AI træffer beslutninger, organisationen aldrig har taget

Så opstår situationer som disse:

Økonomidirektøren må tage forbehold over for bestyrelsen, fordi ingen kan sige, om et tal i ledelsesrapporten er hentet direkte fra kildesystemet eller beregnet af en AI-model. Og projektlederen bag den næste AI-løsning har ventet tre uger på at få at vide, hvilke data løsningen må bruge. Ingen kan give svaret.

De to situationer har samme årsag. Beslutningerne om, hvad AI må bruge, hvad data betyder, og hvor selvstændigt en løsning må handle, bliver truffet flere forskellige steder i organisationen. Er beslutningen ikke truffet, træffer løsningen den selv. Det gør AI dyr at skalere og svær at stå på mål for. Løsningen er sjældent endnu et board. Det, der mangler, er ét sammenhængende beslutningssystem.

Når den samme beslutning bliver truffet forskelligt flere steder, står I med to problemer samtidig:

1. Risiko, fordi ingen har det fulde overblik

2. Fragmentering, fordi intet passer sammen.

Begge dele gør AI dyr at skalere. Løsning nummer ti tager lige så lang tid at få i drift som den første, fordi de samme spørgsmål skal afklares forfra.

Pilotprojekter går i stå af mange grunde. Use casen holdt ikke, datagrundlaget var ikke klar, modellen var ikke god nok. Fragmenteret styring er den grund, der rammer alle løsninger på én gang, og den eneste, hvor arbejdet kan genbruges på tværs.

Fragmenteret styring er ikke et nyt problem. Forskellen er, at der hidtil har siddet et menneske i midten. Var en definition uklar, en kilde tvivlsom eller en regel uskreven, standsede en medarbejder op, spurgte en kollega og fyldte hullet ud med erfaring og timer. Det er derfor, datakvalitet og governance har kunnet håndholdes.

En agent henter data, fortolker dem og handler i maskinhastighed uden en pause. Man kan sætte agenter til at validere hinandens arbejde trin for trin, og det bør man. Men en validering fanger det, nogen har skrevet ned: skema, interval, fuldstændighed, en formuleret regel. Det uskrevne fanger den ikke.

Mennesket flytter sig til design, tilsyn, undtagelseshåndtering og godkendelse, og til at beslutte, hvad valideringen overhovedet skal kontrollere. Governance kan ikke længere hvile på, at nogen i hvert procestrin opdager, hvad der mangler. Ligger data governance og AI governance i hver sin silo med hvert sit budget, opstår der huller, ingen ejer. Det er præcis dér, agenten arbejder.

Det gælder også løsninger, hvor AI-agenter rådgiver. En løsning, der formelt rådgiver, har samme reelle magt som automatisering, hvis medarbejderne stoler på den og følger den. Styringsbehovet afgøres af konsekvensens størrelse, handlingens reversibilitet, datakvaliteten bag beslutningen og tilsynet med den. Graden af automatisering står ikke på listen.

Alt det ovenstående ville gælde, også uden ny lovgivning. EU AI Act og EU Data Act gør behovet konkret og tidsbestemt.

Om et system klassificeres som højrisiko, følger af, hvad det bruges til, ikke af om et menneske trykker på knappen til sidst. En løsning, der kun rådgiver, kan derfor godt være et højrisikosystem. Det er værd at bemærke, fordi mange organisationer regner med at være uden for reglerne, netop fordi en medarbejder godkender til sidst.

Kravene rammer jer forskelligt, afhængigt af om I køber eller udvikler systemet. Køber I systemet, er artikel 26 jeres:

• Inputdata skal være relevante og tilstrækkeligt repræsentative for det, systemet skal bruges til.

• Tilsynet skal varetages af navngivne personer med både kompetence og mandat til at gribe ind.

• Logs skal opbevares i mindst seks måneder.

• Medarbejderne skal informeres, før systemet sættes i drift.

Sætter I jeres eget navn på systemet eller ændrer dets formål, bliver I selv leverandør. Så gælder artikel 10's skærpede krav til datasæt og dokumentation. EU Data Act har været gældende siden 12. september 2025 og peger samme sted hen: den forudsætter, at I ved, hvad jeres data betyder, og at de er struktureret, så de kan deles maskinlæsbart.

Den 27. juli 2026 trådte Digital Omnibus (forordning (EU) 2026/1744) i kraft. Den flyttede fristen for selvstændige højrisikosystemer fra 2. august 2026 til 2. december 2027. Kravenes indhold blev ikke ændret, kun datoen.

Kravet om AI-færdigheder gælder allerede. Digitaliseringsstyrelsen har udsendt en vejledning til, hvordan organisationer sikrer et tilstrækkeligt AI-kompetenceniveau blandt medarbejderne. Fristen for højrisikosystemer er det eneste, der er flyttet.

Et nyt governance board løser sjældent problemet alene. Et board mødes månedligt, og beslutningerne om, hvad løsningen må, bliver truffet i projektet imellem møderne. Enten venter projektet, eller det beslutter selv. I begge tilfælde er beslutningen ikke styret.

Forskellen ligger mellem et forum og en struktur. Et forum behandler sager, når det er samlet. En struktur gør, at sagen kan afgøres uden at komme på en dagsorden, fordi det på forhånd er afgjort, hvem der må afgøre den, og inden for hvilken ramme.

Det, der skal på plads, er fælles principper, klare beslutningsrettigheder, lokal delegation og én entydig eskalationsvej. Beslutningerne bør træffes så tæt på processen som muligt og kun løftes centralt, når risikoen eller genbrugsværdien kræver det.

Seks beslutningstyper går igen, hver gang en AI-løsning skal i drift: adgang & sikkerhed, kontekst & betydning, data- & modelkvalitet, autonomi, omkostning samt ansvar & sporbarhed. De skal hver især have en navngiven ejer, et tydeligt mandat og en eskalationsvej.

Hvor meget der ligger centralt, og hvor meget der ligger i domænerne, afhænger af modenhed og risikoprofil. Vi går tættere på den del i den næste artikel.

Start med én konkret AI-løsning, der skal i drift. Første spørgsmål er, hvilken risikoklasse den falder i, for uden det svar ved I ikke, hvilke krav der gælder hvornår. Dernæst skal I for hver af de seks beslutningstyper kunne svare på fire ting: Hvem ejer beslutningen? Hvad er mandatet? Hvornår træffes den? Og hvornår eskaleres den?

Det er hverken et stort program eller et nyt lag bureaukrati. Det er at flytte beslutninger, der allerede bliver truffet, derhen hvor de kan styres og genbruges.

Værdien ligger i genbrug. En beslutning, der er truffet én gang, holder næste gang. Den anden AI-løsning går hurtigere i drift end den første, fordi arbejdet med adgang, autonomi, ansvar og godkendelse allerede er gjort. Genbruget er størst på principper og beslutningsrettigheder.

For ledelsen viser det sig tre steder. Der kan svares på, hvad løsningerne må, uden at spørge fire steder. Den samme afklaring bliver ikke lavet om i hvert projekt. Og når revisionen eller en kunde spørger, hvem der står på mål, findes svaret.

Sådan kommer I i gang

Tager økonomidirektøren forbehold over for tallene? Står AI-projekter stille, mens projektlederen venter på svar, ingen kan give? Så skyldes det som regel beslutninger, der aldrig er blevet truffet.

Vi hjælper jer med at kortlægge, hvor de vigtige beslutninger reelt bliver truffet i dag, og hvor hullerne er.

Det starter typisk med en kort assessment, hvor I får:

• et billede af jeres beslutningssystem

• en prioriteret liste over det, der mangler

• et overblik over, hvad der skal til for at lukke hullerne

Send os en besked, og lad os tage en snak om, hvor I står i dag - så finder vi ud af, om en assessment giver mening for jer.