AI kommer til at forandre verden i år

Thorborgs Dagbog · Episode 123 · 16. februar 2026 · 39:20

Om den fart, AI udvikler sig med, og hvad jeg tror, det betyder for virksomheder og job. Jeg fortæller om programmering, support og behovet for at lære noget nyt.

Lyt til episoden

Åbn episode 123 på Buzzsprout · Find flere episoder på skrift

Herunder finder du en redigeret tekstversion af podcasten. Tal, planer og omtale af aktuelle begivenheder er fra tidspunktet for optagelsen. Udgivelsesdatoen er 16. februar 2026; januar i transskriptionens indledning er rettet efter den originale episode.

Hej og velkommen til Thorborgs Dagbog. Hold nu fucking kæft, hvor er det koldt. Mit hus ligger ud til Øresund, og med østenvind bliver kulden blæst direkte ind på det. Jeg brugte omkring 10.000 kroner på strøm i januar. Det er så også inklusive opladning af bilen og alt det andet, men det er alligevel en ordentlig omgang.

Det, jeg egentlig vil tale om, er AI. Ja, jeg ved godt, jeg taler meget om det. Men jeg kan simpelthen ikke lade være, fordi jeg synes, udviklingen spidser så voldsomt til lige nu. Jeg har diskuteret det med en masse mennesker, læst spændende indlæg og forsøgt at lægge tingene sammen. Min oplevelse er, at vi står midt i en revolution, som accelererer.

Vi tænker i lige linjer, men udviklingen gør ikke altid

Som mennesker er vi vant til noget nogenlunde lineært. Vi bliver et år ældre om året. En god virksomhed vokser måske ti procent i omsætning og lidt på bundlinjen. Nogle gange går det hurtigere, men normalt står man ikke med en udvikling, som bliver ved med at eksplodere.

Når jeg ser på Claude, ChatGPT, Gemini og de andre modeller, tænker jeg, at en af de vigtigste ting er deres evne til at programmere. Der er mange udviklere, som bruger dem. Og udviklerne hos AI-virksomhederne bruger selvfølgelig også AI til at hjælpe med at bygge næste version.

Hvis værktøjet gør udviklerne bedre, og de dermed bygger et bedre værktøj, kan man få en selvforstærkende effekt. Det er den, jeg synes er så interessant. Det betyder ikke, at en model bare på egen hånd kan trykke på en knap og lave en perfekt efterfølger. Men vi får et kredsløb, hvor teknologien hjælper med at forbedre teknologien.

Jeg bruger nogle gange billedet med et stadion, hvor der kommer en dråbe vand, derefter to, fire, otte og så videre. Længe ser det ikke voldsomt ud. Så begynder det at være vådt, og kort efter er der rigtig meget vand. De præcise minutter afhænger af stadionet og dråberne; pointen er fordoblingen. Når man først kan se effekten tydeligt, kan næste fordobling komme meget hurtigere, end man intuitivt tror.

Hvor er vi så i det billede? Det ved jeg ikke. Men min fornemmelse er, at vi er nået dertil, hvor det begynder at blive vådt. Det er både spændende og lidt skræmmende. Jeg tror, en ret lille del af verden har sat sig grundigt ind i, hvad der sker. Det handler ikke om, at alle andre er dumme. Det handler om interesse og om, hvor man bruger sin tid.

Jeg ved heller ikke, hvad der sker i møbelbranchen eller skibsbranchen. Men jeg har arbejdet med teknologi siden 1993, og jeg bruger typisk tre-fire timer om dagen på at læse indlæg, følge diskussioner, lytte til podcasts og se videoer. Det er en hobby, men også en del af grundlaget for de beslutninger, jeg træffer i virksomhederne.

Den teknologi, vi manglede i Dinero

Vi arbejdede med AI i Dinero, før ChatGPT kom. For fem-seks år siden ansatte vi de første udviklere, som arbejdede med at skabe bedre matches mellem bankposteringer og det, kunderne havde købt eller solgt. Vi får ikke altid ret mange oplysninger fra bankerne, så det kræver en del at forstå en postering ordentligt.

Min oplevelse er, at det både handler om gamle it-systemer og om, at bankerne gerne vil beholde kontakten til kunden. Hvis andre overtager hele den overflade, kunden bruger, kan banken risikere at blive et stik i væggen. Det er i øvrigt en risiko, jeg også skal tænke over for Dinero. Jeg kan ikke bare regne med, at vores egen brugerflade er fredet.

Da de store sprogmodeller kom, kunne David og jeg pludselig genkende noget, vi havde drømt om i mange år: Den virtuelle økonomichef. Vi ville ikke kun lave regnskabet. Vi ville gøre kunden bedre til at drive sin virksomhed. Og pludselig stod vi med et værktøj, som kunne hjælpe os med noget, vi tidligere ikke havde kunnet bygge.

Vi har stadig præsentationer fra salgsprocessen omkring 2015, hvor den vision er beskrevet. Vi solgte til Visma i 2016, men tankerne var der før. Der gik altså omkring ti år fra den formulerede vision til det produkt, vi er ved at rulle ud nu. Teknologien kom ikke præcis, når vi ønskede det, men vi kunne kende den, da den kom.

Ved optagelsen har omkring femten-tyve tusind af vores cirka 103.000 brugere adgang til det nye værktøj, og vi udvider stille og roligt. Du fortæller, hvad du vil med virksomheden. Vil du have flere medarbejdere? Mere omsætning? Mere tid til børnene? Eller drømmer du om at bygge noget rigtig stort?

Du kan beskrive det med almindelige ord, og så kan vi hjælpe med en plan, du selv kan justere. Vi bruger blandt andet mønstre hos lignende virksomheder og ser på din egen situation. Vi kan også inddrage din hjemmeside og anmeldelser. Det er ikke en garanti for succes, men det kan gøre rådgivningen meget mere konkret og relevant.

Det er den gamle drøm, der begynder at materialisere sig. Og det synes jeg fandeme er fedt.

Fra festsange og blå katte til rigtig support

Da folk først prøvede sprogmodellerne, var det meget festsange og billeder af blå katte i en kornmark. Billederne var ikke altid særligt gode, men det var imponerende, at man bare kunne beskrive noget og få det lavet.

Så begyndte vi at stille spørgsmål, hvor svaret faktisk skulle være rigtigt. Jeg spurgte for eksempel, hvilke bøger Martin Thorborg havde skrevet. Der kom både rigtige titler og bøger, som ikke eksisterede. Det er det, man kalder hallucinationer. Og så tænkte mange selvfølgelig: Det her kan vi da ikke bruge til noget vigtigt, når det finder på ting.

Vi kunne heller ikke bare sætte en model til at svare på vores supportspørgsmål. I begyndelsen kom der simpelthen for mange dårlige svar. Vi har brugt flere år på både at få glæde af bedre teknologi og på selv at blive bedre til at anvende den.

Et vigtigt skridt var at afgrænse, hvilket materiale den måtte bruge. Vi har en stor samling af spørgsmål og svar, som vores menneskelige support også arbejder med. I stedet for bare at lade modellen finde noget på nettet, gav vi den vores eget materiale som grundlag.

Det var dog ikke nok. Vi svarer på spørgsmål om mange forskellige typer virksomheder. Regler for et ApS er ikke nødvendigvis de samme som for en enkeltmandsvirksomhed eller et I/S. Modellen kunne blande tingene sammen, så vi måtte adskille stoffet og få den til at afklare situationen først.

Hvilken virksomhedstype har du? Handler spørgsmålet om moms, om en funktion i produktet eller om dit abonnement? Den skal lede i den rigtige del af materialet. Det har hjulpet rigtig meget.

Og så er der en vigtig instruktion: Hvis den er usikker, skal den sende spørgsmålet videre til et menneske. Vi kan ikke leve med, at AI med stor selvsikkerhed giver et forkert svar, som får økonomiske konsekvenser for kunden. Afgrænsninger fjerner ikke automatisk alle fejl, så vi skal hele tiden teste og følge kvaliteten.

Antallet af spørgsmål er ikke det samme som tidsforbruget

Ved optagelsen svarer Fin, som løsningen hedder, på omkring to tredjedele af vores supportspørgsmål. Vi måler kundetilfredsheden efter både menneskelig og automatisk support. På vores skala fra nul til hundrede ligger AI typisk omkring 89-92, og den menneskelige support omkring 89-94. Det er altså meget tæt på hinanden i de målinger, jeg ser.

På en travl momsdag satte vi Fin foran den menneskelige support, så kunderne først blev mødt af AI. Der håndterede den over firs procent af spørgsmålene med omtrent samme tilfredshed. Mit bud er derfor, at vi kunne automatisere en større del, hvis vi gjorde det til den normale indgang.

Men firs procent af spørgsmålene betyder ikke firs procent af arbejdstiden. De sidste spørgsmål er ofte de sværeste. AI tager mange af de nemme og gentagne ting, mens menneskene sidder tilbage med de mere komplicerede sager. Det er vigtigt at huske, når man regner på besparelsen.

AI er heller ikke gratis. Fin koster penge, og der er arbejde med at sætte løsningen op, vedligeholde materialet og kontrollere svarene. Når jeg lægger tingene sammen, er mit skøn her og nu en økonomisk besparelse på måske tyve-femogtyve procent. Det er stadig meget, men det er ikke det samme som at sige, at hele supportbudgettet er væk.

Til gengæld får kunderne nogle fordele. De kan få hjælp klokken tre om natten. De behøver ikke vente tre-fem minutter på et menneske til de spørgsmål, som Fin kan svare på. Og en travl dag behøver ikke på samme måde give en lang kø, fordi mange spørgsmål kan håndteres samtidig.

Min forventning ved optagelsen er, at vi kan spare omkring tredive procent over året og måske omkring halvtreds procent næste år. Det er et skøn, ikke et resultat, vi allerede har opnået. Vi får også normalt omkring ti procent flere kunder årligt. Uden effektivisering ville udgifterne derfor vokse. Det gør forskellen mellem de to udviklinger endnu større.

Der kommer blindgyder undervejs

Jeg tror på en kraftig udvikling, men jeg tror ikke, den bliver en pæn kurve uden problemer. Vores egne AI-udviklere har prøvet at arbejde i et halvt år med en tilgang og så erkende, at den ikke gav den kvalitet, vi havde brug for. Det er frustrerende.

Det er dog ikke det samme som, at alt er spildt. Man har lært noget. Man har data, erfaringer og dele, der kan bruges. Man må skifte retning, men man begynder ikke nødvendigvis helt fra nul.

Jeg har tidligere brugt selvkørende biler som et billede på det. Det er let nok at beskrive en masse regler: Hvis det her sker, gør du sådan. Men trafikken rummer et vanvittigt antal situationer. En løsning, der fungerer i langt de fleste tilfælde, er stadig utilstrækkelig, hvis de resterende fejl kan skade mennesker. Derfor skal metoderne udvikles og testes meget grundigt.

Det samme grundprincip gælder her: Der kommer plateauer, og dele af teknologien skal måske tænkes om. Jeg er ikke udvikler, og jeg forsøger ikke at undervise ingeniører i, hvordan modellerne fungerer. Jeg prøver at forklare mine overvejelser i almindeligt menneskesprog.

Man kan også gøre løsninger bedre ved at bruge den rigtige model til den rigtige opgave. Hvis nogen spørger, hvad to plus to er, behøver man ikke bruge den dyreste, mest krævende proces. Nogle opgaver kan klares hurtigt og billigt, mens andre kræver mere analyse. At vælge fornuftigt mellem værktøjer og modeller er også en forbedring.

Dinero er heller ikke én stor klump software, hvor vi skal udskifte alt på én gang. Der er forskellige dele og services til forskellige opgaver: scanning, beregninger, genkendelse og så videre. Det er en nyttig måde at forstå det på, selv om den tekniske virkelighed selvfølgelig er mere detaljeret.

Du kan ikke bare fremskrive sidste års forbedring

Det, jeg gerne vil have dig til at overveje, er, om du undervurderer næste spring. Hvis AI i dag kan klare en lille del af dit arbejde, er det fristende at tænke, at den næste år bare kan klare en lille smule mere. Min forventning er, at der kan komme langt større spring.

Jeg kan ikke give dig et præcist tal for din opgave eller en bestemt dato. Når jeg bruger eksempler som ti procent i dag og halvtreds procent i en senere version, er det for at forklare min forventning til udviklingen. Det er ikke en måling eller en garanti for, hvad alle modeller kan om seks måneder.

Jeg tror, at rigtig mange opgaver, som i dag foregår foran en computer, kan blive ændret voldsomt inden for de næste seks-tolv måneder. Det gælder ikke kun rutinearbejde med tal. Det kan også være kreativt og strategisk arbejde. Du kan godt være uenig, men jeg synes, du bør tage muligheden alvorligt.

Det betyder ikke, at jeg ved, hvad der sker med alle stillinger. En stilling består af flere opgaver, ansvar og relationer. Men hvis store dele af opgaverne kan klares anderledes, så får det selvfølgelig betydning for, hvordan virksomhederne organiserer sig.

Hvem får gevinsten ved AI?

Jeg talte med Øystein Moan, som har været med i Visma i mange år og er en af de mest visionære mennesker, jeg kender. Han ved meget om økonomi og geopolitik og følger det her tæt. Vi talte blandt andet om, hvorfor virksomhederne ikke nødvendigvis høster hele gevinsten ved AI endnu.

En tanke er, at medarbejderne allerede bruger værktøjerne til at spare tid, men at den frigjorte tid ikke altid bliver til mere arbejde for virksomheden. Nogle får deres opgaver løst hurtigere og tager lidt mere frihed i dagen. Det er en observation og en diskussion, ikke noget, jeg har dokumenteret for hele arbejdsmarkedet.

Jeg siger heller ikke, at alle gør sådan. Selvfølgelig findes der mennesker, som straks går til chefen og beder om flere opgaver. Men jeg tror ikke, man skal være naiv om, at al produktivitetsgevinst automatisk bliver omsat til mere output. Der kan også komme flere kaffepauser, lidt mere snak med kollegerne eller lidt mere tid på sociale medier.

For et par år siden sagde jeg til mine kolleger: Vi får flere kunder, men vi får ikke bare flere hænder. Jeg forventer ikke, at I løber hurtigere. Jeg forventer, at I finder værktøjer, som gør jer mere effektive. Det har de gjort.

Vi har ved optagelsen omtrent samme antal medarbejdere som to år tidligere, men omkring tyve procent flere kunder. Og jeg synes bestemt ikke, vi bare har sat tempoet op. Det er faktisk helt fint med mig, at medarbejderne også får noget ud af de teknologiske fremskridt.

Vi kan godt dele gevinsten. Jeg har ikke et færdigt regnestykke, som siger, at det præcis skal være femoghalvfjerds procent til virksomheden og femogtyve til medarbejderne. Men virksomheden skal have en stor del af fordelen. Jeg vil ikke betale for værktøjerne og udviklingen, hvis næsten hele gevinsten bare bliver til mindre arbejde uden en samtale om det.

Vi konkurrerer med nye virksomheder, hvor folk bruger al deres energi på at bygge noget, der kan slå os. Det synes jeg er fantastisk, men det betyder også, at vi skal være effektive. Jeg forventer ikke, at en etableret virksomhed skal have samme vilkår og arbejdstempo som en presset startup i årevis. Det er ikke rimeligt at byde mennesker. Men vi skal stadig være konkurrencedygtige.

Flere muligheder og færre stillinger kan komme samtidig

De virksomheder, som tager AI alvorligt, vil efter min vurdering ikke nødvendigvis ansætte flere, hver gang der kommer flere opgaver. Nogle vil kunne vokse med samme bemanding. Andre vil kunne starte nye projekter og gå ind i nye markeder. Det vil jeg også gerne forsøge.

Jeg vil meget gerne beholde mennesker, som lærer de nye værktøjer og skaber mere værdi med dem. Men hvis en stor del af arbejdet forsvinder, og vi ikke finder nye opgaver eller vækst, kan der også blive færre stillinger. Det er en virkelighed, jeg synes, ledelser og bestyrelser skal turde forholde sig til.

De skal undersøge, hvad der faktisk sker med arbejdet, og hvad den frigjorte tid bliver brugt på. Ikke bare antage, at alt er som før, fordi regnskabet stadig ser fint ud. Nogle skal sætte gang i nye aktiviteter. Andre kommer til at reducere. Jeg tror, vi vil se begge dele.

Mit bekymrede scenarie er stigende arbejdsløshed i de kommende år, især blandt mennesker med meget computerbaseret arbejde. Jeg har tidligere talt om massearbejdsløshed inden for tre år. Det er min prognose og frygt, ikke noget, nogen kan fastslå på forhånd. Håndværksfagene kan blive påvirket på andre måder og i et andet tempo.

Et andet samfund og en anden identitet

Hvis mange mister indkomst, stopper konsekvenserne ikke ved deres arbejdsplads. Det kan ramme restauranter, hoteller, transport og en masse andre virksomheder. Det kan også ramme mine egne hoteller på Bornholm. Det er ikke en udvikling, jeg selv står udenfor.

Jeg tænker også over, hvad det kan betyde for kontorbygninger, boligøkonomi og fordelingen af formuer. Nogle ejere kan få enorme gevinster, mens mange andre bliver presset. Den ubalance kan skabe social uro. Det er en del af det, som gør mig bekymret på den korte bane.

På længere sigt kan vi måske få et samfund, hvor arbejde ikke er den samme nødvendighed som i dag. Måske med borgerløn eller en helt anden model for at fordele værdierne. Jeg ved ikke, hvordan det skal indrettes, eller om politikerne kan finde ud af det.

Men tænk, hvis spørgsmålet om, hvem du er, ikke automatisk blev besvaret med din jobtitel. Måske skrev du børnebøger, dyrkede din køkkenhave eller drev en lille café, fordi du havde lyst. Ikke fordi du var nødt til at tage et bestemt arbejde for at betale huslejen og kunne holde ferie med børnene.

Det vil også give problemer. Arbejde er for mange en kilde til identitet, mening og fællesskab. Det skal vi finde andre måder at skabe på, hvis arbejdslivet ændrer sig så meget. Jeg tror ikke, det bliver enkelt.

Alligevel er jeg grundlæggende optimist. Jeg tror, mennesker finder nye ting at lave og nye måder at skabe mening på. Måske ser vi om tyve-tredive år tilbage og synes, det var mærkeligt, at så meget af vores liv handlede om at udføre opgaver for andre for at kunne leve. Om det tager ti, tyve eller halvtreds år, aner jeg ikke.

Lige nu skal jeg op og ind til Dinero. Jeg har flere AI-møder i dag, og der er noget af det interne arbejde, jeg ikke kan sidde og fortælle konkurrenterne om her. Det skal du nok høre mere om, når vi er klar. Hav det rigtig godt.