AI i den offentlige sektor

Tre typer AI – og hvorfor de stiller forskellige krav

AI er ikke én teknologi. Forskellige typer AI løser forskellige opgaver og stiller forskellige krav til governance, ansvar og implementering.

Traditionel AI. Bygger på strukturerede data og bruges til at genkende mønstre, forudsige udfald eller klassificere information. I den offentlige sektor anvendes den blandt andet til udbetalingskontrol, planlægning og optimering af arbejdsgange.

Generativ AI. Kan skabe nyt indhold som tekst, billeder og kode på baggrund af store datamængder. Den bruges allerede til blandt andet opsummering af høringssvar, udkast til lovtekster og støtte i sagsbehandling. Potentialet er stort – men det kræver klare rammer for kvalitet og ansvar.

Agentisk AI. Kan planlægge og udføre opgaver på tværs af flere trin med begrænset menneskelig indgriben. Teknologien er i hastig udvikling og åbner nye muligheder, men stiller også større krav til governance, menneskeligt tilsyn og tydelig ansvarsplacering.

Hvordan undgår vi pilotsyge?

De fleste offentlige institutioner sidder fast mellem eksperiment og skalering. Teknologien virker, og de første resultater er lovende – men organisationen som helhed forandrer sig ikke. Det kalder vi pilotsyge.

Det kræver tre ting:

1. Finansiering skal på plads fra start: Dokumenterede gevinster skal kunne frigøres og investeres i næste initiativ – ellers stopper udviklingen efter de første use cases.
2. Driftsmodellen skal bære løsningerne: Uden en klar driftsmodel opstår der en uformel model af sig selv – med uklart ansvar, spredt brug og uensartede resultater. Governance, roller og ansvar skal være tydelige fra dag ét, så løsninger ikke bliver stående som lokale eksperimenter.
3. Adoption skal ske i arbejdet: Effekten opstår først, når løsninger bruges i praksis og ændrer de daglige rutiner.

Kuren mod pilotsyge er derfor ikke endnu et pilotprojekt. Det er en sammenhæng mellem finansiering, drift og forankring, hvor hver use case bidrager til den næste.

Fra pilot til transformation – hvordan AI skaber reel værdi

Transformation opstår først, når hele værdikæden hænger sammen – fra juridisk afklaring og integration i arbejdsgange til adfærdsændring og systematisk gevinstrealisering.

Værdien ligger ikke i selve løsningen, men i det, der sker før, under og efter den implementeres.

Fra pilot til transformation – og de barrierer, der skal overvindes

Ansvarlig AI er en forudsætning for transformation

Ansvarlig AI er ikke et lag udenpå – det er en forudsætning for at kunne skalere. Jura, etik og tillid skal ind fra start: i design, i drift og i den løbende monitorering.

Ansvarlig AI skal ind i hele AI-livscyklussen

Jura, ansvarlighed og kompetencer skal tænkes ind fra start – som en integreret del af design, udvikling og drift.

En mulig vision for fremtidens klage- og sagsbehandling

Borgere bruger allerede AI til at skrive klager og henvendelser. Det ændrer både mængden, formen og kvaliteten af det, myndighederne modtager.

Spørgsmålet er derfor ikke, om udviklingen kommer – men hvordan den offentlige sektor vælger at møde den.

Vi ser en fremtid, hvor AI understøtter begge sider af klageprocessen: Borgeren får hjælp til at formulere en mere præcis klage, og medarbejderen får bedre overblik, forberedelse og beslutningsstøtte.

Det kræver klar hjemmel, transparens og tydelig ansvarsplacering. AI kan understøtte processen – men myndigheden skal fortsat kunne stå på mål for vurderinger, afgørelser og borgerens retssikkerhed.

AI-use cases: Fra kendte løsninger til reel transformation

Den offentlige sektor mangler ikke use cases – den mangler evnen til at implementere og skalere dem. Tabellen viser derfor ikke en ønskeliste, men eksempler på løsninger, der allerede anvendes eller afprøves i praksis. Forskellen ligger i, hvad det kræver at lykkes med dem.

Fire AI-use cases – og hvad de kræver i praksis

De fire eksempler viser forskellige måder at anvende AI på i den offentlige sektor. Fælles for dem er, at værdien ikke alene afhænger af teknologien, men af de organisatoriske, juridiske og ledelsesmæssige rammer omkring den.

Fra AI-ambition til AI i drift

AI skaber først værdi, når teknologi, ledelse, governance og organisation udvikles i sammenhæng. Det kræver en samlet tilgang – fra strategi og prioritering til implementering, drift og løbende forbedring.

Strategi og governance

Et fælles fundament for at prioritere, handle sammenhængende og drive forretningstransformation gennem AI.

• AI roadmap og modenhedsvurdering Kortlægning af organisationens AI-modenhed og udvikling af konkret roadmap for ambition og indsatser.
• Governance og AI Operating Model Roller, beslutningsveje, eskaleringsprincipper og etablering af PMO der sikrer fremdrift på tværs.
• Compliance og regulering AI Act, GDPR og etiske principper omsat til praksis og indlejret i organisationens styring.
• Forretningstransformation AI som strategisk greb der redesigner processer, roller og forretningsmodeller – ikke blot effektiviserer.
• Policy og analyse Kortlægning, benchmarking og policyanalyse, der omsætter nationale strategier, regulering og internationale erfaringer til konkrete valg for organisationen.

Prioritering og kvalificering af AI-initiativer

Systematisk overblik over AI-muligheder – for borgere og organisation – fokuseret der, hvor potentialet er størst.

• Identifikation Workshops der afdækker AI-potentiale i faktiske arbejdsgange og borgervendte services.
• Kvalificering Teknisk, juridisk og etisk realiserbarhed vurderes for hver case.
• Prioritering Gevinstestimering og pipeline inden for governancekriterier.
• Prototyping og udvikling Udvikling af PoC’er og pilotløsninger i tæt samarbejde med organisationen.

Løsningsudvikling og implementering

Use-cases omsættes til løsninger, der kan tages lovligt i brug og skaber reel effekt.

• AI sourcing og kontrahering Strategi for tech stack; evaluering, udvælgelse og kontrahering af platforme og implementeringspartnere.
• Specialløsninger Skræddersyede AI-applikationer til konkrete arbejdsgange og sektorspecifi kke behov.
• Konsekvensanalyse AI Act-screening og lovlighedsvurdering inden ibrugtagning.

Ansvarlig AI og juridisk rådgivning

Vi leverer juridisk og etisk kompetence ind i projekter – og selvstændigt som vurdering af løsninger i drift.

• Compliance i projekter Juridisk vurdering integreret fra idé til drift - ikke som kontrol efterfølgende.
• Løsningsvurdering Vurdering af AI-systemer i drift: lovlighed, bias, datagrundlag og sporbarhed.
• Platformsrådgivning Beslutningsstøtte ved valg af model og leverandør med fokus på hjemmel og risiko.
• Digital suverænitet og datasikkerhed Vurdering af datahåndtering, cloudplacering, leverandørafhængighed og tekniske kontroller, så offentlige data kan anvendes uden at miste kontrol, sikkerhed eller sporbarhed.

Ibrugtagning, forandring og læring

Varig værdiskabelse og forretnings transformation opstår, når AI forankres i hverdagens arbejdsgange.

• AI sourcing og kontrahering Strategi for tech stack; evaluering, udvælgelse og kontrahering af platforme og implementeringspartnere.
• Specialløsninger Skræddersyede AI-applikationer til konkrete arbejdsgange og sektorspecifikke behov.
• Konsekvensanalyse AI Act-screening og lovlighedsvurdering inden ibrugtagning.

Driftsmodel og løbende styring

AI-løsninger skal ikke bare implementeres. De skal styres, forbedres og holde over tid.

• Governance-setup Ansvar, roller og eskaleringsstruktur for AI i drift på tværs af fagområder.
• Monitorering og audit Løbende opfølgning på performance, datakvalitet og risiko.
• Teknisk vedligehold Opdatering af modeller, prompts og integrationer i takt med ændringer og ny lovgivning.
• Bæredygtig AI-drift Løbende optimering af modeller, arkitektur og ressourceforbrug, så AI-løsninger balancerer effekt, omkostninger og klimaaftryk.