En AI-workshop hvor deltagerne arbejder med deres egne opgaver
Forestil dig et team, der sidder rundt om et bord med de opgaver, de faktisk har i hverdagen. Der er måske en, der altid skal skrive beslutningsoplæg. En anden skal samle mødenoter, så de bliver til næste skridt. En tredje skal forklare fagstof i et sprog, almindelige mennesker kan forstå. Og alle har hørt, at AI kan hjælpe, men ingen har lyst til bare at smide arbejdet ind i et værktøj og håbe på det bedste. Det er et godt sted at starte en AI-workshop. Vi lægger de tyve smarte prompts til side et øjeblik og kigger på opgaven foran os. Hvad skal der laves? Hvem skal bruge det? Hvad må AI se? Hvad skal et menneske tjekke? Og hvornår skal man stoppe, fordi opgaven kræver mere ansvar, end værktøjet kan bære? En praktisk AI-workshop skal give deltagerne noget, de kan bruge bagefter. En arbejdsgang. Et sprog for kvalitet. Nogle tydelige stopregler. Og en roligere fornemmelse af, hvornår AI faktisk hjælper i deres egen organisation.
Praktisk AI-workshop med egne opgaver
Typisk halvdag eller heldag
Fokus på kvalitetstjek, datagrænser og ansvar
Kan kombineres med foredrag, lederdialog eller personaledag
Vi starter med opgaven, før vi starter med værktøjet
Det mest nyttige spørgsmål i en AI-workshop er tit meget enkelt: Hvad er det egentlig, I prøver at få gjort? Før værktøjet kommer på banen, ligger der en opgave. Et notat. Et referat. Et udkast. En analyse. En plan. En forklaring til en borger, kunde, elev eller kollega.
Når opgaven ligger tydeligt på bordet, bliver AI meget nemmere at tale om. Så kan deltagerne se, hvor den kan hjælpe med struktur, overblik, spørgsmål, alternative formuleringer eller første udkast. De kan også se, hvor den begynder at blive farlig. Hvis der mangler kontekst, hvis data er følsomme, eller hvis svaret kan påvirke mennesker på en måde, der kræver faglig vurdering.
Derfor er workshoppen bygget som et arbejdsbord. Deltagerne prøver AI på opgavetyper fra deres hverdag og vurderer bagefter, hvad der faktisk blev bedre. Det er dér læringen sætter sig. Man husker ikke en promptliste særligt længe. Man husker den opgave, hvor AI lød overbevisende, men manglede en vigtig detalje.
Deltagerne prøver, stopper op og vurderer sammen
En god workshop har en rytme. Først samler vi rummet om en kort ramme. Hvad kan AI hjælpe med? Hvilke oplysninger holder vi ude? Hvordan ser godt arbejde ud hos jer? Derefter går deltagerne hurtigt i gang med konkrete øvelser.
En deltager kan for eksempel tage en opgavetype som "lav et kort beslutningsoplæg efter et møde". Først beskriver hun selv, hvad et godt oplæg skal kunne: hvem der skal læse det, hvilke beslutninger der mangler, hvilke forbehold der skal med, og hvad der ville være et dårligt svar. Først derefter bruger hun AI.
Til sidst kommer den vigtigste del. Hun kigger på outputtet sammen med en kollega. Hvad er brugbart? Hvad er bare pænt formuleret? Hvad mangler kilde, faglighed eller lokal viden? Hvad må aldrig sendes videre uden review? Det er her, prompten bliver en lille del af noget større. Deltagerne lærer at se på AI-output med deres egen faglighed tændt.
Egne opgaver gør AI mindre abstrakt
Mange har prøvet en AI-demo, hvor værktøjet skriver en kampagnetekst om kaffe eller laver en plan for en fiktiv virksomhed. Det kan være sjovt i fem minutter. Det gør bare ikke nødvendigvis en medarbejder klogere på sit eget arbejde.
I en AI-workshop med egne opgaver bliver spørgsmålene mere ærlige. Må jeg bruge den her type tekst? Hvad gør jeg, hvis dokumentet indeholder personoplysninger? Hvordan får jeg AI til at stille bedre spørgsmål i stedet for bare at skrive et svar? Hvem skal godkende det, før det bliver brugt?
Deltagerne behøver ikke medbringe følsomme dokumenter. Faktisk er det ofte bedre, at de medbringer opgavetyper. "Vi skriver mange statusnotater." "Vi samler møder til næste skridt." "Vi omskriver fagtekst til et klart sprog." "Vi laver beslutningsoplæg." Så kan vi arbejde tæt på hverdagen uden at bruge materiale, der ikke hører hjemme i et åbent øvelsesrum.
Kvalitetstjek er ikke noget, man gemmer til sidst
Det svære ved AI er, at et svar kan se færdigt ud, før arbejdet er færdigt. Sproget kan være roligt. Strukturen kan være pæn. Der kan være overskrifter, punktopstillinger og en meget sikker tone. Derfor skal deltagerne lære at skille det flotte svar fra det brugbare svar.
Derfor arbejder vi med kvalitetstjek som en del af selve opgaven. Deltagerne lærer at spørge: Hvad bygger svaret på? Hvad har AI gættet? Hvilke kilder kan vi finde uden for værktøjet? Hvad mangler der fra vores egen kontekst? Hvem skal læse det igennem, før det kan bruges?
Et godt kvalitetstjek behøver ikke være kompliceret. Det kan være fem spørgsmål, teamet altid stiller, når AI har været inde over et udkast. Det vigtigste er, at reviewet føles normalt. Det skal føles som almindelig faglighed i en tid, hvor tekster og oplæg kan blive lavet hurtigere end før.
Stopregler gør det lettere at bruge AI de rigtige steder
En stopregel er en enkel aftale om, hvornår man lukker værktøjet, skifter spor eller beder et menneske tage over. Det kan være: brug ikke persondata i dette værktøj. Brug ikke AI til endelige vurderinger af mennesker. Send ikke et AI-skrevet svar til en borger, kunde eller patient uden fagligt review. Lad ikke en agent handle uden godkendelse.
Stopregler gør det lettere at prøve ting af, fordi deltagerne ved, hvor kanten går. Når en medarbejder ved, hvilke opgaver der er sikre at øve på, bliver det mindre privat og mindre tilfældigt.
I workshoppen laver vi stopreglerne konkrete. De skal kunne bruges ved bordet: "Det her er kun et udkast." "Her mangler vi kilde." "Denne opgave kræver faglig godkendelse." "De data skal ikke ind i AI." Så begynder ansvar at blive noget, man kan gøre i praksis.
Workshoppen kan bruge ChatGPT, Copilot eller andre værktøjer, men den handler om arbejdet
Nogle organisationer kalder det en ChatGPT workshop. Andre bruger Copilot, Claude, Gemini eller interne løsninger. Det kan vi godt tage højde for. Værktøjet betyder noget, især når der er datagrænser, sikkerhed og interne regler.
Men selve læringen skal kunne overleve, at værktøjerne ændrer sig. Deltagerne skal forstå, hvordan de beskriver en opgave, giver AI en god rolle, beder om mellemtrin, kræver kilder, tester output og beslutter, hvad der må gå videre.
På den måde bliver workshoppen en træning i at bruge AI på en måde, der passer til organisationens arbejde. Deltagerne får færre løse tricks og mere af det, de skal bruge, når de kommer tilbage til hverdagen og står med en rigtig deadline.
AI-agenter kræver endnu tydeligere aftaler
For nogle teams giver det mening at gå videre end chatfeltet. Så handler workshoppen om AI-agenter og workflows. En agent kan forstås som en hjælper, der kan holde fast i en opgave over flere trin. Den kan måske hente information, sortere materiale, foreslå næste handling eller forberede noget, et menneske skal godkende.
Det lyder hurtigt mere effektivt. Men jo mere AI får lov til at gøre, desto tydeligere skal rammen være. Hvad må agenten læse? Hvad må den ændre? Hvad må den sende? Hvad skal logges? Hvornår skal den stoppe og spørge et menneske?
Her kan Mikkel trække på sit eget arbejde med digitale medarbejdere, agentforsøg og workflows, hvor AI fungerer mere som et lille ekspertteam end som en enkelt chatbot. I workshoppen bruger vi teknikken til at undersøge noget praktisk: om agenttænkning faktisk passer til jeres opgaver, og hvilke stopregler der skal være på plads først.
Workshoppen passer bedst, når deltagerne skal gøre noget bagefter
En AI-workshop giver mest mening, når organisationen gerne vil fra snak til første praksis. Deltagerne skal ikke bare høre om AI. De skal prøve en arbejdsgang, diskutere kvaliteten og kunne gentage noget bagefter.
Det kan være et kommunikationsteam, der skriver og omskriver meget. En ledergruppe, der vil forstå muligheder og ansvar. HR, der arbejder med tekster, processer og medarbejderkommunikation. En afdeling, der laver møder, notater, oplæg og beslutninger hele tiden. Eller en faggruppe, der skal bruge AI uden at miste sin faglighed.
Hvis rummet er meget blandet, kan et foredrag først være en bedre start. Så får alle de samme billeder og det samme sprog, før de skal arbejde hands-on. Hvis deltagerne primært har brug for intern oplæring i et bestemt system, skal workshoppen planlægges tættere med jeres egne værktøjsansvarlige. Formatet skal passe til det, menneskerne i rummet faktisk skal kunne bagefter.
Den bedste forberedelse er tre til fem opgavetyper
Forberedelsen behøver ikke være stor. Send målgruppe, antal deltagere, ønsket varighed og tre til fem opgavetyper fra hverdagen. Det er nok til at gøre workshoppen langt mere præcis.
Opgavetyper kan være helt almindelige. "Vi skriver referater, der aldrig bliver brugt." "Vi laver beslutningsoplæg, som tager for lang tid." "Vi skal forklare fagstof mere klart." "Vi vil bruge AI til research uden at miste kilderne." "Vi vil forstå, om agenter kan hjælpe os med gentagne processer."
Send også gerne datagrænser og værktøjsrammer. Hvilke AI-værktøjer må deltagerne bruge? Hvilke oplysninger må aldrig ind i dem? Er der regler fra ledelsen, IT, jura eller compliance? Når de rammer er tydelige, kan deltagerne øve sig mere trygt.
Deltagerne skal gå derfra med noget lille nok til at bruge
En workshop skal være ærlig om sin størrelse. En organisation bliver ikke forandret på én dag. Det gode output er mere jordnært: en første arbejdsgang, deltagerne faktisk tør bruge i næste uge.
Det kan være en promptstruktur for en bestemt opgavetype. En kvalitetstjekliste. En liste over sikre startopgaver. En før og efter-version af et notat. En stopregel for data. En aftale om, hvordan teamet deler gode og dårlige erfaringer.
Det vigtigste er ofte sproget. Når et team kan sige "det her er kun godt nok som udkast", "det her kræver kilde", "det her skal forbi en fagperson" og "her skal AI holdes ude", bliver AI mindre ensomt. Det bliver noget, organisationen kan tale om sammen.
Foredrag først kan gøre workshoppen stærkere
Nogle rum er klar til at åbne computeren med det samme. Andre har brug for en fælles start. Der kan sidde meget forskellige erfaringer i samme lokale. Nogle bruger allerede AI hver uge. Andre har næsten ikke prøvet. Nogle er nysgerrige. Andre er bekymrede for kvalitet, job, data eller tempo.
Her kan et foredrag før workshoppen være en god rækkefølge. Foredraget giver de fælles historier, begreber og billeder. Workshoppen bruger dem bagefter på konkrete opgaver. Så skal deltagerne ikke først blive enige om, hvorfor AI er relevant. De kan begynde at undersøge, hvordan den kan bruges ordentligt.
Det kan især passe til personaledage, lederforløb og organisationer, hvor AI fylder meget i samtalerne, men ikke endnu har fået en rolig praksis. Først fælles sprog. Så praktisk arbejde. Så næste skridt.
Relevante indgange
Foredrag
Brug et AI-foredrag som fælles start, før deltagerne arbejder med egne opgaver i en workshop.
→
AI for ledere
For ledergrupper, der skal sætte retning, ansvar og rammer, før AI bliver hverdagspraksis.
→
AI og dømmekraft
Læs om kvalitetstjek, kilder, review og menneskelig vurdering, når AI lyder færdig.
→ AI-agenter i praksis
For teams der vil forstå workflows, stopregler og menneskelig godkendelse omkring AI-agenter.
→ Til organisationer
Se hvordan workshop, foredrag, lederdialog, personaledag og bog kan hænge sammen.
→Ofte stillede spørgsmål
Hvad er en AI-workshop?
En AI-workshop er et praktisk format, hvor deltagerne arbejder med opgavetyper fra deres egen hverdag. De prøver AI, vurderer outputtet og laver en enkel arbejdsgang for kvalitet, data og ansvar.
Skal deltagerne have egne opgaver med?
Ja, helst egne opgavetyper. Det kan være referater, beslutningsoplæg, udkast, research, omskrivning eller interne processer. Følsomme dokumenter, persondata og fortrolige oplysninger skal ikke bruges som øvelsesmateriale.
Er det en ChatGPT workshop?
Workshoppen kan godt bruge ChatGPT, Copilot eller andre værktøjer, hvis det passer til jeres rammer. Fokus er dog opgaven, kvalitetstjekket og ansvaret. Deltagerne skal lære en arbejdsmåde, der også giver mening, når værktøjerne ændrer sig.
Hvor lang tid tager en AI-workshop?
En halvdag passer godt til fælles ramme, praktiske øvelser og første kvalitetstjek. En heldag giver mere tid til egne opgaver, stopregler, opgaveklynger og eventuelt AI-agenter eller workflows.
Kan workshoppen handle om AI-agenter?
Ja, hvis gruppen er klar til det. En AI-agent workshop bør handle om afgrænsede workflows, menneskelig godkendelse, logning, datagrænser og tydelige stopregler. Agenter kræver mere ansvar, fordi de kan komme tættere på handling.
Hvem passer workshoppen til?
Den passer til teams, afdelinger og ledergrupper, der vil bruge AI mere konkret i arbejdet. Den er især relevant for mennesker, der skriver, opsummerer, researcher, planlægger, vurderer eller forbereder beslutninger.
Hvornår bør vi vælge foredrag i stedet?
Vælg foredrag først, hvis deltagerne mangler fælles sprog, eller hvis rummet er meget blandet. Foredraget kan samle organisationen om historier, muligheder og grænser, før en mindre gruppe går videre med praktiske øvelser.
Hvad får vi med efter workshoppen?
Målet er en konkret arbejdsgang, deltagerne kan gentage. Det kan være en tjekliste, en promptstruktur, en liste over sikre startopgaver, nogle stopregler eller en aftale om, hvordan teamet deler erfaringer.
Skal AI prøves på jeres egne opgaver?
Skriv kort om målgruppe, antal deltagere, varighed, opgavetyper og de datagrænser, I allerede kender. Så kan workshoppen bygges omkring det arbejde, deltagerne faktisk sidder med: udkast, møder, research, beslutningsoplæg, kvalitetstjek, stopregler eller første skridt med AI-agenter.