Simulation
Hvad gør AI på jobbet ved os? To studerende byggede et konsulenthus for at finde svaret
9.11.2026
af
Julius Krause
Illustration: Pasha Smith
Via en utraditionel metode har to CBS-studerende undersøgt, hvordan kunstig intelligens påvirker akademikeres evne til at tænke og fokusere. Resultaterne er ikke opmuntrende.
Anders Bull og William Askholt havde længe gået og undret sig over, hvor ukritisk folk var begyndt at bruge kunstig intelligens.
”Kompleksiteten af de spørgsmål, vi stiller AI, er blevet mindre og mindre og har nået et punkt, hvor nogle spørger om, hvad de skal have til aftensmad,” siger Anders Bull.
Så da de skulle færdiggøre deres bachelor i erhvervsøkonomi og psykologi på Copenhagen Business School, tog de afsæt i deres AI-undren.
I bacheloropgaven benyttede de en ny metode til at undersøge, hvordan AI påvirker vidensarbejderes kognitive evner.
Kunstigt konsulenthus
For at forstå, hvordan AI påvirker vidensarbejderes måde at gå på arbejde, havde de brug for at observere og interviewe vidensarbejdere. Men eftersom de to studerende ikke havde ressourcer til at gennemføre et stort studie, var de nødt til at tænke i alternative baner.
De fandt derfor på at bruge AI-modeller til at skabe en kunstig konsulentvirksomhed med en masse syntetiske vidensarbejdere.
Men for at sikre sig, at medarbejderne i det kunstige konsulenthus afspejlede realistiske oplevelser og tanker, samlede Anders Bull og William Askholt seks store undersøgelser fra ægte virksomheder som Microsoft og Accenture.
De seks undersøgelser kortlagde ansattes udvikling og holdninger i forbindelse med AI-integration på jobbet.
Sammenlagt havde Anders Bull og William Askholt derfor over 200.000 datapunkter at tage udgangspunkt i, der omhandlede ægte vidensarbejderes stillinger, kompetencer, adfærd, alder, opgaver og meget andet.
Datapunkterne fodrede de to studerende til ChatGPT og Google Gemini. Derefter bad de modellerne om at simulere fem år frem i deres kunstige konsulentvirksomhed, hvor medarbejderne i mellemtiden brugte AI som arbejdsredskab.
Efter simuleringen, der blot tog nogle minutter, kunne de to studerende lave interviewsessioner med forskellige ansatte i den fiktive virksomhed.
Svarene fra medarbejdergrupperne viste sig både at være raffinerede og virkelighedsnære.
Juniorkonsulenterne frygtede fx for deres fremtidsmuligheder grundet AI, mens seniorkonsulenter var irriterede over at skulle agere vagthunde over for hallucinationer i juniorernes arbejde.
”Så seniorerne begyndte på et tidspunkt at bede juniorerne om at klappe computerskærmene sammen og komme ind i et mødelokale med et whiteboard, hvor juniorerne skulle forklare, hvordan de havde løst opgaven,” fortæller Anders Bull.
Nogle gange tippede det over i at blive decideret syret.
”Vi interviewede en juniorkonsulent, der fortalte om, hvordan han havde været på backpackertur i Mexico. Han fortalte også, hvordan han før var selvstændig, men var gået konkurs og derfor var glad for at være i den her virksomhed nu,” siger Anders Bull.
”En anden juniorkonsulent sagde, han følte sig som en gud, når han stod op om morgenen, fordi han mente at kunne løse sine opgaver hurtigere end alle andre,” siger William Askholt.
Dystre forventninger
Efter interviews af AI-case-personerne kunne de bruge relevant teori til at analysere medarbejdernes udvikling.
Konklusionerne var mange. Mest bemærkelsesværdigt, synes de selv, var det, at virksomheder investerer en masse ressourcer, men uden at vurdere, hvordan medarbejderne oplever at få stukket værktøjerne i hånden. Flere medarbejdere nævnte, at det var stressende at få besked på at arbejde mere effektivt med AI, men samtidig også være mere kritisk over for sit arbejde.
Derudover var koncentrationsevnen og virksomhedskulturen også svækket markant, eftersom folk udliciterede deres tunge opgaver og spurgte AI til råds frem for kollegerne.
Tilsammen fører disse faktorer til et potentielt dystert resultat. For når folk kommunikerer mindre med hinanden, samtidig med at tanke- og koncentrationsevnen svækkes, og der opstår et overdrevent fokus på effektiviseringer – ja, så kommer man ikke på originale idéer, der skaber ny værdi.
”Hvis vi bliver ved med at presse effektivitet ned over alles hoveder, kommer vi måske ikke til at kunne levere et produkt, der overhovedet er unikt,” opsummerer Anders Bull.
Men kan der være en risiko for, at jeres studie er for hypotetisk – der er jo aldrig undersøgt rigtige mennesker?
”Selvfølgelig er der altid usikkerhed, men det er baseret på seks stærke studier, der både indeholder kvantitativt og kvalitativt data i en bouillonterning, som vi spørger ind til. Så svarerne kommer jo ikke ud af den blå luft, men kommer på baggrund af rigtige menneskers svar,” siger Anders Bull.
”Vi har også snakket med virkelige mennesker fra lignende virksomheder, der alle samme siger, at de genkender scenarierne fra deres arbejdspladser,” siger William Askholt.
Ledige stillinger
Point for kreativitet
Som ekstern lektor på CBS gennem to årtier har Kristian Herdal Molbech assisteret hundredvis af bacheloropgaver og fremhæver originaliteten og nytænkningen bag denne opgave.
”Jeg har vist det til en direktør for en svensk organisation tilsvarende den, jeg arbejder i. Hun har også allerede brugt det i sit arbejde og delt det i et AI-netværk, hun sidder i,” fortæller Kristian Herdal Molbech, der har været vejleder på opgaven.
”I de seneste år har mange opgaver handlet om AI, men så handler det tit om, hvad man gør i virksomhed X,” siger Kristian Herdal Molbech.
Oplysninger i den type caseopgaver er ofte fortrolige, og derfor er overførbarheden og muligheden for at bidrage til forskningen også tit begrænset.
”Anders og William har derimod skrevet om en fiktiv virksomhed, så intet er fortroligt, men tager udgangspunkt i empiri fra virkelige studier i et stadig nyt felt. Så de har lavet teoriudvikling.”
Derudover roser han det akademiske håndværks alsidighed, hvor kvantitative resultater er konverteret til kvalitative interviews.
Djøfbladet har også præsenteret opgaven for professor Kasper Trolle Elmholdt, der forsker i organisations- og teknologiudvikling på Aalborg Universitet.
Han giver cadeau for at undersøge et spændende emne, der kobles til en kreativ metode, men er også kritisk over for metoden.
”Projektet bygger på syntetiske data, hvor interviewene er genereret af Gemini og ChatGPT. Men for at vurdere kvaliteten skal man kunne se, hvordan personaerne i studiet blev skabt, herunder fx prompts, modeller, og hvordan svarene blev kontrolleret,” skriver han i en mail.
Derudover pointerer han, at konklusionerne baseres på syntetiske data fra virkelig arbejdspladser, men han ser ikke, at der er taget stilling til, hvorvidt de ægte medarbejdere er repræsentative for hele branchen.
”Men som sagt er projektet metodisk spændende, og konklusionerne resonerer rimeligt med nyere studier,” forklarer han.
Djøfbladet har forelagt professorens kritik for Anders Bull og William Askholt. Deres svar kan læses i boksen nederst.
Forhåbentlig overflødigt
Anders Bull og William Askholt endte med et 12-tal for deres bacheloropgave.
Siden har de delt deres konklusioner med bl.a. Medarbejder- og Kompetencestyrelsen, hvor de afholdt en workshop for de ansatte.
Her gav de deres bud på, hvordan man integrerer AI på arbejdspladsen uden at få de bivirkninger, som de fandt i deres kunstige konsulentfirma.
De forklarer, at det kan gøres ved fx at lukke computeren og løse opgaven selv – også ved tidstunge opgaver. Man kan også bruge 15 minutter med et A4-papir, hvor man tegner hypoteser for at træne sine kognitive evner. Og så skal man samarbejde og udvikle med kollegerne. Det kan gøres ved sammen at vende, hvordan et AI-redskab er kommet frem til et svar, der skal bruges i en rapport.
Er der en risiko for, at jeres studie bliver irrelevant, fordi det er for hypotetisk? Ingen ved, hvordan fremtiden med AI kommer til at se ud.
”Man må håbe, vores studie aldrig når at afspejle virkeligheden. Så vi er jo heldige, hvis studiet ender overflødigt,” siger Anders Bull.
Svar på kritikken
Anders Bull og William Askholt har sendt Djøfbladet nogle kommentarer til professor Kasper Trolle Elmholdts kritik af opgaven.
I forbindelse med uigennemsigtigheden af metoden, som professoren nævner, uddyber de deres arbejdsproces og design:
”Først blev de seks studier givet til Gemini som forskningsmæssigt grundlag for konstruktionen af konsulentvirksomheden. I promptingen specificerede vi bl.a., at det skulle være en knowledge-intensive organisation, der var first mover i integrationen af GenAI, samt at casen skulle muliggøre interviews på forskellige hierarkiske niveauer. I dialogen med Gemini blev bl.a. branche, organisationskultur og persona-dybde yderligere specificeret,” skriver de.
De tilføjer, at Gemini og ChatGPT bl.a. fik adgang til de samme seks studier og case-beskrivelser.
De erkender, at syntetiske data ikke er lige så valide som empiriske interviews, men at deres formål var et andet:
”Designet sikrede en systematisk og konsistent konstruktion af forskellige perspektiver inden for samme fiktive organisation samt at kunne mindske potentielle biases, der kan opstå i empiriske interviews.”
De studerende forklarer også, at deres AI-cases ikke skal anses som mere repræsentative sammenlignet med interviews med ægte mennesker.
”De fungerer snarere som analytiske typifikationer inden for en konstrueret case. Den bredere empiriske forankring kommer fra de seks eksisterende studier på tværs,” forklarer de.