AI-agenter skal løse en konkret opgave, ikke bare imponere: før AI bliver endnu et løst værktøj

Det lyder næsten for banalt, men det er her mange AI-projekter knækker: medarbejderne får adgang, men ikke en fælles måde at bruge adgangen på. En god AI-indsats kan godt starte med inspiration, men den kan ikke slutte der. På et tidspunkt skal mennesker ændre måden, de arbejder på. Det gælder især Microsoft Copilot, fordi værktøjet ligger så tæt på de programmer, mange allerede bruger. Når AI flytter ind i Outlook, Teams, Word, Excel og PowerPoint, bliver det ikke et eksperiment ved siden af arbejdet. Det bliver en del af arbejdet.

Hvis man læser Microsoft, er bredden tydelig. Copilot kan indgå mange steder i Microsoft 365. Det er selvfølgelig en styrke. Men det er også derfor, en generel gennemgang hurtigt bliver for tynd. Medarbejderne ved, at værktøjet kan noget, men ikke nødvendigvis hvad de skal gøre anderledes i deres egen opgavebunke.

Mange opdager først problemet, når alle bruger Copilot forskelligt. Én laver lange prompts, én kopierer ukritisk, og én giver op efter to dårlige svar. AI-adoption fejler sjældent, fordi medarbejdere mangler interesse. Den fejler oftere, fordi ingen har gjort brugen praktisk nok. Det gælder især Microsoft Copilot, fordi værktøjet ligger så tæt på de programmer, mange allerede bruger. Når AI flytter ind i Outlook, Teams, Word, Excel og PowerPoint, bliver det ikke et eksperiment ved siden af arbejdet. Det bliver en del af arbejdet.

Derfor bør virksomheder starte mere lavpraktisk. Hvilke opgaver fylder faktisk? Det kan være rapportforklaringer, præsentationsudkast og dokumentgennemgang. Når opgaven er tydelig, bliver det lettere at vurdere, om AI skal hjælpe med struktur, første udkast, opsummering, kontrolspørgsmål eller forbedring af en tekst. Det er mere nyttigt end endnu en lang funktionsliste.

Det er også sådan, man bør tænke om Copilot Studio agenter. Ikke som et kursus i flere smarte prompts, men som træning i bedre arbejdsvaner. Hvad skal Copilot hjælpe med? Hvad skal mennesket stadig selv vurdere? Og hvornår er et svar bare et udkast, ikke en konklusion?

I kommunikation og debat bliver kvaliteten især synlig i formuleringerne. AI kan give fart, men den kan også gøre teksten glat, hvis ingen holder fast i formålet. Det er fristende at kalde al AI-brug for effektivisering, men det er for nemt. Et hurtigt udkast kan spare tid. Et forkert udkast kan koste tid. En pæn formulering kan se professionel ud og stadig mangle fakta, kontekst eller ansvar.

Træningen bør derfor være lidt mere jordnær, end mange forventer. Deltagerne skal ikke kun se, hvad Copilot kan i en perfekt demo. De skal prøve at bruge værktøjet på en opgave, hvor input er rodet, konteksten er mangelfuld, og svaret skal redigeres, før det kan bruges. Det er sådan hverdagen ser ud.

Microsoft er en god påmindelse om, at data, sikkerhed og kontekst ikke er detaljer, man kan lægge på bagefter. Hvis virksomheden vil bruge Copilot i rigtige arbejdsopgaver, skal medarbejdere kende forskel på åbne idéopgaver, interne dokumenter, fortrolige oplysninger og beslutninger, der kræver menneskelig kontrol.

Det er praktisk, lidt kedeligt og meget vigtigt. Og netop derfor virker det.

Det bør også kobles til en enkel opfølgning. Efter kurset kan teamet vælge én opgave, gemme et godt eksempel og aftale, hvem der tjekker output. Microsoft peger på samme praktiske pointe: værdien kommer først, når AI ændrer arbejdsvaner, ikke kun når værktøjet bliver åbnet.