Kunstig intelligens præsenterer organisationer for et særligt paradoks. Teknologien kan udforme dokumenter, analysere information, generere kode og besvare kunder i en brøkdel af den tid, som disse aktiviteter krævede tidligere. Alligevel stiller ledere, der investerer massivt i disse kapaciteter, stadig et grundlæggende spørgsmål: hvor findes den tilsvarende økonomiske værdi?
Der er ikke så stor en modsigelse her, som det ser ud til.
Teknologi kontra virksomhed
Problemet er, at AI gør opgaver mere produktive, mens organisationer skaber værdi gennem systemer af indbyrdes afhængige opgaver. At få enkelte arbejdsopgaver markant hurtigere gør ikke nødvendigvis den organisation, der rummer dem, mere effektiv. PwC’s undersøgelse fra januar 2026 af 4.454 virksomhedschefer viste, at 56 procent rapporterer ingen finansiel fordel ved AI.
Vi har set en version af dette før. I 1987 bemærkede økonomen Robert Solow, at computere var synlige overalt undtagen i produktivitetsstatistikkerne. Gevinsterne ved informationsteknologi blev tydeligere først, når organisationer lærte at omdesigne arbejdet ud fra dens muligheder. Lærdommen var ikke blot, at ny teknologi kræver tid for at give afkast. Det var, at teknologisk forandring skal ledsages af organisatorisk forandring.
AI kan måske skabe den samme udfordring i betydeligt større fart, men organisationer omformer arbejdsopgaverne hurtigere end de omformer sig selv.
Uoverensstemmelse
Overvej tre niveauer, hvor denne uoverensstemmelse opstår.
For det første er organisationer nødt til at gentænke, hvad de ønsker at opnå med AI. Den mest åbenlyse forretningssag er effektivitet. Hvis AI gør arbejde, der tidligere tog tre timer, færdigt på 30 minutter, bør man beregne den deraf følgende omkostningsbesparelse.
Effektivitet og værdiskabelse er imidlertid ikke det samme. Efterhånden som lignende AI-muligheder bliver bredt tilgængelige, kan det at udføre en standardiseret aktivitet billigt hurtigt miste sin differentierende værdi. Det mere interessante spørgsmål er, hvad en organisation nu kan gøre, som tidligere var for dyrt, for langsomt eller for krævende af knappe kompetencer.
Denne sondring er særligt relevante i De Forenede Arabiske Emirater (UAE). I en økonomi, der stræber efter ambitiøs vækst og diversificering, samtidig med at den konkurrerer om kvalificeret arbejdskraft, kan AI-muligheden ikke blot handle om at reducere arbejdskraften. Den kan også handle om at udvide den knappe ekspertise: at vurdere flere muligheder, betjene flere kunder eller levere service, der tidligere ville have været uøkonomisk. Jobopslag for AI-kompetencer i UAE er tredoblet siden 2021, og lønpåskønninger er nået 92 procent.
For det andet er organisationer nødt til at omdesigne, hvordan arbejdet passer sammen.
De fleste AI-implementeringer starter ganske fornuftigt med at nedbryde arbejdet: Hvilke opgaver kan AI udføre? Hvilken flaskehals kan den fjerne? Hvor kan tid spares? Men nedbrydningen skaber et andet problem: nogen skal sætte arbejdet sammen igen.
Forestil dig en professionel arbejdsgang, hvor AI udfører forskning, et andet system foretager analysen, og et tredje forbereder det endelige output. Hver komponent kan blive hurtigere. Alligevel kan arbejdsgangen som helhed blive mere skrøbelig.
Årsagen er, at tilsyneladende ineffektive menneskelige aktiviteter ofte udfører funktioner, der er lette at overse. Mennesker udfører ikke blot opgaver. De opfanger usædvanlige tilfælde, stiller spørgsmål ved antagelser, forbinder information på tværs af faser og påtager sig ansvaret, når noget går galt.
Dette er grunden til, at det afgørende spørgsmål ikke blot er, “Kan AI udføre denne opgave?” men “Hvis AI udfører denne opgave, hvem kan verificere dets output, og hvem forbliver ansvarlig?”
Hvor AI-output let kan verificeres, bør arbejdsgange omdesignes for at gøre verifikationen systematisk: beviser ved siden af faktuelle påstande, tests ved siden af kode, revisionsspor ved siden af beslutninger. Hvor output ikke kan kontrolleres pålideligt ved en regel, forbliver menneskelig dømmekraft afgørende.
Dette er mere nyttigt end den generiske anbefaling om at holde et menneske i løkken. Målet bør være at sætte mennesker i de løkker, hvor dømmekraft og ansvar er nødvendigt – og omdesigne de andre løkker, så de er sikkert verificerbare.
For det tredje skal organisationer gentænke den menneskelige arbejders rolle.
Den sædvanlige tilgang bygger på komparativ fordel: giv AI de opgaver, den klarer bedre, og lad menneskerne klare resten. Men det risikerer at definere menneskeligt arbejde som en mindsket rest.
En bedre model er at se en rolle som en person, der er ansvarlig for en større enhed af output, understøttet af AI-agenter, der udfører dele af arbejdet. To menneskelige evner bliver derfor særligt vigtige: problemformulering – at afgøre, hvilket problem der faktisk skal løses, og løsningvalidering – at vurdere, om et AI-genereret svar er tilstrækkeligt til at handle på.
Dette skift ændrer også, hvordan organisationer tænker på menneskelig kapital. Udfordringen er ikke blot at udstyre folk med nye tekniske færdigheder – det handler om at gentænke, hvordan roller, kompetencer og læring udvikler sig, når AI bliver en integreret del af hverdagsarbejdet. Det er et spørgsmål, vi har undersøgt tæt sammen med ledere gennem INSEADs program «Human Capital in the Age of AI».
Der er også en længerevarende risiko. Hvis organisationer automatiserer de erfaringer, som junioransatte historisk har lært at bedømme, kan de øge den nuværende effektivitet, mens de svækker fremtidig ekspertise. En anden undersøgelse i maj viste, at junioransættelser faldt med omkring 9 procent hos virksomheder, der tager AI i brug.
Produktivitetsparadokset
AI’s produktivitetsparadoks er derfor grundlæggende et spørgsmål om organisationsdesign. At lukke kløften kræver omstrukturering på tre sammenhængende niveauer: hvad organisationen ønsker at opnå, hvordan dens arbejdsgange forener menneskelige og AI-bidrag, og hvem folk i sidste ende forbliver ansvarlige for.
Efterhånden som AI bliver mere kapabel, bliver organisationsdesign derfor vigtigere, ikke mindre. Jo lettere det bliver at nedbryde arbejdet og give dets dele til maskiner, desto vigtigere bliver det at afgøre, hvordan disse dele skal sættes sammen til en ansvarlig helhed.
De organisationer, der får mest værdi ud af AI, er måske ikke dem, der indfører det hurtigst, men dem der omformer sig omkring det på den mest intelligente måde.
Phanish Puranam er Roland Berger-stolprofessor i strategi og organisationsdesign ved INSEAD.
