EU’s nye forordning om kunstig intelligens (AI Act) indeholder i artikel 4 et generelt krav om AI-færdigheder (AI literacy). Det betyder, at organisationer – både offentlige myndigheder og private virksomheder – der anvender AI-systemer, skal sikre et tilstrækkeligt niveau af viden og kompetencer om AI hos deres medarbejdere. Kravet trådte i kraft den 2. februar 2025.

Dette er en bred forpligtelse, der gælder alle typer AI-systemer, og har særlig relevans denne tid, hvor store sprogmodeller (generative AI-modeller som f.eks. ChatGPT og Copilot) er blevet udbredte.

Kravet om AI-færdigheder i AI-forordningens artikel 4

Artikel 4 pålægger organisationer der anvender AI-systemer at iværksætte tiltag, der “i videst muligt omfang” sikrer et tilstrækkeligt niveau af AI-færdigheder hos egne medarbejdere.

AI-forordningen definerer AI-færdigheder bredt som de færdigheder, viden og den forståelse, der sætter medarbejdere i stand til – under hensyn til deres roller og ansvar – at bruge AI-systemer informeret og bevidst om muligheder og risici.

Medarbejderne skal altså uddannes i både tekniske og ikke-tekniske aspekter af AI for at kunne håndtere systemerne forsvarligt. 

Dette omfatter:

• Teknisk forståelse: Kendskab til hvordan AI-systemet er opbygget og fungerer rent teknisk. Det inkluderer indsigt i den pågældende AI-type (fx machine learning), hvilke datakilder systemet er trænet på, og hvordan det behandler og vægter information. For sprogmodeller betyder det fx forståelse for, at modellen genererer tekst baseret på sandsynlighedsfordelinger i træningsdata, hvilket kan medføre bias eller manglende domæneviden. Medarbejdere bør vide, at en sprogmodel som ChatGPT ikke har faktuel bevidsthed, men konstruerer svar ud fra mønstre, og derfor kan producere forkerte eller hallucinerede svar.

• Praktisk kunnen: Evnen til at anvende AI-systemet korrekt i konteksten af arbejdsopgaverne. Det indebærer viden om, hvad systemet kan og ikke kan bruges til, og hvilke procedurer eller begrænsninger der gælder for brugen. Medarbejderne skal trænes i at fortolke og verificere AI’ens output rigtigt – fx at de ved, at et svar fra en sprogmodel bør tages som et forslag, der skal menneskeligt vurderes, frem for en endegyldig sandhed. De skal også kende eventuelle retningslinjer for brug af systemet, såsom ikke at indtaste fortrolige eller personfølsomme oplysninger i en ekstern generativ AI-tjeneste uden klar godkendelse. Praktiske AI-færdigheder kan opbygges via interne retningslinjer, hands-on øvelser og oplæring målrettet det konkrete AI-værktøj i organisationen.

• Etisk og juridisk forståelse: Indsigt i de etiske overvejelser og risici ved AI-anvendelsen samt kendskab til relevante regler. Medarbejderne skal være opmærksomme på potentielle bias og diskrimination, krænkelse af privatliv eller databeskyttelse, risiko for misinformation m.v.. For sprogmodeller er det fx vigtigt at forstå faren for forstærkning af fordomme i træningsdata eller spredning af fejlagtig information i stor skala. Desuden skal medarbejderne kende de juridiske rammer – fra AI-forordningens egne regler (herunder krav til gennemsigtighed, datasæt-kvalitet, tilsyn osv. afhængigt af risikoklasse) til GDPR og ophavsret ifm. genereret indhold.

• Kritisk sans og overvågning: Udover viden skal medarbejderne opøve evnen til kritisk at vurdere AI’ens output og identificere fejl eller uregelmæssigheder. De skal kunne monitorere AI-systemet i drift og opdage, hvis det fx begynder at give utilfredsstillende eller uhensigtsmæssige resultater. Især ved store sprogmodeller, der genererer nyt indhold hver gang, er konstant årvågenhed vigtig for at fange utilsigtede konsekvenser.

Forordningen lægger op til, at hver organisation laver sin egen vurdering af, hvad der udgør “tilstrækkelige” AI-færdigheder i netop deres kontekst. Der er altså ikke i loven listet bestemte kurser eller certificeringer; fokus er på resultatet – et kompetenceniveau hos medarbejderne, der står mål med den AI, de arbejder med.

Opfyldelse af kravet i praksis – uddannelse, workshops og kompetenceudvikling

En god start er at kortlægge, hvem i organisationen der er involveret i brugen eller udviklingen af AI (herunder sprogmodeller), og hvilke roller de har. Derefter kan man analysere, hvilke færdigheder hver rolle har brug for, og planlægge de nødvendige læringsforløb – eventuelt opdelt efter niveau eller funktion.

Tiltag og metoder

Der findes en række mulige tiltag for at opbygge AI-færdigheder. Digitaliseringsstyrelsens foreslår bl.a. følgende organisatoriske initiativer:

• E-læringskurser: Online kurser modulopdelt efter emne eller niveau, som både medarbejdere og ledere kan gennemføre i eget tempo. Dette kan dække alt fra AI-basics til avanceret brug af specifikke værktøjer.

• Workshops og træningssessioner: Fysiske eller virtuelle workshops er effektive til hands-on læring. Her kan man træne konkrete færdigheder, f.eks. workshop i hvordan man bruger en bestemt sprogmodel sikkert i arbejdsopgaver. Workshops kan også involvere case-øvelser – fx gennemspille et scenarie, hvor en sprogmodel skal assistere en medarbejder, og diskutere hvordan output håndteres, eller hvad man gør, hvis modellen kommer med et uetisk forslag. Fordelen ved workshops er muligheden for spørgsmål og dialog, som øger forståelsen.

• AI-fagfællesskaber og ambassadører: Nogle arbejdspladser opretter interne netværk eller ERFA-grupper for AI-interesserede medarbejdere, hvor man kan dele viden og erfaringer løbende. Desuden kan man udnævne “AI-ambassadører” i forskellige afdelinger – medarbejdere med særlig interesse eller viden, der fungerer som lokale superbrugere og mentorer for kollegerne. De kan hjælpe med spørgsmål i det daglige og være bindeled til virksomhedens centrale AI-eksperter eller IT-afdeling.

• Kommunikation og awareness: Løbende formidling kan holde AI på dagsordenen. Fx interne nyhedsbreve, mails eller intranet-artikler om nye AI-initiativer, tips til brug af sprogmodeller, eller “ugens AI-begreb”. Awareness-kampagner kan skabe bred forståelse – det kan være alt fra plakater med AI-do’s & don’ts på kontoret til små quizzer eller konkurrencer om AI-fakta for at engagere personalet. Formålet er at øge den generelle AI-parathed og gøre det legitimt for medarbejdere at interessere sig for og lære om AI.

• Eksternt samarbejde og eksperter: Hvis organisationen ikke selv har kapacitet til at uddanne alle, kan eksterne kurser og konsulenter bruges. Man kan invitere AI-eksperter (fx fra universiteter eller tech-virksomheder) til at holde oplæg eller skræddersy træningsforløb.