1. Hvad der faktisk sker derude
I løbet af foråret 2026 er en række opsigtsvækkende historier kommet frem, der tilsammen tegner et mønster. Jeg starter med fakta, før jeg giver min analyse.
1.1 Uber: 3,4 milliarder dollars i R&D og ingen synlig effekt
Uber udrullede Anthropics Claude Code til 5.000 ingeniører i december 2025. Adoptionen var eksplosiv. På to måneder gik brugen af agentbaseret AI fra 32 procent til 84 procent af alle ingeniører. 70 procent af al committed kode var AI-genereret. Månedlige API-omkostninger per ingeniør lå mellem 500 og 2.000 dollars. 1
Resultatet: hele årets AI-budget var opbrugt i midten af april. Fire måneder ind i året.
Men her er det afgørende: Ubers COO Andrew Macdonald sagde i et interview i maj, at virksomheden ikke kan trække en direkte linje fra det stigende tokenforbrug til bedre produkter for forbrugerne. Han brugte udtrykket tokenmaxxing til at beskrive dynamikken: stigende AI-forbrug uden proportional værdi. 2
1.2 Amazon, Walmart og GitHub: samme symptom, forskellige reaktioner
Amazon byggede en intern AI-scoretavle, hvor medarbejdere kunne konkurrere om at være arbejdspladsens mest flittige AI-bruger. De skrottede den. Konklusionen var enkel: flittig brug førte ikke til øget indtjening. 3
Walmart har sat loft over antallet af AI-tokens, medarbejdere må bruge. En af verdens største virksomheder rationerer nu AI-adgang, fordi omkostningerne løber løbsk. 3
Og 1. juni 2026 ændrede Microsofts GitHub Copilot sin prismodel fra faste abonnementer til tokenbaseret afregning. Nogle udviklere rapporterede prisstigninger på op til 25 gange. Fra 200 kr. til 5.200 kr. Fra 350 kr. til 20.000 kr. Inden for 24 timer var udtrykket What a joke trending på GitHubs eget community forum. 4
1.3 Det store billede: 2.500 milliarder dollars
Gartner estimerer, at globalt AI-forbrug når 2.500 milliarder dollars i 2026. En stigning på 47 procent i forhold til 2025. Det gør AI til den hurtigst voksende teknologikategori i erhvervshistorien. 5
Samtidig finder Gartner, at AI befinder sig i Trough of Disillusionment igennem hele 2026. Det er den fase, hvor de tidlige forventninger er brændt af, og virksomheder begynder at spørge: får vi overhovedet noget for pengene? 5
Svaret, for de fleste, er: det ved vi ikke. Og det er selve problemet.
Fyringer skaber budgetplads. De skaber ikke afkast. Virksomheder, der forbedrer ROI, er dem, der investerer i kompetencer, roller og driftsmodeller, der lader mennesker styre og skalere autonome systemer.— Helen Poitevin, Gartner, maj 2026
2. Diagnosen: teknologi før proces
Når jeg ser på de her historier fra Uber, Amazon, Walmart og GitHub, ser jeg det samme mønster, som jeg ser hos danske virksomheder. Bare i større skala.
Mønstret er: teknologi først, proces bagefter. Og det er den dyreste rækkefølge, der findes.
2.1 Hvad virksomhederne gør
De køber AI-licenser. De ruller værktøjerne ud til alle medarbejdere. De måler adoption: hvor mange bruger det, hvor ofte, hvor mange tokens. Og så venter de på, at produktiviteten stiger. At bundlinjen reagerer.
Det gør den typisk ikke. Fordi de aldrig definerede, hvad AI konkret skal løse. Hvilken proces der skal redesignes. Hvilket output der skal ændres. Hvilken beslutning der skal forbedres.
Ubers COO sagde det selv: det er svært at trække en linje fra én af de statistikker til, at vi nu producerer 25 procent flere nyttige forbrugerfunktioner. 2 Det er præcis det problem, der opstår, når man køber teknologien før man forstår processen.
2.2 Karim Lakhanis syv friktioner
Harvard Business Schools Karim Lakhani beskrev i marts 2026 det, han kalder last mile-problemet: den kløft der opstår, når teknisk kapabilitet møder organisatorisk design. Han identificerer syv strukturelle friktioner, herunder process debt og the efficiency trap. 6
Process debt er særligt relevant her. Det er den gæld, der opstår, når virksomheder lægger AI oven på eksisterende processer i stedet for at redesigne dem. Du får en hurtigere version af en dårlig proces. Det er ikke det samme som en god proces.
The efficiency trap er den anden side: virksomheder måler AI-succes på, om medarbejdere bruger værktøjet mere. Ikke på, om forretningen leverer bedre resultater. Amazons AI-scoretavle er lærebogseksemplet.
2.3 Gartners advarsel: fyringer er ikke en strategi
I maj 2026 publicerede Gartner en undersøgelse af 350 globale topledere, der viste, at 80 procent af virksomheder med AI-piloter har reduceret deres arbejdsstyrke. Men de virksomheder, der fyrer, opnår ikke bedre ROI end dem, der lader være. 7
Gartners Helen Poitevin siger det direkte: mange CEO’er griber til fyringer for at demonstrere hurtige AI-gevinster. Den disposition er forkert. 7
Det er her, min erfaring fra 20+ år som kommerciel leder i danske virksomheder taler ind. Fyringer er en budgetøvelse. Redesign er en værdiøvelse. De to ting minder om hinanden på overfladen. De er modsatte i praksis.
Du automatiserer ikke dig ud af en dårlig proces. Du får bare den dårlige proces til at køre hurtigere.
3. Løsningen: proces først, teknologi bagefter
Jeg har en grundregel i mit arbejde med danske virksomheder: forstå processen, før du køber værktøjet. Det lyder banalt. Det er det modsatte af, hvad de fleste gør.
3.1 Kortlæg før du automatiserer
Før en virksomhed investerer en eneste krone i AI-licenser, bør den kunne svare på tre spørgsmål for hver proces, den overvejer at automatisere:
Hvad er input, output og tidsforbrug i dag? Hvis du ikke kan beskrive processen præcist, kan du ikke automatisere den meningsfuldt. Det lyder åbenlyst, men jeg oplever konstant, at virksomheder vil bruge AI i marketing uden at kunne fortælle mig, hvor mange timer der går til research versus skrivning versus godkendelse i deres content-produktion.
Hvem forbruger outputtet, og hvad gør de med det? En rapport, der genereres 40 procent hurtigere, men stadig læses af samme person, der træffer samme beslutning, har ikke skabt værdi. Den har sparet tid. Det er noget andet.
Hvad er succeskriteriet? Ikke adoption, ikke tokenforbrug, ikke antal AI-genererede outputs. Men: kørte vi flere kampagner? Lukkede vi flere deals? Reagerede vi hurtigere på en konkurrents træk? Forretningsresultater. Altid.
3.2 BCGs indsigt: de 5 procent der lykkes
BCGs globale undersøgelse fra 2025 af 1.250 topledere fandt, at kun 5 procent af virksomheder kvalificerer som future-built for AI. De leverer dobbelt så høj omsætningsvækst og 40 procent flere omkostningsbesparelser end resten. 8
Hvad gør de anderledes? De redesigner arbejdet, før de deployer teknologien. De har de mest ambitiøse upskilling-programmer. Og de måler output, ikke aktivitet. BCGs research fra maj 2026 siger det direkte: AI øger output i organisationer, men uden at nytænke, hvordan arbejdet udføres, forbliver de økonomiske gevinster svære at realisere. 9
Det er præcis det, jeg ser i min egen praksis. De virksomheder, der får værdi ud af AI, er dem, der starter med processen. De andre køber licenser.
3.3 Gartners 57-procents-tal
Gartners forskning viser, at 57 procent af de infrastruktur- og driftsledere, der rapporterede mindst én AI-fejl, siger, at deres AI-initiativer fejlede, fordi de forventede for meget for hurtigt. 10 Derudover pegede 38 procent på manglende datakvalitet, og 38 procent på kompetencehuller som direkte årsager.
Det er ikke teknologien, der fejler. Det er forberedelsen.
4. Hvad danske virksomheder bør gøre nu
De internationale historier er dramatiske. Uber, Amazon, Walmart. Men det danske erhvervsliv står over for præcis den samme dynamik i mindre skala. Her er mine konkrete anbefalinger.
4.1 Stop med at måle adoption
Hvor mange medarbejdere bruger ChatGPT er et meningsløst tal. Det svarer til at måle, hvor mange der har åbnet et Excel-ark. Spørgsmålet er: hvad producerer de med det? Mål output, ikke aktivitet. Antal kampagner lanceret, tid fra idé til marked, hitrate på tilbud, kundetilfredshed. De tal kan måles. Og de siger noget om værdi.
4.2 Vælg én proces og redesign den fra bunden
Tag den mest tidskrævende proces i jeres marketing- eller salgsafdeling. Kortlæg den fuldstændigt: hvert trin, hvert input, hvert output, hvert menneske der rører den. Så spørg: hvis vi skulle bygge den her proces fra nul med AI som en del af holdet, hvordan ville den så se ud?
Svaret er aldrig den eksisterende proces med et AI-lag oveni. Svaret er en ny proces. Kortere, hurtigere, med færre handovers og bedre kvalitetssikring.
4.3 Sæt et budget-loft, før I starter
Uber lærte det på den hårde måde: AI-forbrug uden loft er en åben pengehane. Tokenbaserede prismodeller gør det muligt for omkostningerne at eksplodere, når adoptionen stiger. Sæt et månedligt loft per team, ikke per medarbejder, og gennemgå det hver måned mod faktiske forretningsresultater.
4.4 Investér i jeres orkestrerere
De medarbejdere, der skal styre AI-workflows, har brug for kompetencer, der rækker ud over at skrive en god prompt. De skal forstå processerne, data, kvalitetssikring og forretningslogik. Gartners data viser, at 80 procent af CMO’er peger på medarbejdernes frygt og usikkerhed som en barriere for AI-eksperimentering. 11 Svaret er uddannelse og mandat. Ikke flere licenser.
4.5 Hold ledelsen ansvarlig
Kun 36 procent af CFO’er føler sig sikre på at levere reel forretningseffekt fra AI-investeringer, ifølge Gartner. 12 Det er et ledelsesproblem. Hvis topledelsen ikke personligt forstår, hvad AI kan og ikke kan, ender I som Uber: med et opbrugt budget og et spørgsmål, I ikke kan svare på.
5. Konklusion: den dyre rækkefølge
AI er et ekstraordinært værktøj. Jeg bruger det selv hver dag i min forretning. Jeg bygger løsninger for danske virksomheder, der leverer reel værdi. Jeg tror på teknologien.
Men teknologi uden procesforståelse er bare en dyrere måde at gøre det forkerte på.
Det, vi ser hos Uber, Amazon og Walmart lige nu, er ikke et tegn på, at AI ikke virker. Det er et tegn på, at rækkefølgen er forkert. Og rækkefølgen har en pris.
Gartner anslår 2.500 milliarder dollars i globalt AI-forbrug i 2026. En del af de penge skaber reel værdi. BCGs future-built 5 procent viser, at det kan lade sig gøre. Men for de resterende 95 procent er spørgsmålet åbent: får I noget for pengene?
Mit svar er konsekvent: forstå processen. Design løsningen. Vælg så teknologien. I den rækkefølge. Hver gang.
Proces først. Teknologi bagefter. Det er hele forskellen.