Hvad "AI-dannelse" faktisk betyder.
En arbejdsdefinition for voksne med job.
Den korte version
AI-dannelse er ikke et slogan. Det er en praktisk evne. Det betyder fem ting, du kan gøre: genkende, når AI er til stede, bruge de almindelige værktøjer kompetent, vurdere deres output, vide hvad der skal holdes ude, og holde institutioner ansvarlige for, hvordan de bruger AI på dig og på andre. Det er definitionen. Resten af dette memo viser, hvordan det ser ud i forskellige job, på forskellige livsstadier og inde i organisationer af enhver størrelse.
Hvis du er lærer, læge, sygeplejerske, offentligt ansat, indehaver af en lille virksomhed, journalist, advokat, revisor, HR-chef, landmand, forælder, bestyrelsesmedlem eller en, der har bemærket, at AI nu er blevet en del af dit arbejdsliv: så er dette memo til dig. Det er den forening, der skrev det, også.
Dette memo er en arbejdsdefinition, ikke et undervisningsforløb. Brug det til at vurdere ethvert udsagn om AI-dannelse, dit eget inklusive.
Hvorfor dette skal defineres
"AI-dannelse" er blevet en frase ligesom "ledelse" eller "innovation". Alle bruger den. Næsten ingen siger, hvad den betyder.
EU's AI-forordning gjorde AI-dannelse til en juridisk pligt i februar 2025 (se Memo 02). Virksomheder køber kurser. Skoler køber undervisningsforløb. Ministerier skriver strategier. Det meste af det er formet omkring en definition, der aldrig er blevet skrevet ned i et klart sprog.
En arbejdsdefinition er vigtig, fordi:
- En lærer har brug for at vide, om et 90-minutters webinar gør hendes personale "AI-dannet".
- En klinikchef har brug for at vide, om hendes sygeplejersker er klar, før hun lader et AI-noteringsværktøj komme ind i konsultationsrummene.
- En indehaver af en lille virksomhed har brug for at vide, om "jeg bruger ChatGPT hver dag" er nok.
- En bestyrelse har brug for at vide, hvad frasen betyder, når den dukker op i deres risikorapporter.
- En forælder har brug for at vide, hvad hun skal spørge skolen om, hvad angår hvordan AI bliver brugt på hendes barn.
Uden en definition bliver AI-dannelse til, hvad end en leverandør sælger. Det er det problem, dette memo løser.
Hvad AI-dannelse ikke er
Fem misforståelser, der er værd at rydde af vejen først.
- Det er ikke at være programmør. Du behøver ikke at skrive kode. Du behøver ikke at forstå matematikken. Målet er at være dannet, ikke at være ingeniør.
- Det er ikke blind begejstring. At vide, hvordan man roser AI, er ikke dannelse. Det er det heller ikke at vide, hvordan man er bange for det. Dannelse er evnen til at skelne.
- Det er ikke et certifikat. Et certifikat beviser, at du sad igennem et kursus. Dannelse beviser, at du kan gøre noget bagefter. De to har ofte ingen sammenhæng med hinanden.
- Det er ikke det samme som digital dannelse. Digital dannelse er at bruge software godt. AI-dannelse omfatter at beslutte, hvornår man ikke skal.
- Det er ikke færdigt. Værktøjerne ændrer sig. Evnen er en praksis, ikke en tilstand. De, der er AI-dannede i dag, vil have brug for at blive ved med at være AI-dannede næste år.
De fem evner
En voksen med praktisk AI-dannelse kan gøre fem ting. Ingen af dem kræver en uddannelse. Alle kræver de øvelse.
1. Genkendelse. At vide, hvornår AI er til stede.
Du kan se, hvornår et værktøj, du bruger, indeholder AI. Stavekontrollen, der omformulerer dine sætninger. E-mailassistenten, der opsummerer tråde. HR-systemet, der rangordner ansøgere. Billedanalysesoftwaren, der markerer scanninger. Kundeservicechatten, der ikke er et menneske. De "smarte" funktioner inde i Microsoft 365, Google Workspace, dit CRM, dit regnskabsprogram, dit rekrutteringssystem.
Genkendelse er den første evne, fordi alt andet afhænger af den. Folk kan ikke vurdere det, de ikke kan se.
2. Brug. At betjene de almindelige værktøjer kompetent.
Du kan betjene de daglige værktøjer til dit faktiske arbejde. For de fleste voksne i 2026 betyder det ChatGPT, Microsoft Copilot, Google Gemini og et eller to fagspecifikke værktøjer.
Kompetence her er konkret. Du kan skrive en brugbar prompt uden at tænke for hårdt. Du kan iterere. Du kan indsætte et dokument og bede om et resumé, der afspejler, hvad dokumentet faktisk siger. Du kan stille opfølgende spørgsmål i den samme samtale. Du kan genkende en blindgyde og starte forfra i stedet for at skændes med maskinen. Du ved, at måden, du spørger på, former det, du får tilbage.
3. Vurdering. At bedømme, hvornår output er godt, forkert eller farligt.
Du ved, at AI opfinder kilder. Du ved, at AI med selvtillid producerer forkerte datoer, forkerte navne, forkerte tal. Du ved, at AI som standard falder tilbage på plausibelt lydende tekst, selv når de underliggende fakta mangler.
Du læser AI-output, som en god redaktør læser et udkast. Brugbart, men ikke betroet. Du verificerer de dele, der betyder noget. Du kan se forskel på et AI-resumé, der indfangede et dokument, og et, der glattede det ud til noget, det aldrig sagde.
4. Grænser. At vide, hvad der skal holdes ude.
Du ved, hvad du ikke skal lægge ind. Patientjournaler. Klientdata. Interne lønninger. Kontraktudkast. Upubliceret forskning. Personoplysninger omfattet af GDPR. Alt, der er underlagt faglig tavshedspligt.
Du ved også, hvad du ikke skal uddelegere. Nogle beslutninger tilhører mennesker: ansættelse og afskedigelse, diagnose, domsafsigelse, asyl, forældremyndighed, børnebeskyttelse, triage om liv og død. Du kender forskellen på AI som en udkastsassistent og AI som en beslutningstager. Du ved, hvor grænsen går i dit eget arbejde, og du lader den ikke skride.
5. Medborgerskab. At holde institutioner ansvarlige.
Du kan holde institutioner ansvarlige for, hvordan de bruger AI på dig og på andre. Du kan spørge din bank, hvorfor et lån blev afvist. Du kan spørge din arbejdsgiver, hvordan resultatscoringen fungerer. Du kan læse en privatlivspolitik og finde de spørgsmål, der betyder noget. Du kan være en forælder, en borger, et bestyrelsesmedlem, en journalist, en vælger, der faktisk spørger.
AI-dannelse handler ikke kun om din egen brug af disse værktøjer. Den handler om din position i et samfund, der bliver omformet af dem.
Genkendelse, brug, vurdering, grænser, medborgerskab. Fem evner. Det er definitionen.
Hvordan det ser ud i forskellige job
De fem evner er konstante. Det, der ændrer sig, er, hvordan de viser sig i arbejdet.
En lærer, der er AI-dannet, kan spotte AI-skrevet elevarbejde uden at gå i panik. Hun designer opgaver, som AI ikke nemt kan forfalske. Hun bruger AI til at lave udkast til undervisningsplaner, som hun derefter redigerer i sin egen stemme. Hun kan forklare en forælder, hvad AI bidrog med, og hvad det ikke bidrog med, til en bedømt opgave. Hun lader ikke, som om AI er en døgnflue. Hun lader det heller ikke skrive det, hun stadig bør lære sine elever at skrive.
En læge, der er AI-dannet, bruger et AI-noteringsværktøj til konsultationsnotater, mens hun stadig tjekker diagnoselinjen i hånden. Hun ved, hvilke symptomer et AI-triageværktøj har tendens til at underrapportere. Hun nægter at indsætte navngivne patienthistorier i offentlige chatværktøjer. Hun kan forklare en patient, hvilken rolle AI spillede i deres behandling, i et sprog, patienten forstår.
En sygeplejerske, der er AI-dannet, kan betjene et AI-dokumentationsværktøj hurtigt nok til at spare reel tid ved sengekanten. Hun ved, hvornår AI'en til medicininteraktioner foreslår noget farligt. Hun kan markere en automatiseret risikoscore for den ansvarlige læge, når scoren ikke passer til patienten foran hende.
En offentligt ansat, der er AI-dannet, bruger AI til at lave udkast til rutinekorrespondance på dansk og engelsk. Hun ved, hvilke felter i en sag der aldrig må uploades til et offentligt AI-værktøj. Hun genkender, når et automatiseret beslutningsstøtteværktøj påvirker hendes kolleger skævt. Hun skriver sagsnotater, som et menneske kan forsvare i retten, hvis en AI-anbefaling senere bliver anfægtet.
En indehaver af en lille virksomhed, der er AI-dannet, bruger ChatGPT til at skrive bedre markedsføringstekst. Hun bruger et AI-bogføringsværktøj med den samme skepsis, som hun giver sin menneskelige bogholder. Hun har en enkeltsides skriftlig politik for, hvad hendes personale kan og ikke kan lægge ind i AI-værktøjer. Hun ved, om AI'en inde i hendes rekrutteringssoftware er reguleret under EU's AI-forordning.
En journalist, der er AI-dannet, bruger AI til at læse firehundrede-siders rapporter hurtigt. Hun citerer aldrig AI-output uden at tjekke den oprindelige kilde. Hun kan spotte AI-genererede billeder og lyd ude i virkeligheden. Hun skriver om AI uden at falde for hverken hypen eller dommedagsstemningen, fordi hun faktisk forstår, hvad værktøjerne kan og ikke kan.
En advokat, der er AI-dannet, bruger AI til at lave udkast og til at opsummere. Hun indgiver aldrig et AI-genereret processkrift uden at tjekke hver eneste henvisning, fordi hun ved, at AI opfinder sager, der ikke eksisterer. Hun rådgiver klienter om brug af AI uden at lade, som om hun ved mere, end hun gør.
En revisor, der er AI-dannet, bruger AI til at kategorisere transaktioner og afstemme kontoudtog. Hun lader aldrig AI godkende en selvangivelse. Hun ved, hvilke AI-bogføringsværktøjer der er GDPR-kompatible for danske klienter. Hun kan forklare en klient, hvad AI gjorde, og hvad det ikke gjorde, i udarbejdelsen af deres regnskaber.
En HR-chef, der er AI-dannet, ved, hvornår et AI-rekrutteringsværktøj er et "højrisikosystem" under EU's AI-forordning. Hun lader aldrig AI lave den endelige kandidatliste. Hun kan forklare en afvist ansøger, hvordan AI blev brugt i processen. Hun træner ansættende ledere i at bemærke, når AI-scoring skrider på måder, ingen havde til hensigt.
En landmand, der er AI-dannet, bruger AI-billeder til at opdage afgrødesygdomme tidligt. Hun bruger AI til papirarbejde og ansøgninger om tilskud. Hun ved, hvilke af hendes data der bliver indsamlet af landbrugsteknologileverandøren, hvor de opbevares, og hvem der ellers kan se dem. Hun stoler ikke på en algoritme frem for det, hun kan se på sin egen mark.
Forskellige job. Samme fem evner. Anvendt forskelligt.
Hvordan det ser ud på forskellige livsstadier
AI-dannelse er ikke kun et spørgsmål om profession. Den skifter form over et helt liv.
En studerende, der er AI-dannet, bruger AI til at lære, ikke til at erstatte læring. Hun kan forklare sin egen tankegang. Hun kan løse svære opgaver uden værktøjet åbent. Hun ved, hvad hun har lært udenad, og hvad hun har uddelegeret. Hun kender forskellen på at bruge AI som vejleder og at bruge det som ghostwriter, og hun vælger med vilje.
En ung professionel, der er AI-dannet, bruger AI til at komprimere de kedelige dele af sit job: mødenotater, statusopdateringer, første udkast. Hun ved, hvilke opgaver der opbygger hendes egen kunnen, og hvilke der trygt kan uddelegeres. Hun lader ikke AI skrive de ting, hun selv bør lære at skrive.
En professionel midt i karrieren, der er AI-dannet, er holdt op med at lade, som om hun affejer AI. Hun har prøvet værktøjerne. Hun har fundet to eller tre, der oprigtigt hjælper. Hun har også fundet et par stykker, der ikke gør, og hun er holdt op med at bruge dem. Hun ved, hvornår hun skal sige fra over for en leder, der vil have AI ind, hvor det ikke hører hjemme.
En erfaren professionel eller leder, der er AI-dannet, lader ikke konsulenter definere AI for sin organisation. Hun har brugt værktøjerne selv. Hun kan læse en AI-leverandørs pitch og stille de tre eller fire spørgsmål, der adskiller substans fra teater. Hun er ærlig over for sit personale om, hvad AI vil og ikke vil gøre ved deres job.
En pensionist, der er AI-dannet, bruger AI til at læse komplicerede breve fra banken, skattevæsenet eller hospitalet. Hun bruger det til oversættelse, til at lave udkast til svar, til at forstå information om medicin. Hun ved, at AI nogle gange opfinder detaljer, og hun læser omhyggeligt, før hun handler. Hun giver ikke AI-værktøjer sine bankoplysninger, sit CPR-nummer eller sine helbredsoplysninger.
En forælder, der er AI-dannet, har en samtale med sine børn om AI, før skolen gør det. Hun ved, hvilke AI-værktøjer hendes teenager faktisk bruger, og hvad de bliver brugt til. Hun kender forskellen på en AI-vejleder og en AI-ledsager-app. Hun går ikke i panik. Hun lader heller ikke, som om værktøjerne er harmløse.
Hvordan det ser ud for organisationer
En enkeltperson opbygger AI-dannelse gennem vane. En organisation opbygger den gennem struktur. Begge dele betyder noget. Ingen af dem er valgfri.
For et team
AI-dannelse for et team er et fælles ordforråd. Alle ved, hvilke værktøjer der er godkendt, hvad de er til, hvad de ikke er til, og hvor man stiller spørgsmål. Beslutninger om AI træffes på teammøder, ikke i private samtaler med en sælger fra en leverandør. Nye værktøjer indføres ikke gennem individuelle eksperimenter, der langsomt bliver til drift. Et dannet team kan sige højt, hvad AI gør i dets arbejde.
For en virksomhed eller institution
AI-dannelse på dette niveau er strukturel. Der er en skriftlig politik, som alle har læst. Der er én person, hvis jobbeskrivelse omfatter spørgsmål om AI. Nye værktøjer testes i en lille gruppe, før de udrulles. Brug af AI er på ledelsesmødets dagsorden mindst én gang i kvartalet. Bestyrelsen kan svare på spørgsmålet: hvad er det værste, der realistisk kan gå galt med vores nuværende brug af AI, og hvem er ansvarlig, hvis det sker.
For en leder
AI-dannelse er personlig. Du kan ikke uddelegere dette. En direktør, der aldrig selv har brugt værktøjerne, kan ikke træffe gode beslutninger om dem. En kommunal chef, der aldrig har bedt en AI om at opsummere en tohundrede-siders rapport, kan ikke bedømme, hvad hendes personale bruger den til. En stifter, der kun taler om AI på bestyrelsesmøder, men aldrig åbner ChatGPT, vil købe de forkerte værktøjer og stole på de forkerte folk. Lederens dannelse sætter loftet for organisationens.
For en bestyrelse
AI-dannelse på bestyrelsesniveau betyder at stille fire spørgsmål hvert år:
- Hvilke AI-værktøjer er i brug på tværs af organisationen, inklusive dem, der er indlejret i software, vi allerede betaler for?
- Hvad er den højeste risiko ved brugen, og hvem bliver påvirket af den?
- Hvem er ansvarlig, ved navn, hvis en beslutning, der er truffet eller understøttet af AI, går galt?
- Hvad gør vi for at holde vores personale dannet, efterhånden som værktøjerne ændrer sig?
Hvis en bestyrelse ikke kan få klare svar på de fire, er organisationen endnu ikke AI-dannet. Det er helt fint. Nu ved du, hvad der skal rettes.
Sådan ved du, om du har det
Fem ærlige test, for enkeltpersoner.
- Kan du skrive en brugbar prompt uden at tænke over det?
- Kan du se, hvornår et AI-værktøj finder på noget?
- Kan du nævne tre ting, du aldrig vil lægge ind i et offentligt AI-værktøj, og hvorfor?
- Kan du nævne én beslutning i dit arbejde, som AI ikke bør træffe?
- Kan du læse en privatlivspolitik og finde AI-klausulerne?
Tre test, for teams.
- Ved alle, hvilke værktøjer der er godkendt?
- Ved alle, hvem de skal spørge, hvis de er i tvivl?
- Har teamet talt om AI sammen inden for de sidste tredive dage?
Tre test, for organisationer.
- Findes der en enkeltsides skriftlig politik, som alle faktisk har læst?
- Har en senior person brugt værktøjerne selv inden for den sidste uge?
- Kan nogen i organisationen svare på "hvad er vores højeste AI-risiko" på under fem minutter?
Hvis de fleste svar er ja, har du praktisk AI-dannelse. Hvis de fleste er nej, er dette memo dit udgangspunkt. Begge svar er fine. Det er ærligheden, der betyder noget.
Sådan opbygger du den (uden at blive programmør)
Tre korte ruter. Ingen af dem kræver kode.
For en enkeltperson
- Brug ét generelt AI-værktøj hver dag i to uger. ChatGPT, Microsoft Copilot eller Google Gemini. Gratisversioner er fine.
- Brug det til rigtigt arbejde, ikke til legetøjsspørgsmål.
- Før en kort liste over, hvornår det hjalp, og hvornår det fejlede. Én linje hver.
- Læs efter to uger én kort guide om at skrive prompts og én kort guide om risici ved AI.
- Skriv efter en måned din egen politik på ét afsnit til dig selv: hvad du vil bruge AI til, hvad du ikke vil, hvad du aldrig vil lægge ind.
For et team
- Én tres-minutters samtale om, hvilke værktøjer teamet allerede bruger, i det åbne, uden fordømmelse.
- Én kort skriftlig politik. Én side. Klart sprog.
- Én person, der svarer på spørgsmål, når kolleger er i tvivl.
- Én opfølgende samtale om tre måneder for at opdatere det, der blev lært.
For en organisation
- Kortlæg. Lav en liste over hvert AI-værktøj i brug, inklusive dem, der er indlejret i software, du allerede betaler for.
- Politik. Én side. Skrevet i et klart sprog. Godkendt af den øverste leder.
- Orientér. En tredive-minutters session for personalet pr. team.
- Udpeg. Udnævn én person som kontakt for spørgsmål om AI-dannelse.
- Gennemgå. Lav kortlægningen igen hver sjette måned, eller før, hvis et større nyt værktøj indføres.
Det er praksissen. Intet af det kræver at være programmør. Alt af det kræver opmærksomhed.
Hvad Foreningen vil gøre
AI Literacy Foundation udgiver guider i et klart sprog, afholder kurser for organisationer, der ikke har råd til en kommerciel udbyder, og gennemgår værktøjer, så små danske og europæiske organisationer kan træffe informerede valg, før de tager dem i brug. Alt, vi laver, er gratis ved adgangspunktet.
Vi arbejder med lærere, læger, sygeplejersker, offentligt ansatte, indehavere af små virksomheder, journalister, advokater, revisorer, HR-chefer, landmænd, forældre, bestyrelsesmedlemmer og lederne af små og mellemstore organisationer i hele Danmark og resten af Europa.
Vi sælger ikke AI-værktøjer. Vi rådgiver ikke om, hvilken leverandør man skal købe. Vi definerer, hvad dannelse betyder, og hjælper folk med at nå dertil.
Hvis du vil have besked, når det næste memo udkommer, eller hvis du vil have et kursus til din organisation, så skriv til os.
Afslutning
"AI-dannelse" er en praktisk evne, ikke et slogan. Det er fem ting, du kan gøre: genkende, når AI er til stede, bruge de almindelige værktøjer kompetent, vurdere hvad de producerer, holde de forkerte ting ude, og holde institutioner ansvarlige for, hvordan de bruger disse systemer på dig og på andre.
Enhver kan opbygge den. De fleste voksne har brug for et par måneders ærlig øvelse. De fleste teams har brug for én samtale og én side med skriftlig politik. De fleste organisationer har brug for en skriftlig kortlægning og en leder, der faktisk har brugt værktøjerne.
Frasen vil blive ved med at blive misbrugt. Leverandører vil blive ved med at sælge certifikater. Politikere vil blive ved med at skrive strategier. Intet af det opbygger dannelse. Det gør øvelse. Det gør ærlig samtale. Det gør et klart sprog.
Det er det, denne forening er til for.
Ali Al Mokdad
Stifter, AI Literacy Foundation
Dette memo er en arbejdsdefinition, ikke et undervisningsforløb. Brug det til at vurdere ethvert udsagn om AI-dannelse, dit eget inklusive. Det er ikke juridisk rådgivning. For forpligtelser under EU's AI-forordning, se Memo 02.