AI-rådgivning er rådgivning, der hjælper en organisation med at afgøre, hvor kunstig intelligens kan betale sig, og derefter planlægger de data, modeller, den governance og den udrulning, der skal til. Et godt forløb ender med rangerede use cases, en build-or-buy-beslutning for hver af dem, en afprøvet pilot og en plan for at drive løsningen under regler som EU's AI-forordning.
Vigtigste pointer
- AI-rådgivere afgør, hvad der skal bygges, og hvorfor. AI-ingeniører bygger det derefter. Mange virksomheder tilbyder begge dele, men det er forskellige jobs.
- Et typisk forløb gennemløber fem faser: afdækning, datamodenhed, design, pilot og produktion med overvågning.
- De fleste AI-projekter går i stå på datakvalitet, ejerskab og adoption, ikke på selve modellen.
- Governance er nu en del af arbejdet. AI-forordningens forbud og pligten til AI-kompetence har gældt siden 2. februar 2025.
- Eurostat rapporterer, at 20 % af virksomhederne i EU brugte AI i 2025, så mange virksomheder står stadig ved den første use case.
Hvad laver en AI-rådgiver egentlig?
En AI-rådgiver forbinder forretningsproblemer med de AI-teknikker, der passer til dem, og stopper projekter, som ikke vil tjene sig hjem. Det daglige arbejde dækker som regel seks områder.
- Afdækning af use cases: interview med teams, kortlægning af processer og rangering af ideer efter værdi, gennemførlighed og risiko.
- Datamodenhed: kontrol af, om dataene findes, hvem der ejer dem, hvor rene de er, og om du må bruge dem efter GDPR.
- Build, buy eller configure: valg mellem et standardprodukt, en konfigureret platform som Amazon Bedrock eller Azure OpenAI og en skræddersyet model.
- Valg af model og arkitektur: generativ AI med retrieval (RAG), klassisk machine learning, computer vision eller almindelig automatisering.
- Driftsmodel: hvordan modeller udrulles, overvåges og gentrænes, ofte kaldet MLOps.
- Governance: risikoklassificering, dokumentation, menneskeligt tilsyn og medarbejderuddannelse.
Vil du se nærmere på selve rollen, kan du læse hvad en AI-rådgiver laver.
Hvordan forløber et AI-forløb?
De fleste forløb følger de samme fem faser. Navnene varierer fra virksomhed til virksomhed, men resultaterne bør ikke gøre det.
| Fase | Hvad der sker | Hvad du bør få |
|---|---|---|
| 1. Afdækning | Workshops med forretning og IT, gennemgang af processer og smertepunkter | Lang liste af use cases med skøn over værdi og indsats |
| 2. Datamodenhed | Audit af datakilder, kvalitet, adgangsrettigheder og retligt grundlag | Datahuller, løsninger og ansvarlige for de vigtigste use cases |
| 3. Løsningsdesign | Build-or-buy-beslutning, valg af model og platform, sikkerhedsgennemgang | Arkitektur, omkostningsskøn og risikoklassificering |
| 4. Pilot | Et begrænset byg, testet med rigtige brugere og rigtige data | Målte resultater i forhold til en aftalt baseline |
| 5. Produktion og overvågning | Udrulning, overvågning af drift og fejl, brugeruddannelse | En kørende tjeneste med ejer, runbook og gennemgangscyklus |
Det trin, der oftest springes over, er baselinen. Hvis du ikke måler dagens behandlingstid, fejlrate eller omkostning før piloten, kan du ikke bevise, at AI forbedrede noget.
Hvorfor går AI-projekter i stå?
Piloter, der aldrig når produktion, er almindelige, og årsagerne er sjældent tekniske. Hold øje med disse fire.
- Ingen ejer i forretningen. Hvis ingen uden for IT er ansvarlig for resultatet, slutter piloten, når budgettet er brugt.
- Data, der så fine ud i en demo. Rigtige data har huller, dubletter og adgangsbegrænsninger, som en kurateret stikprøve skjuler.
- Uklart succeskriterium. "Brug generativ AI" er ikke et mål, men "skær svartiden på første svar i supporttickets ned med et fastsat beløb" er.
- Governance tilføjet sent. Jura, sikkerhed og samarbejdsudvalg stiller berettigede spørgsmål. Hvis de besvares til sidst, giver det forsinkelser.
Hvilke regler gælder for AI-projekter i Europa?
EU's AI-forordning er i kraft og gælder i etaper. Ifølge Europa-Kommissionens side om AI-forordningen har forbudte praksisser og forpligtelsen til AI-kompetence gældt siden 2. februar 2025, og forpligtelserne for AI-modeller til generelle formål siden 2. august 2025. Efter AI Omnibus-ændringen gælder reglerne for højrisikosystemer opført i bilag III fra 2. december 2027, og reglerne for AI indbygget i regulerede produkter fra 2. august 2028.
I praksis bør en rådgiver hjælpe dig med at sortere hver use case i en risikoklasse, dokumentere beslutningen og indføre menneskeligt tilsyn, hvor det er nødvendigt. Uden for EU bruger mange organisationer den frivillige NIST AI Risk Management Framework, udgivet i januar 2023, som organiserer arbejdet i fire funktioner: Govern, Map, Measure og Manage. OECD's AI-principper er en anden almindelig reference for politik. Vores guide til AI-forordningen gennemgår forpligtelserne mere detaljeret.
Har du brug for en AI-rådgiver?
Ikke altid. Det har du sandsynligvis ikke, hvis du blot slår en AI-funktion til i software, du allerede bruger, for eksempel en assistent i din kontorpakke, og din databeskyttelsesrådgiver er tryg ved det.
Ekstern hjælp er umagen værd, når:
- du har flere konkurrerende AI-ideer og ingen måde at rangere dem på;
- use casen berører kundedata, medarbejdere eller regulerede afgørelser;
- du skal koble AI til interne systemer som ERP, CRM eller et dokumentarkiv;
- dit team ikke tidligere har bragt en model i produktion.
Adoptionen er stadig tidlig for de fleste virksomheder. Eurostats Digitalisation in Europe 2026 viser, at 20 % af virksomhederne i EU brugte AI i 2025, så kun få organisationer har intern erfaring at støtte sig til.
Sådan vælger du et AI-rådgivningsfirma
- Bed om referencer fra produktion, ikke demoer. Hvem kører systemet i dag, og hvor længe?
- Tjek, at de vil sige nej. En partner, der anbefaler AI til enhver idé, sælger og rådgiver ikke.
- Se efter kompetencer inden for data- og cloudengineering. Det meste af arbejdet er integration, sikkerhed og drift.
- Aftal overdragelsen. Dit team skal kunne drive, gentræne og auditere løsningen uden rådgiveren.
- Afklar model- og leverandørneutralitet. Spørg, hvilke partnerskaber virksomheden har, og hvordan de påvirker rådgivningen.
Sådan hjælper Opsio
Opsios AI-rådgivning dækker det rådgivende lag, der er beskrevet ovenfor: vurdering af AI-parathed, prioritering af use cases, valg af model og platform, MLOps-køreplaner og governance i overensstemmelse med AI-forordningen. Når du er klar til at bygge, implementerer vores team for data- og AI-engineering løsningen på AWS, Azure eller Google Cloud og kan drive den som en managed service. Vi arbejder fra Karlstad i Sverige og Bangalore i Indien.
Ofte stillede spørgsmål
Hvad er forskellen på AI-rådgivning og AI-udvikling?
Rådgivningen afgør, hvad der skal bygges, hvorfor og under hvilke regler. Udviklingen bygger, tester og udruller systemet. Mange projekter bruger samme virksomhed til begge dele, men afdækningen og designfasen skal kunne konkludere, at et projekt ikke er værd at bygge.
Hvad koster en AI-rådgiver?
Det afhænger af omfanget. Korte parathedsvurderinger sælges ofte til fast pris, mens afdækning og piloter som regel faktureres efter tid og materialer. Bed om prisen pr. fase og et skøn over driftsomkostningerne, da forbrug af modeller og cloudomkostninger fortsætter, efter projektet er slut.
Hvor lang tid tager et AI-forløb?
En fokuseret vurdering kan tage et par uger. At bringe én use case fra afdækning til produktion tager som regel måneder, og det meste af tiden går med dataadgang, integration og godkendelser frem for modelarbejde.
Er AI-strategirådgivning kun for store virksomheder?
Nej. Mindre virksomheder har ofte mere gavn af den, fordi en kort vurdering forhindrer dem i at bruge penge på den forkerte use case. Forløbet er blot mindre: én eller to use cases i stedet for en portefølje.
Gælder AI-forordningen for virksomheder uden for EU?
Ja, hvis de bringer AI-systemer i omsætning på EU-markedet, eller hvis outputtet fra deres AI-systemer bruges i EU. Indiske og amerikanske udbydere, der betjener EU-kunder, bør planlægge for den på samme måde som EU-virksomheder.
Skrevet af

Country Manager, Indien
Praveena leder Opsios drift i Indien og bidrager med over 17 års tværfaglig erfaring inden for AI, produktion, DevOps og managed services.
Redaktionelle retningslinjer: Artiklen er skrevet af den cloud-ekspert, der er angivet i bylinen ovenfor. Vi opdaterer den, når den teknologi eller regulering, den handler om, ændrer sig; datoerne på siden viser den seneste opdatering. Opsio er redaktionelt uafhængig.