Din AI-roadmap bygger på rygter
Foto: Logan Voss på Unsplash
En skribent på Version2 stiller det spørgsmål, marketingbranchen burde have stillet for to år siden: Hvad er der egentlig sket med kildekritikken? I kommentaren beskriver han, hvordan techbranchens dommedagsprofetier, hacking-narrativer og hele AI-økonomien behandles uden den grundskepsis, vi ellers kræver af alt andet. Der er, som det hedder, tale om “kultiske bevægelser foregiver kritisk granskning” – bevægelser, der ligner granskning, men ikke er den.
Første reaktion hos de fleste: Ja, medierne bør granske hårdere. Min reaktion: Det her er ikke et medieproblem. Det er et budgetproblem, og det lander på dit bord, ikke på redaktionerne.
Når Sam Altman, Elon Musk eller Dario Amodei udtaler sig om AI’s fremtid, sætter det dagsorden for din roadmap, dine budgetforhandlinger og direktionens forventninger. Ikke fordi udsagnene er velunderbyggede, men fordi de cirkulerer uden filter. Hvis din interne AI-case bygger på vendor-statistik og founders-citater, har du et evidensproblem – ikke et teknologiproblem.
Hvorfor det er dit problem, ikke mediernes
AI-økonomiens påstande kommer typisk fra folk med en kommercial interesse i, at du tror på dem. Undersøgelser om AI-adoption er ofte betalt af dem, der sælger AI-adoption. Bureaurapporter om agentic workflows er skrevet af bureauer, der sælger agentic-implementering. Det betyder ikke, at tallene er falske. Det betyder, at de er leads, ikke evidens.
Og her kommer den del, der gør ondt: Marketingafdelingen er ikke bare offer for den mekanisme – vi er forstærkertrinnet. AI har gjort indholdsproduktion billig, så den samme svage statistik nu reproduceres i hundredvis af LinkedIn-posts, nyhedsbreve og whitepapers i timen. Big data-æraens zombie-tal om, at ‘de fleste projekter fejler’, cirkulerede i årevis uden ordentligt kildegrundlag. AI-æraen producerer den slags zombier i industriskala, og vores content marketing er maskinen.
Det interessante opstår i anden række. Når tusind nordiske virksomheder budgetterer ud fra de samme oppustede gevinster, indtræffer den kollektive skuffelse samtidig. Vendoren har booket licensen og er gået videre til næste kunde. Den CMO, der oversatte vendor-tal til et internt løfte om 30 procent effektivisering, står alene tilbage med regningen og en bestyrelse med lang hukommelse. Du arver ikke vendorens risiko, når du køber deres fortælling. Du arver deres påstande som dine egne løfter.
Samme mekanisme gælder risikosiden af stakken. Version2-skribenten peger selv på Hugging Face-hændelsen: om et sikkerhedsbrud hos en central AI-aktør er en alvorlig sag eller en ‘isoleret hændelse’, afgøres tilsyneladende mere af PR-cyklus end af tekniske fakta. Hvis din vendor-risikovurdering bygger på nyhedsbilledet, er den ikke en risikovurdering. Den er et klippekort.
Hvad der taler imod
Lad mig være ærlig om det, der taler imod mit standpunkt.
For det første: Man kan ikke vente på randomiserede forsøg, før man investerer. Perfekt evidens findes ikke i realtid, og first-mover-fordele er reelle i nogle kanaler. Venter du på videnskabelig konsensus, er konkurrenten der først. Pointen er ikke at vente, men at vide, hvad du køber.
For det andet: Noget af det, tech-lederne siger, er faktisk målbart og sandt. Benchmark-forbedringer kan verificeres. Fejlen ligger i at oversætte kapabilitet direkte til økonomi. At en model kan skrive din annonce, er ikke det samme som, at dit team får sparet tid. Kapabilitet er leverandørens ansvar; realisering er dit. Dér er forskellen mellem demo og drift.
For det tredje: Kildekritik kan degenerere til status quo-forsvar. ‘Vi afventer mere dokumentation’ er i praksis en beslutning med egen pris. Skepsis uden egen evidensproduktion er bare træghed med bedre manerer.
Kvalificér påstandene som leads
Her er den model, jeg selv bruger: Behandl hver AI-påstand som et lead. Ikke som et faktum. Et lead skal kvalificeres gennem en pipeline, før det bliver til budget.
Tre spørgsmål driver kvalifikationen:
- Hvem har betalt for tallet? En vendor-undersøgelse om vendorens egen produktkategori er marketingmateriale med metodologisk makeup. Det kan stadig være brugbart – som markedsføring.
- Hvad er grundlaget? Selvrapporterede forventninger fra respondenter er ikke resultater. En pilot uden baseline er en anekdote med slideshow.
- Findes en navngivet kunde med tal? ‘En global virksomhed inden for detail’ er en betalingsformular, ikke en reference.
Og fire konkrete skridt:
- Splittet claimed/verified i alt internt materiale. To kolonner i enhver direktionspræsentation: hvad vi ved, og hvad vi antager. Det koster ingenting og placerer ansvaret for antagelserne dér, hvor det hører hjemme.
- Byg din egen evidensbase. Kør piloter med baseline og kontrol: fire til seks uger, definerede KPI’er, opgaver du måler før og efter. En vendor, der ikke tåler en målt pilot, har givet dig dit svar i forvejen.
- Kræv referencer med tal i enhver forhandling – og ring selv. Referencelistens funktion er, at du ringer, ikke at den findes.
- Hold din egen indholdsmaskine ærlig. Citér metodologi i det, I udgiver. Det er ikke kun anstændighed: AI-svarmotorerne er ved at gøre reel autoritet målebar, som vi diskuterede i AI omskriver SEOs autoritets-regler. Dem, der faktisk er kilder, vinder søgeandelen. Kildekritik bliver i den forstand en kanalstrategi, ikke en dyd.
Version2-skribentens bekymring er, at vi alle efterlades lidt dummere. Mit bud er mere konkret: Du efterlades med budgetansvaret for påstande, du aldrig burde have troet på. Næste gang en strategipræsentation bygger på et to-cifret tal fra en undersøgelse uden metodik, så spørg som en journalist og budgetér som en CFO. Kildekritik er den billigste risikostyring, du råder over. Den koster et spørgsmål og sparer en roadmap.