AI OG INNOVATION
Fra AI-potentiale til reel forretningsværdi
Det interessante spørgsmål er ikke, hvor vi kan bruge AI. Det er, hvor AI grundlæggende kan forbedre den måde, vi skaber værdi på.
3. sep. 2026

Samtaler om AI har en tendens til at begynde med teknologien.
Hvilke værktøjer skal vi bruge? Hvor kan vi automatisere? Hvilke opgaver kan en AI-agent udføre? Hvor mange timer kan vi spare?
Det er fornuftige spørgsmål. Men de kan også føre os i den forkerte retning. De tager udgangspunkt i, hvad AI kan gøre, frem for hvad virksomheden forsøger at opnå.
Et mere værdifuldt udgangspunkt er selve værdiskabelsen.
Enhver virksomhed har et system, hvorigennem værdi skabes og bevæger sig. Noget bliver undersøgt, designet, indkøbt, produceret, solgt, leveret, serviceret eller forbedret. Kunderne oplever nogle dele af systemet direkte, mens andre er usynlige for dem. Medarbejdere, partnere, teknologi og operationelle processer får det hele til at fungere.
Hvis vi vil forstå AI's forretningsmæssige potentiale, er den værdikæde et langt bedre sted at begynde end med et katalog over mulige AI-anvendelser.
ModelAI value creation
Three ways AI can change value creation
AI creates value in three fundamentally different ways. The biggest opportunities often emerge where these overlap.
“Same technology. Different outcomes. Real business value.”
Thomas Kruse Andersen
Founder, Everbeam
01
Make what exists
Better.
Improve quality, decisions and experiences.
Use AI to enhance what you already do — with higher quality, better insights and stronger outcomes.
Examples
- Better customer experiences
- Better products and services
- Better, faster decision-making
02
Do what exists
More efficiently.
Increase productivity and reduce cost.
Use AI to automate, augment and streamline processes, so you can do more with less.
Examples
- Process automation
- Lower operating costs
- Higher speed and scalability
03
Do what’s new
Create.
Create entirely new value.
Use AI to enable new products, services, business models and go-to-market approaches.
Examples
- New customer propositions
- New revenue models
- New markets and ecosystems
Når vi ser på værdikæden, ændrer samtalen karakter. For AI-potentialet tilhører ikke én bestemt funktion.
Et kommercielt team kan se muligheder for at forstå kunderne på nye måder. Driftsorganisationen kan se potentiale for bedre planlægning. En domæneekspert kan genkende mønstre, som en AI-ingeniør aldrig ville vide, at vedkommende skulle lede efter. En AI-ingeniør kan se tekniske muligheder, som domæneeksperten ikke vidste eksisterede. Og en designer kan forstå, hvordan interaktionen skal ændres, hvis mennesker skal have tillid til løsningen og rent faktisk bruge den.
Det interessante arbejde opstår, når disse perspektiver mødes omkring en reel forretningsmæssig udfordring.
Det er derfor, jeg mener, at kombinationen af domæneekspertise, AI-kompetencer og Business Design er så vigtig.
Domæneeksperter ved, hvor værdien og kompleksiteten reelt findes. AI-specialister forstår, hvad teknologien nu gør muligt. Business Design forbinder mulighederne med kunderne, økonomien, driften og det samlede forretningssystem.
Herfra finder jeg det nyttigt at skelne mellem tre grundlæggende forskellige måder, AI kan påvirke værdiskabelsen på.
ModelAI value identification
Where AI value happens
AI value is found in the business, not in the technology. Start from the value chain — then look for where AI can change the outcome.
“Start with the business. The technology follows.”
Thomas Kruse Andersen
Founder, Everbeam
01
Customers & markets
Demand, needs, segments, channels
02
Products & services
Offering, experience, delivery
03
Operations
Processes, supply, production, service
04
Enabling functions
Data, technology, people, finance
AI potential across the value chain
Better outcomes. More efficient operations. New value that wasn’t possible before.
Questions that reveal value
- Where does value get created today?
- Where is value lost, slow or constrained?
- Where could AI change what is possible?
- Where would improvement matter most to the business?
Effektivisering er vigtig. Der findes mange processer, hvor lavere omkostninger, mindre arbejdsindsats eller kortere gennemløbstid kan skabe betydelig økonomisk værdi.
Men effektivisering bør ikke udgøre hele AI-strategien.
Hvis vi kun spørger, hvor AI kan gøre den eksisterende organisation billigere, risikerer vi at overse, hvor teknologien kan gøre forretningen bedre – eller skabe noget helt nyt.
En bedre beslutning på kundens vegne kan være mere værd end en hurtigere intern arbejdsopgave. En ny service kan være vigtigere end en automatiseret rapport. Højere kvalitet kan beskytte omsætningen, reducere risikoen eller styrke tilliden på måder, som en simpel beregning af sparede arbejdstimer aldrig vil kunne indfange.
Det er derfor, sparede timer ikke automatisk er det samme som skabt værdi.
Hvis AI sparer en medarbejder ti timer om ugen, hvad sker der så med de ti timer?
Bliver kapaciteten reelt reduceret? Bliver der udført mere arbejde? Stiger kvaliteten? Kan virksomheden betjene flere kunder? Eller bliver tiden brugt på at skabe noget, der er mere værdifuldt?
Uden den sammenhæng er tidsbesparelsen blot et aktivitetsmål, der bliver præsenteret som en business case.
En meningsfuld vurdering af AI's forretningsværdi må derfor se på det samlede system.
ModelThe AI value case
The AI value case
A viable AI case is never only a technology case. It holds together across five dimensions at once.
“A viable case is one the whole business can stand behind.”
Thomas Kruse Andersen
Founder, Everbeam
Customer
Does it create real value for customers and users?
Business
Does it strengthen revenue, margin or position?
A viable
AI case
People
Can our people adopt, trust and work with it?
Dependencies
What data, technology and capabilities does it require?
Investment & risk
What does it cost, and what could go wrong?
When all five hold together, the case is viable. When one is missing, the case is a hope.
Business casen er ikke blot den økonomiske beregning til sidst. Den er sammenhængen mellem alle disse dimensioner.
Et teknisk imponerende AI-anvendelsesområde kan være afhængigt af data, som organisationen ikke har. En stærk effektiviseringscase kan falde til jorden, hvis det kræver langt større organisatoriske forandringer end forventet at få løsningen taget i brug. En kundevendt AI-løsning kan skabe værdi, men samtidig introducere en risiko, som virksomheden ikke er villig til at acceptere. Og en idé med beskedne umiddelbare besparelser kan vise sig at være strategisk vigtig, fordi den senere gør en helt ny value proposition mulig.
Det er spørgsmål om Business Design lige så meget som om teknologi.
Og tidligt i processen vil mange af svarene stadig være antagelser.
Det er ikke en grund til at vente. Det er en grund til at teste intelligent.
Målet bør være at investere tilstrækkeligt til at finde ud af, om værdien er reel, før vi investerer så meget, at vi kommer til at fortryde, hvis vi tager fejl.
Efterhånden som dokumentationen bliver stærkere, kan virksomheden træffe stadig bedre beslutninger om, hvor den skal investere.
ModelFrom AI potential to business priority
From AI potential to business priority
A structured path from ambition to decision — so AI investment follows business value, not technology enthusiasm.
“Potential is everywhere. Priority is a decision.”
Thomas Kruse Andersen
Founder, Everbeam
- 01Business ambitionWhat do we want to achieve as a business?
- 02Value chainWhere is value created, lost or constrained?
- 03AI potentialWhere could AI change what is possible?
- 04Value impactWhat difference would it actually make?
- 05Business caseIs it viable across value, cost, risk and capability?
- 06PriorityWhat do we do first — and what can wait?
Evidence grows as you move right — each step reduces uncertainty.
Investment should follow evidence, not precede it.
Det ændrer også, hvad en AI-strategi kan være.
Den behøver ikke begynde som en lang liste over teknologier, leverandører eller løsrevne anvendelsesmuligheder. Den kan begynde med virksomhedens ambitioner, bevæge sig gennem de steder, hvor værdien skabes, og identificere, hvor AI kan gøre en reel forskel.
Nogle muligheder vil gøre den eksisterende forretning mere effektiv. Andre vil forbedre det, kunderne allerede sætter pris på. Og et mindre antal kan pege i retning af helt nye former for værdiskabelse.
Det afgørende er, at mulighederne kan sammenlignes som forretningsmuligheder frem for som teknologiske eksperimenter.
AI udvikler sig for hurtigt til, at organisationer kan vente, indtil alle spørgsmål har et sikkert svar.
Men at bevæge sig hurtigt er ikke det samme som at bevæge sig tilfældigt.
Et godt sted at begynde er med ét spørgsmål:
Hvor i vores værdiskabelse kan AI gøre os væsentligt bedre?
Kilder og videre læsning
- Strategyzer — metoder til hypoteser, eksperimenter og evidensbaseret forretningsudvikling.
Konkrete kildehenvisninger og eventuelle supplerende kilder om AI og værdiskabelse skal verificeres redaktionelt inden publicering.


