Copilot kan hjælpe økonomi med tekst og overblik, ikke sandhed alene: med mindre hype og mere håndværk

Det er nemt at nikke til et AI-oplæg. Det er sværere at ændre den måde, teamet skriver referater, følger op på kunder eller forbereder beslutninger. Det er let at overvurdere teknologien og undervurdere hverdagen. Copilot bliver først nyttig, når den kobles til konkrete opgaver. Det gælder især Microsoft Copilot, fordi værktøjet ligger så tæt på de programmer, mange allerede bruger. Når AI flytter ind i Outlook, Teams, Word, Excel og PowerPoint, bliver det ikke et eksperiment ved siden af arbejdet. Det bliver en del af arbejdet.

Hvis man læser Microsoft, er bredden tydelig. Copilot kan indgå mange steder i Microsoft 365. Det er selvfølgelig en styrke. Men det er også derfor, en generel gennemgang hurtigt bliver for tynd. Medarbejderne ved, at værktøjet kan noget, men ikke nødvendigvis hvad de skal gøre anderledes i deres egen opgavebunke.

Derfor bør virksomheder starte mere lavpraktisk. Hvilke opgaver fylder faktisk? Det kan være ledelsesoplæg, prioriteringsnoter og korte briefinger. Når opgaven er tydelig, bliver det lettere at vurdere, om AI skal hjælpe med struktur, første udkast, opsummering, kontrolspørgsmål eller forbedring af en tekst. Det er mere nyttigt end endnu en lang funktionsliste.

I en økonomiafdeling kan en medarbejder få hjælp til at forklare en rapport i mere almindeligt sprog. Det er nyttigt. Men tallene, forudsætningerne og forbeholdene skal stadig kontrolleres af en person, der forstår dem. Den slags små situationer er mere værd i træningen end endnu et glansbillede af, hvad teknologien kan under perfekte forhold.

Det er også sådan, man bør tænke om Microsoft Copilot i økonomi. Ikke som et kursus i flere smarte prompts, men som træning i bedre arbejdsvaner. Hvad skal Copilot hjælpe med? Hvad skal mennesket stadig selv vurdere? Og hvornår er et svar bare et udkast, ikke en konklusion?

Pointen er ret jordnær: AI giver først mening, når mennesker kan se, hvad de konkret skal gøre anderledes. Det er fristende at kalde al AI-brug for effektivisering, men det er for nemt. Et hurtigt udkast kan spare tid. Et forkert udkast kan koste tid. En pæn formulering kan se professionel ud og stadig mangle fakta, kontekst eller ansvar.

Træningen bør derfor være lidt mere jordnær, end mange forventer. Deltagerne skal ikke kun se, hvad Copilot kan i en perfekt demo. De skal prøve at bruge værktøjet på en opgave, hvor input er rodet, konteksten er mangelfuld, og svaret skal redigeres, før det kan bruges. Det er sådan hverdagen ser ud.

En sælger kan bruge Copilot til forberedelse, men kundekendskabet må ikke blive erstattet af en generisk tekst. Det er ikke en teoretisk detalje. Det er forskellen på hjælp og autopilot.

Min tommelfingerregel ville være enkel: Lav få, klare eksempler. Hellere tre arbejdsgange der bliver brugt, end tredive prompts ingen kan huske. Den regel er ikke elegant, men den virker bedre end at lade hver afdeling opfinde sin egen AI-praksis.

Det giver også en bedre samtale om kvalitet. Hvis Copilot laver et første udkast, hvem ejer så vurderingen? Hvis værktøjet opsummerer et møde, hvem tjekker de vigtige nuancer? Hvis en medarbejder får hjælp til en tekst, hvordan sikrer man så, at tonen stadig passer til virksomheden? De spørgsmål bør være en fast del af træningen.

Microsoft er en god påmindelse om, at data, sikkerhed og kontekst ikke er detaljer, man kan lægge på bagefter. Hvis virksomheden vil bruge Copilot i rigtige arbejdsopgaver, skal medarbejdere kende forskel på åbne idéopgaver, interne dokumenter, fortrolige oplysninger og beslutninger, der kræver menneskelig kontrol.

En enkel model er at vælge tre hverdagsopgaver og lave faste spilleregler for dem. Hvilket input må bruges? Hvilket output ønskes? Hvem kontrollerer resultatet? Hvor gemmes de bedste eksempler? Og hvilke situationer skal stadig løses uden AI? Microsoft peger på samme grundproblem: ansvarlig AI-brug kræver mere end adgang til et værktøj.

Det er praktisk, lidt kedeligt og meget vigtigt. Og netop derfor virker det.