AI i HR: fem principper til din strategiske playbook

På AI in HR 2026 delte Anita Lettink, Future of Work-ekspert og Managing Partner hos HRTechRadar.com, en praktisk AI-strategi i HR, der kan lukke det hul. Her er de vigtigste pointer til dig som HR-leder.

Teknologien er den nemme del

HR har bevæget sig fra prædiktiv analyse til generativ AI og nu mod agentisk AI, hvor AI-agenter kan håndtere henvendelser, opdatere data og analysere information, mens mennesker sætter rammerne.

Ambitionerne er høje. Ifølge Gartner planlægger 82 % af HR-ledere at implementere agentisk AI inden for de næste 12 måneder, mens kun 31 % af CHRO'er føler sig klar til at bygge AI ind i HR's arbejdsgange.

Gartner slår det fast: vellykket AI-transformation afhænger 30 % af teknologien og 70 % af, hvor godt organisationer redesigner HR-processer, arbejdsgange og roller.

Fem principper til din AI-playbook

1. Eksperimenter med formål, og skaler derefter

Giv ethvert pilotprojekt en navngiven ansvarlig og en beslutningsdato, inden det går i gang. På den dato er beslutningen enkel: skaler, juster eller stop. Vurder det med samme grundighed som en budgetpost. Definer også på forhånd, hvad skalering betyder: hvilken afdeling, funktion eller medarbejdergruppe projektet skal udvides til.

Hold øje med: pilotprojekter, der stille og roligt bliver permanente, fordi ingen tager beslutningen om at afslutte dem.

2. Start forandringsledelse fra dag ét

Beslut, hvem der ejer implementeringen, inden du beslutter, hvem der ejer værktøjet, og hold de to roller adskilt. Del kommunikationsplanen, inden værktøjet går live: hvad det er, hvorfor nu, og hvad der konkret ændrer sig i hverdagen. Giv medarbejdere, der er i tvivl, klar vejledning og en person, de kan rejse bekymringer over for.

Hold øje med: lanceringsundersøgelser, der spørger "er du begejstret?" frem for "stoler du på dette?"

3. Byg på data og tillid

Tillid til AI i HR starter med rene data. Fragmenterede data fører til AI, der er selvsikkert forkert. Vær tydelig om, hvad der indsamles, hvorfor og hvem der har adgang. Medarbejdere og samarbejdsudvalg skal kunne se, hvorfor et svar er netop det svar. Byg derfor synlig ræsonnering, revisionsspor og databeskyttelse ind i flowet fra starten.

Hold øje med: data indsamlet til ét formål, som medarbejder-engagement, der genbruges til et andet, som Performance Management, uden at nogen har taget samtalen.

4. Match værktøjet til opgaven

Inden du griber til AI, så spørg, hvad opgaven faktisk kræver. Har den brug for vurderingsevne eller mønstergenkendelse, eller ville en proces- eller workflowløsning klare det? AI er stærkt til at route HR-henvendelser til det rette team. En fraværsanmodning, der sendes til en leder til godkendelse, fungerer fint som et workflow.

Når AI er det rette valg, så redesign processen med udgangspunkt i det ønskede resultat frem for at spørge, hvilke trin AI kan erstatte. Mål succes på, om løsningen faktisk bruges: en løsning, folk finder omveje udenom, er ikke en gevinst.

Hold øje med: AI, der bliver standardsvaret, fordi det er det mest spændende i rummet.

5. Etabler AI-governance løbende

Sæt lette rammer frem for en stor komité. Hold en kort liste over, hvem der godkender nye AI-use cases, og hvor lang tid det tager, samt en enkel måde at flage et værktøj, der opfører sig mærkeligt, for eksempel underlige svar, en medarbejderklage eller en stigning i fejl. Tjek derefter hvert kvartal op på IP, databeskyttelse og omkostninger.

Hold øje med: AI-governance, der kun eksisterer på papir, indtil det første problem opstår.

To beslutninger, der kræver bevidst valg

Frontier- eller lokale modeller? Frontier-modeller tilbyder den bredeste kapabilitet og er hurtigst at pilotere og nemmest at skalere. De egner sig til opgaver, hvor data ikke er følsomme, og volumen forbliver håndterbar. Lokale eller open source-modeller er nogle måneder bagud, men du ejer opsætningen selv. De er det rette valg til følsomme data, høj-volumen-opgaver eller noget, du ikke ville lade forlade organisationen. Beslut per opgave, ikke én gang for hele organisationen.

Hvem gør hvad? Agentisk AI kan klassificere og route henvendelser, udfylde formularer, finde mønstre i store datamængder og vejlede ledere i, hvordan de forbedrer resultater. HR-professionelle ejer edge cases, risici, undtagelser og AI-overvågning, samt alt, der kræver emotionel intelligens, som klager, sygdom, sorg og konflikter. Som Anita formulerede det: målet er ikke et HR uden mennesker.

Din næste mandag

• Kør IP-, databeskyttelses- og omkostningstesten på hvert leverandørtilbud, du evaluerer dette kvartal, inden du skriver under på noget.

• Sortér dine vigtigste udfordringer i to bunker: "et workflow løser allerede dette" og "dette kræver reelt AI". Finansier den anden bunke først.

• Vælg én smal, høj-volumen og lav-emotion-proces. Sæt et baseline, og pilotér AI der, inden du går videre.

• Beslut frontier eller lokal model per use case, skriftligt, så valget ikke træffes pr. automatik ved kontraktfornyelse.

• Udpeg én person med ansvar for forandringsledelse fra dag ét.

Et afsluttende spørgsmål

Anita efterlod deltagerne med et spørgsmål, det er værd at stille om ethvert AI-projekt: redesigner du teknologi, eller redesigner du arbejdet?

Se hele sessionen

Nåede du det ikke? Se Anitas session her.