er ikke en generel egenskab. Data kan være tilstrækkelige til ét formål og utilstrækkelige til et andet. En AI-løsning, der anbefaler knowledge-artikler, er afhængig af, at relevant viden er korrekt, vedligeholdt og ejet. En løsning, der udfører handlinger på baggrund af konfigurationsdata, stiller andre og potentielt højere krav.
Forstår vi datagrundlaget og hvilke konsekvenser et dårligt datagrundlag har for vores mål med AI?

4. Er beslutningskompetence og ansvar placeret?

Før AI sættes i drift, skal det være tydeligt, hvem der ejer Use Casen og dermed har ansvaret for, at den skaber den forventede værdi. Det skal være afklaret, hvem der godkender, hvor meget autoritet AI-systemet får, og hvem der accepterer den operationelle risiko, som følger med.
Når løsningen er i drift, skal udpegede roller løbende overvåge resultaterne og have mandat til at gribe ind, hvis AI ikke opfører sig som forventet.
Endelig skal det stå klart, hvem der står til ansvar for det endelige mål og forventede resultat.
Hvis disse spørgsmål først diskuteres efter implementeringen, er governance kommet for sent.

5. Kan teknologien integreres, overvåges og stoppes?

En AI Use Case skal ikke kun kunne startes. Organisationen skal også kunne overvåge adfærd, registrere afvigelser, håndtere fejl og om nødvendigt begrænse eller stoppe løsningen. ServiceNow AI Control Tower er et eksempel på et relevant operationelt kontrolpunkt, som gennem områderne Discover, Govern, Secure, Observe og Measure giver forståelse og indblik i hvordan AI kan kontrolleres.
Et AI Control Tower kan skabe synlighed og kontrol, men organisatorisk parathed skal stadig etableres og dokumenteres.

6. Kan organisationen drive og kontrollere AI, når det for alvor skaleres?

AI ændrer ikke kun teknologien. Den ændrer ofte roller, kompetencebehov, beslutningsmønstre og måden, medarbejdere udfører arbejdet på. Virksomheden bør derfor vurdere operationelle roller, kompetencer til validering, kapacitet til overvågning, feedbackmekanismer samt tillid og adoption blandt brugerne.

Skal resultatet være endnu en modenhedsmåling?

Nej det er ikke pointen. Formålet bør ikke være at reducere en kompleks beslutning til ét gennemsnitstal. Procesmodenhed, datakvalitet, værdipotentiale, risiko og AI readiness belyser forskellige spørgsmål.

Vurderingen bør i stedet føre til én af fire praktiske ledelsesbeslutninger:

Proceed: Evidensen understøtter implementering.
Proceed with conditions: Use caset kan fortsætte med definerede sikkerhedsforanstaltninger eller forbedringer.
Prepare: Fundamentet skal styrkes før implementering.
Defer: Den nuværende værdi, readiness eller eksponering retfærdiggør ikke, at virksomheden går videre nu.

Resultatet er ikke bare en bedømmelse. Det er et beslutningsgrundlag og begyndelsen på et AI Roadmap, hvor mangler og overvejelse omsættes til konkrete betingelser, ejerskab og dokumentation.

Hvordan hænger AI Governance, ITSM AI Readiness & AI Control Tower sammen?

AI Governance sætter retning: formål, autoritet, ansvar og risikoappetit.
ITSM AI Readiness understøtter beslutningen: værdi, fundament, betingelser og evidens.
AI Control Tower understøtter kontrol og læring: Discover, Govern, Secure, Observe og Measure.

Sammen kan perspektiverne skabe et loop fra retning og beslutning til implementering, operationel kontrol og løbende læring. Når model, data, servicekontekst eller AI-autoritet ændres, bør organisationen overveje, om AI Readiness skal genbesøges. Denne sammenkobling er min egen syntese og ikke et officielt kombineret ITIL- og ServiceNow-framework.

Er I klar til jeres næste AI Use Case?

Inden den næste AI investering bevæger sig fra ambition til implementering, anbefaler jeg, at ledelsen stiller sig selv fire spørgsmål:

Use case: Er værdien og det ønskede outcome tydeligt?
AI authority: Hvad må AI anbefale, beslutte eller udføre?
Operating Model: Er processer, data, viden, governance, teknologi og organisation tilstrækkeligt klar?
Decision: Understøtter evidensen, at vi kan fortsætte ansvarligt?

Den vigtigste pointe er ikke, at virksomheden skal vente på perfekte forudsætninger. Pointen er, at den skal vide, hvilke forudsætninger der er nødvendige for det konkrete Use Case, og hvilke betingelser der skal være opfyldt, før AI får større indflydelse på beslutninger og handlinger. Det er forskellen på blot at implementere AI og på at gøre AI til en ansvarlig, målbar og bæredygtig del af virksomhedens Operating Model.

Vil du arbejde praktisk med AI Governance?

På kurset i AI Governance arbejder vi med, hvordan organisationer kan skabe tydelig retning, ansvar, beslutningsrettigheder, kontrol og menneskeligt tilsyn omkring AI. Kurset er relevant for dig, der arbejder med governance, IT Service Management, risiko, compliance, service- og procesejerskab eller implementering af AI-understøttede services.

ITIL® AI Governance (Version 5)