AI Readiness Audit: Er jeres virksomhed klar til AI-transformation?

Mange virksomheder kaster sig hovedkulds ud i AI-projekter uden at vide om de overhovedet er klar. Resultatet? 68% af AI-pilotprojekter fejler ifølge DI Digital Report 2025. En AI readiness audit kortlægger præcis hvor I står - før I bruger 200K på noget der ikke virker.

Hvad er en AI readiness audit?

Det er ikke det samme som en IT-audit (som kun fokuserer på systemer), en digitaliseringsanalyse (som er bredere og mindre AI-specifik), eller en AI-strategi workshop (som laver strategi uden at kortlægge fundamentet først).

En readiness audit kombinerer teknisk assessment (data, systemer) med organisatorisk readiness (kultur, kompetencer). Den leverer en actionable roadmap - ikke bare en rapport der lander på hylden. Og den identificerer quick wins I kan starte med nu, selv med lav modenhed.

De 6 dimensioner i en AI readiness audit

Dimension 1: Datakvalitet og tilgængelighed

Hvor er jeres data? Er de strukturerede eller kaotiske? Opdaterede eller forældede? Kan I lovligt bruge dem til AI under GDPR?

Hvad vi måler:

• Hvor jeres data ligger (Excel, CRM, ERP, Google Drive, lokale servere)
• Datakvalitet: Ensartede? Komplette? Opdaterede?
• Governance: Hvem ejer data? Hvem har adgang?
• GDPR-compliance: Må I bruge data til AI?

Typisk problem: "Vi har data i 12 forskellige systemer, og ingen ved hvordan de hænger sammen."

Quick win: Prioriter de 2-3 datasystemer med mest værdi (typisk CRM + ERP + supportbilletter) og start der.

Dimension 2: Procesmodenhed

Hvilke processer er dokumenterede? Hvor mange manuelle opgaver har I? Hvor standardiserede er workflows på tværs af teams?

Hvad vi måler:

• Dokumenterede processer (flowcharts, SOPs)
• Manuelle step-by-step opgaver (gode kandidater til automation)
• Standardisering (samme flow på tværs af teams?)
• "Tribal knowledge" (viden der kun findes i folks hoveder)

Typisk problem: "Kundeservice bruger for meget tid på fakturahåndtering, men ingen har kortlagt præcis hvilke trin der er."

Quick win: Dokumenter én høj-volumen, lav-kompleksitetsproces først.

Dimension 3: Teknisk infrastruktur

Kører I on-premise eller cloud? Kan jeres systemer tale sammen? Hvor gamle er jeres kernesystemer?

Hvad vi måler:

• Cloud-readiness
• API-tilgængelighed (kan systemer integreres?)
• Legacy systems (gamle systemer = sværere integration)
• IT-kompetencer til at supportere AI-implementering

Typisk problem: "Vores ERP er fra 2008 og har ingen API - hvordan integrerer vi AI?"

Quick win: Brug middleware-tools (Zapier, n8n) til at forbinde legacy systems uden custom udvikling.

Dimension 4: AI-kompetencer

Hvor mange medarbejdere bruger AI-værktøjer aktivt? Har I kørt AI-pilotprojekter før? Ved I hvordan man håndterer bias og GDPR?

Hvad vi måler:

• Aktiv brug af AI-værktøjer (ChatGPT, Copilot osv.)
• Awareness-niveau hos ledelsen
• Hands-on erfaring med AI-pilotprojekter
• Governance-viden (bias, GDPR, etik)

Typisk problem: "Ledelsen har hørt om ChatGPT, men ingen har prøvet at bruge det til rigtige arbejdsopgaver."

Quick win: Kør en 2-dages AI bootcamp for 10-20 nøglepersoner.

Dimension 5: Governance og compliance

Ved I hvilke krav EU AI Act stiller? Har I styr på GDPR? Kan I dokumentere compliance ved en audit?

Hvad vi måler:

• EU AI Act readiness
• GDPR-processer for databeskyttelse
• Risikovurderingsprocesser for AI-projekter
• Dokumentation der beviser compliance

Typisk problem: "Vi ved at EU AI Act er trådt i kraft, men vi har ikke kortlagt hvad det betyder for os."

Quick win: Lav en AI use case inventory - hvilke AI-værktøjer bruger I allerede? (ofte flere end I tror).

Dimension 6: Ledelsesbacking og kultur

Er der en leder der ejer AI-indsatsen? Er der budget til projekter? Accepteres fejl, eller straffes de? Arbejder teams sammen, eller i siloer?

Hvad vi måler:

• Executive sponsorship (hvem ejer AI-indsatsen?)
• Budget (ikke kun til kurser, men til implementering)
• Eksperimentkultur (fejl accepteres eller straffes?)
• Tværfagligt samarbejde vs. siloer

Typisk problem: "IT vil gerne eksperimentere, men forretningen prioriterer det ikke."

Quick win: Book et Executive AI Briefing (1-2 timer) med C-level for at få buy-in.

Hvordan fungerer en AI readiness audit i praksis?

Fase 1: Kick-off og interviews (1-2 uger)

Interviews med 5-10 nøglepersoner fra IT, HR, kundeservice, finans og ledelse. Spørgsmål: Hvilke processer er smertefulde? Hvor er jeres data? Hvad er jeres AI-erfaring?

Fase 2: Data og system assessment (2-3 uger)

Kortlægning af datasystemer (CRM, ERP, HR-system). API-test: Kan systemer tale sammen? Datakvalitetsanalyse af 100-500 records.

Fase 3: Procesanalyse (1-2 uger)

Identificer 5-10 høj-volumen processer der er kandidater til automation. Dokumentér flows. Vurder automatiseringspotentiale.

Fase 4: Roadmap og rapport (1 uge)

Levering af AI Readiness Score (1-100) for hver dimension plus samlet score. Gap-analyse: Hvad mangler I? Prioriteret roadmap: Fase 1, 2, 3. Quick wins I kan starte med nu.

Deliverables:

• 20-30 siders rapport
• Executive summary (2 pages til C-level)
• 12-måneders roadmap
• Cost/ROI estimater for top 3 AI-projekter

Hvad koster en AI readiness audit?

Priser varierer markant:

• Store konsulentfirmaer: 200K-500K DKK - omfattende, men ofte overkill for midmarket
• Mindre bureauer: 80K-150K DKK - standardiseret, mindre dyb analyse
• DIY-approach: Gratis (men kræver intern AI-ekspertise, som I måske ikke har)

Gennem AI-Orkestrator er audit inkluderet i 10-måneders transformationsprogrammet. Som standalone service: 75K-100K DKK.

ROI: En audit sparer typisk 200K-500K DKK i fejlinvesteringer ved at identificere blockers før I starter, prioritere projekter med højest ROI, og kortlægge data/processer så implementation går hurtigere.

Hvornår skal jeres virksomhed have en audit?

Du skal have en audit NU hvis:

• I overvejer at starte AI-projekter, men ved ikke hvor I skal begynde
• I har prøvet 1-2 AI-pilotprojekter, men de er gået i stå
• Ledelsen spørger "Er vi klar til AI?" - og ingen har et svar
• I skal opfylde EU AI Act krav, men ved ikke hvad I mangler
• I har data spredt over mange systemer og mistænker dårlig kvalitet
• I har 200+ medarbejdere og vil gøre det rigtigt første gang

Du kan vente hvis:

• I har under 50 ansatte (start med quick wins, ikke omfattende audit)
• I allerede har kørt 3+ succesfulde AI-projekter
• I har en intern AI-ekspert der kan lave assessment selv

Konklusion: En audit er forsikring mod dyre fejl

Ingen ville bygge et hus uden at undersøge grunden først. Samme logik gælder for AI-transformation.

En AI readiness audit er ikke en omkostning - det er forsikring mod 200K-500K DKK i fejlinvesteringer.

Den giver jer:

• Klarhed over hvor I står (ingen gætterier)
• En roadmap I kan følge (ikke bare en strategi-rapport)
• Quick wins I kan starte med nu (selv med lav modenhed)

Spørgsmålet er ikke "har vi råd til en audit?" - det er "har vi råd til IKKE at få en?"