TL;DR I januar 2026 læste Anthropic 9.830 samtaler med Claude igennem og talte, hvor tit brugeren gjorde hver af elleve helt konkrete ting. Den mest almindelige var at rette til og prøve igen: 85,7 procent. Den mindst almindelige var at tjekke de fakta, der betyder noget: 8,7 procent. Sådan ser det ud, når et team har fået en licens og ingen vaner. Her er fem vaner, der kan læres på en uge, og en AI-politik, der fylder én side, så den faktisk bliver læst. Begge dele er det, et kursus i brug af AI bør munde ud i. Skabelonen til politikken kan du hente nederst i afsnittet om den.
Anthropic: The AI Fluency Index (januar 2026) →
Ni ud af ti tjekker ikke det, der betyder noget
Anthropic byggede sin måling på et rammeværk med fire kompetencer, de fire D'er: Delegation (hvad du overlader til AI), Description (hvordan du beskriver målet), Discernment (hvordan du bedømmer svaret) og Diligence (at du står ved det, du sender). Elleve af de konkrete handlinger kan ses direkte i en samtale, og dem talte de i 9.830 samtaler over syv dage.
Tallene fordeler sig skævt. Alt det, der handler om at beskrive opgaven, er udbredt: brugeren retter til (85,7 procent), gør målet klart (51,1 procent) og giver eksempler på, hvordan et godt svar ser ud (41,1 procent). Alt det, der handler om at bedømme svaret, er sjældent: brugeren stiller spørgsmål ved ræsonnementet i 15,8 procent af samtalerne og tjekker fakta i 8,7 procent.
I samtaler, hvor Claude lavede et dokument eller en side, en såkaldt artifact, faldt andelen, der tjekker fakta, til 5,5 procent mod 9,2 procent i samtaler uden. Et pænt dokument bliver læst som et færdigt dokument.
Anthropic måler sine egne brugere, og barrieren i Danmark er den samme: viden og vaner, ikke adgang. I 2026 brugte 55 procent af danske virksomheder med 10 til 49 ansatte mindst én teknologi baseret på kunstig intelligens, og 88 procent af de store. Blandt dem, der stadig overvejer det, svarer 80 procent, at det er manglende viden og erfaring, der holder dem tilbage, og næsten halvdelen mangler overblik over de lovmæssige konsekvenser. Begge dele er Danmarks Statistiks tal.
Adgangen er der. Vanerne mangler. Og vanerne afgør, om et tilbud med et forkert tal når frem til kunden.
Fem vaner, dit team kan lære på en uge
De fire D'er er gode, fordi de passer til enhver model og overlever enhver ny modelversion. Jeg bruger dem som de første fire vaner. Den femte er min egen tilføjelse, og det er den, AI-forordningen spørger efter.
1. Vælg opgaven, før du åbner chatten. Tag et tilbud på fyrre linjer. Strukturen, det første udkast og det pæne sprog kan Claude lave. Prisen, leveringsdatoen og det, du lover kunden, bliver hos dig. Beslutningen om, hvad der går hvorhen, træffes før den første prompt, ellers træffer modellen den for dig.
2. Beskriv målet og modtageren. "Skriv et tilbud" giver et tilbud til ingen. "Kunden er en vognmand med tolv biler, han spurgte om tre ting i mødet, svaret skal fylde én side, og tonen er den samme som i vores sidste mail" giver et udkast, du kan arbejde videre på. Anthropics tal viser, at de fleste allerede gør det her.
3. Tjek det, der koster noget, hvis det er forkert. Læs ikke hele svaret med lup. Find de fire ting, der koster, hvis de er forkerte: tal, navne, løfter og datoer. Dem slår du op i kilden, hver gang. Resten læser du igennem, som du ville læse en kollegas udkast. Det er den vane, 91 procent af samtalerne manglede, og den tager to minutter.
4. Stå ved det, du sender. Den, der sender mailen, ejer mailen. Claude er medforfatter, ikke underskriver. Det går galt på én måde: svaret ser færdigt ud, afsenderen har travlt, og "AI'en skrev det" bliver en forklaring bagefter. Vanen er en regel, dit team siger højt: ingen sender noget, de ikke selv ville kunne forsvare i mødet.
5. Skriv ned, hvad du besluttede. Én linje per opgave, i en delt log: hvad opgaven var, hvad der gik til Claude, hvad du tjekkede. Det tager tredive sekunder. Efter en uge har teamet en liste, der viser, hvor AI faktisk bruges, og hvor en fejl ville have gjort skade. Efter en måned er den samme liste det første, du lægger frem, når en kunde eller en myndighed spørger, hvad du har gjort.
Hvad skal et kursus i brug af AI indeholde?
Et kursus i brug af AI skal træne dømmekraft på teamets egne opgaver, ikke prompt-tricks på opdigtede eksempler. Højst otte deltagere per hold, så eksemplerne på skærmen er deres egne. En opfølgning to uger efter, fordi de rigtige spørgsmål først kommer, når nogen prøver værktøjet på en rigtig kundesag. Og et skriftligt resultat, som teamet selv har skrevet: en beslutningslog og en politik.
Jeg sælger kurser i det her, så læs det næste med det i baghovedet. En kursusdag uden opfølgning er en pæn dag. Vanerne sætter sig først i ugerne efter, når nogen står med en kundemail og ikke er sikker på, hvad der må lægges ind. Er der ingen at spørge, bliver svaret at lade være, og så er licensen tilbage i chatvinduet, hvor den startede. Det er grunden til, at jeg ikke sælger en enkelt dag.
De fire D'er er også det, Anthropic underviser i på sine egne kurser, og det er dem, jeg selv er certificeret i.
Jeg er også ved at gøre metoden til et spil: De fem greb, et spil om AI-færdigheder. Hver spiller får arbejde fra en helt almindelig uge i en lille landsby, Brinvik. Gøres det forkert, ser man konsekvensen. Det tager cirka en time per medarbejder i browseren, og det sælges per plads, når det er klar.
En AI-politik på én side
En AI-politik på tolv sider bliver læst af den, der skrev den. En side, som hele teamet har læst, slår en mappe, ingen åbner. Og på dag ét er der kun én linje, der betyder noget: hvad der aldrig må lægges ind.
Siden har fem felter. Det er det hele:
- Hvad vi bruger AI til. Tre konkrete opgaver, så konkrete som "første udkast til tilbud".
- Hvad der aldrig lægges ind. Personnumre, løn og adgangskoder. Kundedata, indtil der ligger en databehandleraftale. Det er datareglen.
- Hvad vi altid tjekker, før det sendes. Tal, navne, løfter, datoer og henvisninger til lovgivning. Slået op i kilden, ikke efter hukommelsen.
- Hvem der ejer siden og loggen. Et navn og en rolle. Og hvilke værktøjer vi bruger, så "AI" ikke betyder tre forskellige ting.
- Hvornår vi kigger på den igen. Og hvem der er trænet i hvad, med dato. Det felt er det, artikel 4 handler om.
Skabelonen ligger her som en tekstfil, du kan hente og udfylde: AI-politik på én side, dansk skabelon og den engelske udgave. Den udfyldes på tredive minutter, når teamet er samlet, for felt et og to skal skrives af dem, der skal følge dem.
Og så artikel 4. EU's AI-forordning, AI Act, har siden 2. februar 2025 krævet, at virksomheder, der bruger AI, gør noget for at styrke deres medarbejderes AI-færdigheder. Siden Digital Omnibus, forordning (EU) 2026/1744, trådte i kraft i juli 2026, kræver artiklen ikke længere et bestemt niveau hos den enkelte, men pligten til at gøre noget består, og de nationale myndigheder fører tilsyn fra 2. august 2026. Det står hos Kommissionen og hos Digitaliseringsstyrelsen. Loggen fra vane fem og felt fem på siden er det, du kan vise. Ingen af delene er et certifikat, og det behøver de heller ikke være.
Som AI-konsulent kører jeg kurset og skriver politikken med dit team
Som AI-konsulent i København kører jeg et AI kursus for virksomheder, hvor dit team lærer de fem vaner på egne opgaver, og hvor vi skriver siden sammen på kursusdagen, så den er udfyldt, før nogen går hjem. Office hours i uge to og en gennemgang i uge fire er med i prisen, fordi det er der, vanerne sætter sig. Er dit team allerede i gang med Claude, så læs først planen for de første 30 dage; den og kurset passer sammen. Vanerne først, licensen bagefter. Det er den rækkefølge, jeg holder fast i, når implementering af AI skal lykkes.
FAQ
Ofte stillede spørgsmål
På deres egne opgaver, i små hold på højst otte og med en opfølgning to uger efter. Træn de fire kompetencer fra Anthropics rammeværk, og tilføj den femte vane: skriv ned, hvad du besluttede. Et kursus uden opfølgning giver en god dag og ingen vaner.
Start med én side: hvad vi bruger AI til, hvad der aldrig lægges ind, hvad vi altid tjekker, hvem der ejer siden og hvornår vi kigger på den igen. Udfyld den, mens teamet er samlet. Derefter en uge med de fem vaner på rigtige opgaver og en log, der viser, hvad der blev gjort.
At du gør noget for dine medarbejderes AI-færdigheder, tilpasset deres opgaver. Siden Digital Omnibus i juli 2026 kræves der ikke et bestemt niveau hos den enkelte. En dateret log over, hvem der er trænet i hvad, og en nedskrevet politik er tiltag, du kan vise frem. Myndighederne fører tilsyn fra 2. august 2026.
Fem felter: hvad vi bruger AI til, hvad der aldrig lægges ind, hvad vi altid tjekker, hvem der ejer politikken og hvilke værktøjer vi bruger, og hvornår vi kigger på den igen. En side er nok. Datareglen i felt to er den eneste linje, alle skal kunne udenad.
Skriv datareglen først: personnumre, løn, adgangskoder og kundedata uden databehandleraftale lægges aldrig ind. Vælg et værktøj med en databehandleraftale, som Claude Team og Enterprise har, og lad kundedata blive i det. Loggen fra vane fem viser bagefter, hvad der faktisk blev lagt ind.
Hos mig 1.995 til 2.995 DKK per medarbejder med et minimum på fem deltagere, og prisen dækker fire uger med office hours og en gennemgang, ikke én dag. Et åbent endagskursus i København koster typisk 4.995 til 6.400 DKK per person. Priserne står på min side om kurset.
Kilder
Primære kilder:
- Anthropic: The AI Fluency Index, 9.830 samtaler, januar 2026. Anthropics egne tal om Anthropics egne brugere.
- AI Fluency: Framework and foundations, det gratis kursus på Claude Academy med de fire D'er.
- Europa-Kommissionen: spørgsmål og svar om AI-færdigheder, artikel 4 efter Digital Omnibus.
- Digitaliseringsstyrelsen: AI-færdigheder, den danske vejledning til artikel 4.
Tredjepart:
- Danmarks Statistik: Digitalisering, virksomhedernes brug af kunstig intelligens, 2026.
- Danmarks Statistik: Flere virksomheder anvender kunstig intelligens, barriererne hos dem, der overvejer.
