Kort fortalt
- Et konsulentfirma ansatte en AI-projektleder. De fyrede hende tre gange — og genansat hende hver gang.
- Problemet var aldrig modellen. Det var at de behandlede AI som plug-and-play i stedet for en ny medarbejder.
- De tre ting der fik det til at virke: en stillingsbeskrivelse, adgang til de rigtige systemer, og en håndbog.
- Det der gør forskellen: Du onboarder ikke AI ved at tænde den. Du onboarder den ved at lede den — præcis som enhver anden ny kollega.
Ville du ansætte en projektleder uden at fortælle dem hvad firmaet laver?
Forestil dig at du ansætter en ny projektleder. Du giver hende adgang til intet. Ingen stillingsbeskrivelse. Ingen introduktion til teamet. Ingen adgang til jeres systemer. Og så siger du: “Find selv ud af det.”
Det ville ingen gøre. Men det er præcis sådan de fleste introducerer AI i deres organisation.
Det amerikanske medie- og konsulentfirma Every gjorde det samme — og det tog dem 50 timer og tre fejlslagne forsøg at indse det. Deres erfaring er en af de mest ærlige beskrivelser af hvad det faktisk kræver at få AI til at fungere som en del af et team. Ikke teorien. Virkeligheden.
Claudie: AI-projektlederen der blev fyret tre gange
Every er et lille team — fire mennesker og en voksende stab af AI-agenter. Deres første AI-medarbejder hedder Claudie. Hendes job: holde styr på hvor alle kundeprojekter står, så teamet ikke bruger timer på at lede efter information spredt udover email, Google Docs, kalender og mødereferater.
Det lyder simpelt. Det var det ikke.
Første forsøg: De bad Claudie om at “finde hvad der skulle opdateres og gøre det.” En erfaren projektleder ville have klaret det. Claudie fejlede spektakulært.
Problemet var ikke at AI’en var dum. Det var at hun fik for meget information på én gang — ligesom at give en ny medarbejder adgang til alle mapper på serveren og sige “du finder nok ud af det.”
Tre ting der fik det til at virke
1. En stillingsbeskrivelse — ikke bare “hjælp med projekterne”
Claudie fik det til at fungere da teamet stoppede med at sige “hold styr på alt” og i stedet definerede præcist: hvilke data, fra hvilke kilder, opdateret hvordan, og hvornår.
Det er det samme princip du bruger ved enhver ansættelse: Jo vagere jobbet er defineret, jo dårligere performer medarbejderen. AI er ikke anderledes.
2. Adgang til de rigtige systemer — og den rigtige struktur
Claudies gennembrudsmoment kom da teamet ændrede måden hun fik information på. I stedet for at hendes underagenter rapporterede resuméer tilbage, dumpede de rå data i lokale filer, som Claudie derefter kunne læse direkte.
Forskellen? Hun arbejdede fra kilden — ikke fra andres fortolkning af kilden.
Det er et princip enhver leder kender: Hvis din medarbejder kun får andenhåndsinformation, træffer hun andenhåndsbeslutninger.
3. En håndbog — der faktisk bliver læst
Every skrev en håndbog til Claudie. Ikke et teknisk dokument, men det samme du ville give en ny projektleder: succeskriterier, teamstruktur, eskaleringsregler, og kontekst om hvordan firmaet arbejder.
Det overraskende: Når Claudie sprang håndbogen over (og det forsøgte hun ofte), faldt kvaliteten markant. Ligesom den nye medarbejder der tror hun ikke behøver introduktionsprogrammet.
Hvad det betyder for dig
Du behøver ikke bygge en AI-agent for at bruge de samme principper. Uanset om du bruger ChatGPT, Copilot eller et andet AI-værktøj, gælder den samme logik:
Definer opgaven konkret. Ikke “hjælp mig med rapporten” men “opsummer disse tre mødereferater i en tabel med kolonner for beslutning, ansvarlig og deadline.”
Giv den konteksten. Fortæl den hvem du skriver til, hvad formålet er, og hvilken tone der passer. Jo mere kontekst, jo bedre resultat.
Giv den et eksempel. Vis den et output du er tilfreds med. Det svarer til at sige til en ny kollega: “Her er hvordan vi plejer at gøre det.”
Og vigtigst: Forvent ikke at det virker første gang. Every brugte 50 timer. Det er en investering — ikke et tegn på at AI ikke virker.
Forfremmelsen
Every stoppede ikke ved projektledelse. Da Claudie viste stabil performance, udvidede de hendes ansvar — præcis som du ville gøre med enhver medarbejder der leverer.
Nu er hun på vej til at blive “chief of staff”: triagere emails, opdatere opgavelister, kommunikere status i Slack.
Kriterierne for forfremmelsen? De samme som for et menneske: stabil performance, klare nye ansvarsområder, og de rette værktøjer til at lykkes.
Vil du videre herfra?
Pointen er ikke at du skal ansætte en AI-agent i morgen. Pointen er at AI allerede fungerer som en kollega for de teams der behandler den sådan — med klare opgaver, den rigtige kontekst, og tålmodighed til at justere undervejs.
Vil du lære at arbejde med AI som et reelt værktøj i din hverdag? På vores AI Grundkursus arbejder vi med præcis de principper denne artikel beskriver — konkrete opgaver, kontekst, og struktur. Se næste hold her.
Torben Madsen er konsulent i Kvalitor og arbejder dagligt med AI-agenter i sine egne leverancer. Rune og Torben hjælper danske virksomheder med at komme fra “vi bør nok bruge AI” til faktisk at gøre det — uden buzzwords og med begge ben på jorden.
Kilde: Nityesh Agarwal, “What I Learned Onboarding Our AI Project Manager”, Every.to, marts 2026.