Mini MBA i Artificial Intelligence

Uddannelsens modul 1:

Introduktion til AI: Landskabet, sproget, spillerne, fremtiden

Dette modul er designet til at give dig en solid forståelse af, hvad kunstig intelligens er, hvordan det fungerer, og hvordan det påvirker vores verden.

AI er ikke længere kun et spørgsmål om værktøjer, effektivisering og nye digitale muligheder. Det er en teknologisk forskydning, der påvirker strategi, konkurrencekraft, organisering, kompetencer og menneskets rolle i arbejdet.

På første modul zoomer vi ud og etablerer det strategiske og teknologiske grundlag for resten af uddannelsen. Du får overblik over de centrale begreber, de vigtigste teknologier, de store spillere og de udviklingslinjer, der har ført os frem til den AI-bølge, virksomheder og organisationer står midt i nu.

Samtidig arbejder vi med de større perspektiver: Hvordan ændrer AI arbejdslivet? Hvilke opgaver og jobfunktioner bliver gentænkt? Hvilke nye kompetencer kræver samspillet mellem menneske og maskine? Og hvilke muligheder, dilemmaer og risici tegner fremtidens AI-landskab – fra generativ AI og sprogmodeller til AGI og de mest vidtgående scenarier for menneskeheden?

På AI-uddannelsens første modul arbejder vi blandt andet med:

• AI’s grundlæggende begreber, teknologier, spillere og anvendelsesmuligheder
• Forskellen på klassisk AI, machine learning, deep learning, generativ AI og sprogmodeller
• AI’s udvikling: fra tidlige teknologiske gennembrud til den AI-bølge, vi står midt i nu
• AI som værktøj til analyse, automatisering, beslutningsstøtte, innovation og effektivisering
• Fremtidens AI-landskab: Hvilke teknologier, muligheder og dilemmaer tegner den næste fase af kunstig intelligens?
• AGI og de eksistentielle risici: Hvad betyder det, hvis (når) AI engang overgår menneskelig intelligens?
• Hvordan ændrer AI selve arbejdslivet? Hvilke jobfunktioner, opgaver og arbejdsprocesser bliver gentænkt, automatiseret eller omfordelt?
• Hvilke kompetencer kræver det nye samarbejde mellem menneske og AI?

Underviser: Professor Anders Kofod-Petersen (læs mere nedenfor).

Uddannelsens modul 2:

Fra AI-hype til værdiskabende business case

Vi skærer gennem støjen og går fra mavefornemmelse til solidt beslutningsgrundlag. På dette modul arbejder vi med at identificere, vurdere og prioritere AI-initiativer ud fra deres reelle forretningsmæssige potentiale. Du lærer at vurdere værdi, risiko og prioritet i AI-initiativer, uanset om gevinsten måles i kroner, borgertid, kvalitet, produktivitet eller medarbejdertilfredshed.

Vi arbejder med konkrete modeller til at opbygge business cases, estimere gevinster og afdække de skjulte omkostninger, som ofte overses i de tidlige faser. Samtidig dykker vi ned i en bred vifte af cases fra både private virksomheder og offentlige organisationer: Hvor er det lykkedes? Hvor er det gået galt? Og hvad kan vi lære af begge dele?

Undervejs ser vi også på, hvordan man identificerer de lavthængende frugter, undgår dyre prestigeprojekter og skaber et beslutningsgrundlag, der kan overbevise både ledelse, økonomifunktion og andre interessenter. Og vi slutter dagen af med selv at udvikle en række business cases.

Du forlader modulet med konkrete værktøjer til at stille de rigtige spørgsmål, regne på det rigtige og prioritere mellem initiativer. Hvad koster det at gøre ingenting? Hvad koster det at gå for hurtigt? Og hvordan finder du de AI-initiativer, der skaber størst værdi med mindst mulig risiko?

På AI-uddannelsens andet modul arbejder vi blandt andet med:

• Fra spredte AI-ønsker til en struktureret pipeline: Sådan identificerer og indsamler du use cases på tværs af organisationen
• Et konkret scoringsframework, der vurderer hver idé på to akser: Forretningsværdi og gennemførlighed (feasibility)
• Hårde og bløde gevinster: Kroner og cost avoidance over for kvalitet, produktivitet, borgertid samt kunde- og medarbejdertilfredshed
• Feasibility i praksis: Teknisk kompleksitet, datafølsomhed, governance og det menneskelige ejerskab (sponsor og use case owner)
• Time to impact og prioriteringsmatrice: Hvor finder du de lavthængende frugter, og hvordan undgår du dyre prestigeprojekter
• De skjulte omkostninger, der overses i de tidlige faser: Udvikling, vedligehold, ressourcetræk og afhængigheder
• Sådan kobler du use cases til strategien, så de rigtige initiativer prioriteres – og ikke bare dem der råber højest
• Et beslutningsgrundlag, der overbeviser ledelse, økonomifunktion og interessenter, plus hands-on udvikling af egne business cases.

Underviser: Olivia Lindersen (læs mere nedenfor).

Uddannelsens modul 3:

Data er råmaterialet: Den skjulte forudsætning for AI

På dette modul lærer du dét, som de fleste AI-projekter opdager for sent: At teknologien sjældent er problemet. Datagrundlaget er!

Data er forudsætningen for alle AI-projekter, men de færreste organisationer kan svare på spørgsmålene: Hvilke data har vi egentlig? Hvilke data kan skabe størst forretningsværdi med AI? Hvor er de største huller i vores datagrundlag? Er vores data klar til AI – eller skal de først ryddes op (og kan AI hjælpe med det?)? Hvordan gør vi data til en strategisk ressource frem for et biprodukt? Hvilke beslutninger træffer vi i dag uden at udnytte de data, vi allerede har?

De største dataproblemer er sjældent tekniske, men organisatoriske.

Du lærer at stille de spørgsmål, der afslører om dit AI-projekt har et reelt datafundament eller blot bygger på sand. Du lærer at identificere, hvilke typer data en given AI use case kræver og forstå hvorfor forskellige AI-systemer har fundamentalt forskellige datakrav. Du lærer at vurdere, om din organisations data er klar til en specifik use case, og identificere de vigtigste huller. Du lærer at skelne mellem data til at drive et AI-projekt og data til at måle, om det virker, og koble begge til dine egne use cases. Og endelig lærer du at genkende de mest typiske datafaldgruber i AI-projekter og stille de rigtige spørgsmål i din egen organisation.

På AI-uddannelsens tredje modul arbejder vi blandt andet med:

• Datatyper: struktureret, ustruktureret, semi-struktureret, med eksempler folk kender
• Hvad forskellige AI-systemer kræver: tekst, billeder, tal, lyd og kombinationer
• Eksempler på datakrav bag konkrete use cases
• Skelnen mellem datakvalitet og dataparathed
• Framework til at vurdere dataparathed bag en konkret use case
• De typiske faldgruber: Siloer, skygge-IT, manglende ejerskab, bias, compliance, og hvorfor de er svære at se
• Tekniske metrics vs. forretningsmæssige metrics
• Baseline: Du kan ikke måle forandring uden et startpunkt
• Data drift: AI holder op med at virke over tid, og ingen opdager det uden løbende måling.

Underviser: Natasha Norsker (læs mere nedenfor).

Uddannelsens modul 4:

Navigering i AI-universet: Værktøjer, platforme og anvendelser

AI-landskabet udvikler sig med en hastighed, som gør det næsten umuligt at følge med. Nye værktøjer lanceres hver uge, men hvilke er værd at kende? Hvilke skaber reel værdi? Og hvordan vælger du de rigtige værktøjer til netop din organisation?

På dette modul får du et struktureret overblik over nogle af markedets mest relevante AI-værktøjer. Gennem dagen demonstrerer vi en lang række værktøjer og viser konkrete anvendelser, arbejdsprocesser, prompts og resultater. Du får dermed ikke blot indsigt i, hvad værktøjerne kan, men også hvilke opgaver de egner sig til, hvilke begrænsninger de har, og hvordan de kan indgå i organisationens AI-arbejde.

Sidst på formiddagen og igen sidst på eftermiddagen vælger du selv et af de præsenterede værktøjer og arbejder hands-on med det i mindre grupper med støtte fra underviser og assistent. På den måde får du både et bredt overblik over AI-værktøjslandskabet og praktisk erfaring med de løsninger, der er mest relevante for din egen rolle og organisation. Og du går hjem med en velovervejet og opdateret AI-værktøjskasse.

På AI-uddannelsens fjerde modul arbejder vi blandt andet med:

• AI-værktøjer til kontor- og vidensarbejde
• AI-værktøjer til strategi, innovation og forretningsudvikling
• AI-værktøjer til ledelse og beslutningsstøtte
• AI-værktøjer til marketing og kommunikation
• AI-værktøjer til HR og kompetenceudvikling
• AI-værktøjer til IT, udvikling og automatisering.

Underviser: Martin Bern Madsen (læs mere nedenfor).

Vi træder ind i det næste store skridt i AI-udviklingen: AI-agenter!

Hvad er en AI-agent egentlig, og hvordan adskiller den sig fra en chatbot eller et almindeligt AI-værktøj? Vi ser på, hvordan agenter planlægger, handler og bruger værktøjer på egen hånd — og hvad det betyder, når AI går fra at svare på spørgsmål til at udføre opgaver. Du får indblik i, hvor agenter allerede skaber værdi, hvor de stadig er umodne, og hvilke kontroller, der skal være på plads, før du sætter dem i drift.

Vi ser også på de platforme og værktøjer, der gør det muligt at bygge AI-agenter uden nødvendigvis at være udvikler. Du får indblik i, hvordan organisationer eksperimenterer med personlige AI-assistenter og specialiserede agenter til fx kundeservice, analyse, projektledelse og administrative processer.

Samtidig undersøger vi, hvordan AI-agenter kan ændre måden, vi organiserer arbejde på. For mange organisationer bliver spørgsmålet ikke kun, om de skal bruge AI-agenter, men hvor, hvordan og under hvilke rammer.

Uddannelsens modul 6 (e-learning):

Ansvarlig AI: Etik og digital suverænitet

Dette e-modul indfører dig i AI Act, GDPR, bias, transparens, ophavsret, privatliv, fortrolighed, fake news, digital suverænitet og miljøomtanke. Ansvarlig AI er ikke blot en tjekboks, men en strategisk kompetence, der bygges ind fra starten og øger din konkurrencekraft.

Du får overblik over etikken og reguleringen omkring AI, og hvordan du kan vurdere risici og krav i forhold til dine egne AI-initiativer – samt hvilke værktøjer der hjælper dig bedst. Efter modulet har du et beslutningsgrundlag, så du både kan handle ansvarligt og digitalt suverænt — og en forståelse af, hvorfor tillid bliver en afgørende valuta de næste mange år.

Underviser: Pernille Tranberg (læs mere nedenfor).

Uddannelsens modul 7:

AI-strategi og adoption: Fra ambition til forankring

På AI-uddannelsens afsluttende modul samler vi trådene og omsætter indsigt til retning. Nu handler det ikke længere om, hvad AI er, eller hvad teknologien kan – men om hvordan du skaber en realistisk AI-strategi og omsætter den til konkrete resultater i organisationen.

Vi arbejder med de strategiske valg, som nøglepersoner står overfor: Hvor skal AI skabe værdi? Hvilke initiativer skal prioriteres? Hvordan balancerer man innovation, governance, kompetenceudvikling og risikostyring? Og hvordan skaber man et AI-roadmap, der både er ambitiøs og gennemførbart?

Men selv den bedste strategi er værdiløs, hvis organisationen ikke tager den til sig. Derfor ser vi også på den menneskelige side af AI-transformationen. Hvordan skaber du opbakning, håndterer modstand og bygger den kultur og psykologiske tryghed, der gør, at medarbejderne tør eksperimentere og lære? Vi arbejder med AI-adoption, forandringsledelse, nye roller og kompetencer samt de praktiske greb, der flytter AI fra enkeltstående pilotprojekter til varig forankring og målbar forretningsværdi.

På AI-uddannelsens syvende modul arbejder vi blandt andet med:

• En realistisk AI-strategi med klare mål og prioriteringer
• Identifikation af de AI-initiativer, der skaber størst værdi for organisationen
• AI-adoption: Governance, ansvar, risikostyring og klare beslutningsstrukturer
• Kompetenceudvikling, nye roller og organisatorisk opkvalificering.

Underviser: Sofie Henriksen (læs mere nedenfor).