I har købt Copilot eller ChatGPT Enterprise til hele afdelingen. Ledelsen forventede en produktivitetsrevolution. Men tre måneder senere viser tallene en dyster sandhed: De fleste medarbejdere har slet ikke åbnet programmet i denne uge. Ubrugte AI-licenser er blevet et dyrt og udbredt problem. Hvad gik der galt?
I foråret 2026 rullede der en bølge af kolde kendsgerninger ind over tech-verdenen. Flere uafhængige analyser viste, at adoptionen af enterprise AI-værktøjer halter gevaldigt. Kun omkring en tredjedel af medarbejdere med en Microsoft Copilot-licens bruger den aktivt, mens cirka 64 procent bruger den sjældent eller aldrig. Det betyder, at virksomheder brænder hundredevis af tusinder af kroner af på ubrugte AI-licenser, der samler støv.
Hos Digital Forlomme ser vi dette mønster igen og igen. Virksomheder behandler AI som et IT-projekt, der bare skal rulles ud. Men AI er ikke som at installere et nyt regnskabsprogram. Det er en adfærdsændring. Og adfærdsændringer kræver mere end en manual og en velkomstmail.
De tre klassiske faldgruber
Når AI-implementeringer fejler, skyldes det sjældent teknologien i sig selv. Det skyldes måden, den bliver introduceret på. Her er de tre fejl, vi oftest støder på.
1. Det hvide papirs forbandelse
Mange medarbejdere åbner ChatGPT eller Claude og stirrer på en tom tekstboks. De ved, at værktøjet er “klogt”, men de ved ikke, hvad de skal spørge om. Hvis den første oplevelse er at bede AI’en skrive en vittighed eller en festsang, bliver værktøjet hurtigt afskrevet som legetøj. Uden konkrete, arbejdsrelaterede use cases dør adoptionen i løbet af få dage.
2. “One size fits all”-træning
Når virksomheder endelig holder et kursus, er det ofte en generel introduktion til “hvad er kunstig intelligens”. Men en sælger og en bogholder har vidt forskellige behov. Sælgeren skal bruge hjælp til at researche kunder og skrive tilbud. Bogholderen skal bruge hjælp til at finde afvigelser i Excel-ark. Hvis træningen ikke tager udgangspunkt i medarbejderens specifikke hverdag, bliver den glemt i det sekund, de forlader mødelokalet.
3. Frygten for at gøre noget forkert
Mange medarbejdere er bange for at fodre AI’en med fortrolige data, eller de er bange for, at deres chef tror, de “snyder”, hvis de bruger AI til at løse deres opgaver. Uden en krystalklar, positiv politik fra ledelsen, vil de forsigtige medarbejdere helt lade være med at bruge værktøjerne.
Det koster dyrt: Hvis I har 100 medarbejdere med en Copilot-licens til cirka 200 kroner om måneden, og kun cirka 36 procent bruger den, spilder I over 150.000 kroner om året. Vi har regnet på, hvor hurtigt en AI-licens egentlig tjener sig hjem. Men det reelle tab er den manglende produktivitetsgevinst, I gik glip af.
Regnestykket: hvor lidt der skal til, før en licens tjener sig hjem
Den gode nyhed er, at break-even ligger absurd lavt. Tag en medarbejder med en samlet omkostning på cirka 54.000 kroner om måneden (grundløn plus overhead til pension, ferie, IT og kontor). Fordelt på omkring 160 arbejdstimer svarer det til cirka 5,6 kroner i minuttet.
En business-licens til ChatGPT, Copilot, Gemini eller Claude koster typisk 150 til 250 kroner om måneden. Break-even: hvis medarbejderen sparer under 2 minutter om dagen, tiden det tager at skrive to rutine-mails, har licensen allerede tjent sig selv hjem. Alt derefter er ren kapacitet.
Det individuelle regnestykke er overbevisende. Men den reelle værdi viser sig, når I skalerer på tværs af teamet:
| Teamstørrelse | Sparet tid/dag pr. person | Årlig nettogevinst | ROI |
|---|---|---|---|
| 5 (lille team) | 10 min | ca. 55.000 kr | ca. 430 % |
| 20 (mellemstor) | 15 min | ca. 354.000 kr | ca. 700 % |
| 50 (stor) | 20 min | ca. 1,2 mio. kr | ca. 970 % |
| 100 (enterprise) | 30 min | ca. 3,8 mio. kr | ca. 1.500 % |
For et team på 20 svarer den årlige gevinst til at ansætte en ekstra fuldtidsmedarbejder, uden lønomkostningen. Vil I regne på jeres egne tal, så brug vores AI-licens-kalkulator. Pointen er den samme: diskussionen handler ikke om licensprisen, men om adoption. Og det er præcis der, de fleste taber pengene.
Sådan vender I udviklingen (4 konkrete trin)
Hvis I vil have jeres ubrugte AI-licenser ud af dvale, skal I skifte fokus fra teknologi til mennesker. Her er vores køreplan for succesfuld AI-adoption.
| Trin | Handling | Forventet effekt |
|---|---|---|
| 1. Find jeres Champions | Udpeg 1-2 nysgerrige medarbejdere i hver afdeling. Giv dem tid og plads til at eksperimentere med AI i deres specifikke opgaver. | I får skabt interne ambassadører, der taler samme fagsprog som deres kolleger, hvilket skaber troværdighed. |
| 2. Byg et Prompt-bibliotek | Saml de 10 mest effektive prompts (kommandoer) for hver afdeling i et fælles dokument. Gør det nemt at kopiere og indsætte. | Eliminerer “det hvide papirs forbandelse”. Medarbejderne kan starte med at bruge AI’en med det samme, uden at skulle opfinde hjulet. |
| 3. Rollebaseret træning | Afhold korte, fagspecifikke workshops (f.eks. “AI for HR” eller “AI for Salg”) i stedet for store fællesmøder. | Sikrer at undervisningen er relevant og direkte overførbar til medarbejdernes daglige arbejdsopgaver. |
| 4. Ledelsen skal gå forrest | Ledere skal åbent fortælle, hvordan de selv bruger AI, og rose medarbejdere, der finder nye, smarte måder at bruge værktøjerne på. | Fjerner frygten for at “snyde” og skaber en kultur, hvor AI-brug ses som en styrke, ikke en svaghed. |
Mål på værdi, ikke bare aktivitet
Som McKinsey påpeger i deres State of AI-rapport (2025), er det en fejl kun at måle på, hvor mange gange en medarbejder åbner programmet. 88 % af virksomhederne har taget AI i brug, men kun 6 % høster reel værdi. I stedet skal I måle på, om arbejdet bliver bedre eller hurtigere.
Spørg jeres teams: “Hvilken opgave tog før tre timer, men tager nu kun én time takket være AI?” Når I begynder at samle disse succeshistorier og dele dem internt, skaber I en positiv sneboldeffekt. Pludselig vil de medarbejdere, der tøvede i starten, også være med på vognen, fordi de kan se den konkrete værdi for deres kolleger.
AI er et fantastisk værktøj, men det er stadig kun et værktøj. En hammer bygger ikke et hus af sig selv, og en AI-licens skaber ikke produktivitet uden den rette træning og kultur.
Ofte stillede spørgsmål om ubrugte AI-licenser