Sådan måler du faktisk AI’s forretningsmæssige effekt

Galen Low: Er det overhovedet muligt at kvantificere den effekt, AI har på en organisation?

Michael Domanic: Hvis du forbedrer en del af salgsprocessen, vil du gerne måle, hvor stor en forbedring det har skabt. Hvilket resultat opnåede det? Solgte vi mere? Nåede vi et omsætningsmål som følge af, at vi implementerede det i virksomheden?

Det samme gælder i marketing, hvor vi forbedrer mange processer. Okay, fint. Hvis vi for eksempel sparer tid på at skabe marketingkampagner, hvor mange flere kampagner kan vi så skabe, og hvad er værdien af de ekstra kampagner, vi laver? Jeg tror, det er her, man skal blive lidt mere fokuseret på at måle værdi.

Galen Low: Hvilke organisatoriske tankesæt og adfærdsmønstre skal ændres undervejs for at følge med på AI-forandringsrejsen?

Michael Domanic: Alle bliver nødt til at være komfortable med, at vi alle sammen vil være i en transformations- og læringsfase i en overskuelig fremtid. En af de ting, vi ved, er, at tempoet, hvormed mulighederne udbredes, ikke kommer til at stoppe. Det vil fortsætte med at accelerere, og vi bliver nødt til at være meget omstillingsparate over for alle disse ændringer og fremskridt.

Galen Low: Du har netop udgivet en artikel om dine forudsigelser for AI i 2026. En ting, du også fremsatte som hypotese, var, at UX-forskere og designere vil blive nogle af de vigtigste personer i virksomheder i 2026. Kan du gennemgå, hvad du mener med det?

Michael Domanic: Ja, altså …

Galen Low: Velkommen til The Digital Project Manager-podcasten — programmet, der hjælper ledere med leverancer med at arbejde smartere, levere mere gnidningsfrit og lede deres teams med selvtillid i AI-alderen. Jeg hedder Galen, og hver uge dykker vi ned i strategier fra den virkelige verden, nye tendenser, gennemprøvede rammeværk og den lejlighedsvise krigshistorie fra projektfrontlinjen. Uanset om du styrer massive transformationsprojekter, håndterer AI-arbejdsgange eller bare forsøger at holde kaosset under kontrol, er du kommet til det rette sted. Lad os komme i gang.

Okay, i dag taler vi om at aflive falske antagelser om AI i virksomhedskulturen og give den et systemmæssigt nulstillingspunkt, så vi bedre kan forstå, hvordan AI påvirker jeres kerneforretning — ikke kun forfængelighedsmetrikker. Vi gennemgår de rigtige og forkerte måder at måle AI's effekt på, hvordan en organisations syn på AI skal ændre sig, efterhånden som dens AI-modenhed udvikler sig, og vi kommer med nogle forudsigelser om, hvordan AI vil påvirke forretningstendenser gennem 2026.

Med mig i dag har jeg Michael Domanic, AI-chef hos UserTesting.

Michael har en mission om at drive transformation i hele virksomheden med AI for at frigøre meningsfuld forretningsværdi. Det gør han ved at samarbejde tæt med ledere på tværs af funktioner for at indlejre AI i centrale arbejdsgange, fremme en innovationskultur og opskalere AI-kompetencerne i sin organisation gennem en pragmatisk og effektorienteret tilgang.

Michael, tak fordi du vil være med i dag.

Michael Domanic: Tak, Galen. Jeg sætter virkelig pris på invitationen.

Galen Low: Jeg glæder mig til denne samtale, fordi vi havde nogle virkelig interessante forsamtaler op til den. Og jeg ved, at vi sikkert kommer til at zigzagge gennem emnet, men bare for en sikkerheds skyld — fordi jeg er projektleder — får du her den køreplan, jeg har skitseret for os i dag.

Til at begynde med ville jeg sætte scenen ved at få din umiddelbare vurdering af et stort, komplekst og kontroversielt spørgsmål, men derefter vil jeg gerne zoome ud og tale om tre ting. Først ville jeg tale om, hvordan I har implementeret AI og målt AI's effekt hos UserTesting, og også hvorfor I griber tingene an, som I gør.

Derefter vil jeg gerne undersøge, hvor kaninhullet fører hen, efterhånden som en organisation modnes gennem sin AI-rejse — hvilke tankesæt, adfærdsmønstre og værdier der skal ændres eller måske helt kasseres for at forblive succesfuld. Og til sidst vil jeg gerne dykke ned i nogle af dine forudsigelser for, hvordan AI vil påvirke vores arbejdsliv og den måde, vi driver forretning på i 2026.

Hvordan lyder det?

Michael Domanic: Det lyder godt. Lad os zigzagge lidt.

Galen Low: Lad os zigzagge. Lad os komme i gang. Okay, jeg tænkte, at jeg ville lægge ud med ét stort og komplekst spørgsmål, og jeg vil lige give det lidt kontekst. Sådan som jeg ser det, vil de fleste virksomheder gerne kunne måle, hvor succesfuld deres AI-implementering er.

Det evigt undvigende AI-afkast, der går videre end det binære spørgsmål om, hvorvidt man fejler eller ikke fejler, men holdningerne synes at være lidt delte. Nogle af de mennesker, jeg taler med, siger, at AI slet ikke behøver at blive målt, fordi det tydeligvis skaber forbedringer. Andre siger, at organisationer skal finde på helt nye AI-relaterede metrikker og måle dem stringent.

Så mit store og komplekse spørgsmål er dette: Er det overhovedet muligt at kvantificere den effekt, AI har på en organisation, eller er det på nuværende tidspunkt lidt af en umulig opgave for de fleste organisationer at tænke på deres transformation på den måde?

Michael Domanic: Ja, det er et godt spørgsmål, og det er et spørgsmål, der ofte bliver heftigt debatteret, især af folk som mig, der driver AI og organisationer.

Jeg tror, der findes en tankegang, som siger: Lad være med at måle AI's investeringsafkast — det er så tidligt. Og det bør føles som en grundforudsætning for de fleste organisationer, ikke? Man måler ikke investeringsafkastet af elektricitet. Man måler ikke investeringsafkastet af e-mail. Så hvorfor måle investeringsafkastet af dette?

Mit syn er lidt anderledes. Jeg forstår det godt, og jeg er enig i dele af det. Vi har en økonomidirektør, vi har en bestyrelse. Vi bruger mange penge på vores AI-transformation. Vi er nødt til at kunne vise en form for afkast af disse investeringer, ikke? Så i stedet for at forsøge at finde et samlet tal og sige: Dette er investeringsafkastet på tværs af organisationen ved at indføre AI, gør vi noget andet.

På kvartalsbasis ser vi på vores ti mest meningsfulde AI-implementeringer, og vi måler disse implementeringer. Vi måler investeringsafkastet af dem. Hvis nogen i organisationen for eksempel opretter en GPT, der skal hjælpe med en kritisk del af salgsprocessen, måler vi det.

Vi måler resultatet — ikke nødvendigvis den sparede tid. Jeg synes, at folk ofte bliver for fokuserede på tidsbesparelser, når de måler investeringsafkast. Tidsbesparelse er ikke et resultat, det er en fordel. Resultatet er i virkeligheden: Hvad opnåede du ved at implementere denne AI-løsning i denne del af virksomheden?

Hvis du forbedrer en del af salgsprocessen, vil du altså gerne måle, hvor stor en forbedring det har skabt. Hvilket resultat opnåede det? Solgte vi mere? Nåede vi et omsætningsmål som følge af, at vi implementerede det i virksomheden? Det samme gælder i marketing, hvor vi forbedrer mange processer.

Okay, fint. Hvis vi for eksempel sparer tid på at skabe marketingkampagner, hvor mange flere kampagner kan vi så skabe, og hvad er værdien af de ekstra kampagner, vi laver? Jeg tror, det er her, man skal blive lidt mere fokuseret på at måle værdi.

Galen Low: Jeg elsker den præcision — det niveau, hvor man ikke nødvendigvis går så detaljeret til værks, at man tæller sparede timer, og heller ikke nødvendigvis går langt ud af sin vej for at skabe nye metrikker og en ny måde at tænke på virksomheden på.

I sidste ende handler det om resultatet, og din pointe om, at vi ikke måler e-mail-effektivitet lige nu, er rigtig. På en eller anden måde er dette nyt og transformerende, men jeg springer lidt frem til forudsigelserne: Om et årti vil det på en eller anden måde være helt uopsigtsvækkende.

Michael Domanic: Enig. Og jeg tror, der er to forskellige typer ting, man kan måle. Der er det bløde investeringsafkast, som jeg kalder det, og så er der det hårde investeringsafkast. Det, jeg beskrev, er det hårde investeringsafkast — det, man faktisk kan måle. Man kan sige: Vi bookede 64 procent flere afklaringssamtaler i dette kvartal på grund af denne AI-løsning.

Vi ved, hvad værdien af en afklaringssamtale er. Det er en kritisk del af salgsprocessen i en SaaS-virksomhed. Men så er der de bløde metrikker eller mål, som for eksempel at vi har en AI-understøttet arbejdsstyrke. Vi ved, at folk gerne vil arbejde i AI-understøttede arbejdsstyrker, og vi ved, at det tilfører værdi og hjælper os med at rekruttere bedre talenter. Det er lidt sværere at måle, men vi ved, at det er vigtigt.

Galen Low: Jeg elsker det. Og ja, det dukker op i samtaler overalt lige nu. For at tiltrække de rigtige talenter er vi næsten nødt til at tænke på det på denne måde: Folk vil gerne arbejde i organisationer, der er progressive, som går forrest, og som befinder sig på forkanten af moderne forretning, fordi det lover godt.

Michael Domanic: Ja, helt sikkert. En anbefaling, jeg giver til alle, der er i en jobsamtale med en virksomhed, er, at et af de vigtigste spørgsmål, man skal stille, er: Fortæl mig om jeres AI-transformation. Fortæl mig, hvor AI-understøttet I er. Mit råd til virksomheder er, at de hellere må have et virkelig godt svar på det spørgsmål, hvis de forventer at tiltrække de bedste talenter.

Galen Low: Jeg vil meget gerne dykke ned i det — det er jo en hel anden episode, når det gælder jobsamtalen, jobsøgningsprocessen og en organisations brand. Det er et godt råd, for jeg ved med sikkerhed, at der er mange organisationer, som mener, at de har en solid tilgang og strategi for AI, men som måske ikke rent faktisk kan besvare spørgsmålet kort og præcist i en jobsamtale.

Det er meget interessant. Jeg spekulerer på, om vi kunne zoome lidt ud, for UserTesting er en platform, som mange af mine projektteams har brugt. Jeg har altid set det som en intelligent platform med fokus på at skabe effektfulde brugeroplevelser baseret på indsigt fra den virkelige verden, og det er jeg helt med på.

Det, jeg finder interessant ved dig, er, at du faktisk har en lang historie med organisationen. Du begyndte i en kundesuccesrolle og arbejdede dig derefter ind i AI-strategi, før du blev — jeg tror, din formelle titel nu er vicepræsident og chef for forretningsstrategi inden for generativ AI, hvilket er fantastisk.

Tillykke med det. Af alle de grunde er jeg meget interesseret i at høre dine tanker om AI, hvordan man måler den effekt, AI har på en organisation, og hvordan man ændrer organisationskulturen. Men måske bare for at skabe et fælles udgangspunkt: Kan du give mig nogle eksempler på, hvordan teamet hos UserTesting bruger AI i deres arbejde i dag?

Vi har talt om markedsføring og salg og om at booke samtaler. Hvor fører kaninhullet hen for dig?

Michael Domanic: AI spiller en stor rolle i næsten alt, hvad vi gør nu, fordi vi reelt er kommet forbi adoptionskurven og implementerer det overalt, hvor vi mener, at det vil skabe værdi — hvilket gælder for det meste af det, vi laver.

Jeg kan give dig mange detaljerede eksempler, men på et overordnet niveau er vi igen en SaaS-virksomhed. Der er nogle ting, vi skal være virkelig gode til som SaaS-virksomhed for at få succes: Vi skal øge omsætningen, fastholde vores kunder og øge vores produkthastighed.

Det er dér, jeg forsøger at fokusere. Jeg kunne bruge alle mine dage på at fokusere på alle dele af virksomheden, men jeg ved, at disse AI-implementeringer vil have den største effekt. I vores produkt gør de fleste produktteams sikkert allerede dette nu, eller også ved de, at de burde gøre det.

Hvis du er udvikler, bør du bruge værktøjer som Codex. Du bør bruge værktøjer som Copilot og Cursor, som kan udvide din proces, skabe større effektivitet og større stringens i den kode, du skriver. Designerne i vores produktteam bruger værktøjer til hurtig prototyping.

De laver stemningskodning. De skaber prototyper meget hurtigere, så vi igen kan øge produkthastigheden. Vi vil skabe bedre produkter, og vi vil skabe dem hurtigere. Så hele produktteamet er involveret i den proces. Hvis du går videre til markedsføring og salg, har jeg allerede nævnt nogle eksempler på, hvad salgsteamet gør.

Vi opretter tilpassede GPT'er for at forbedre dele af salgsprocessen. Vores salgsudviklingsrepræsentanter har en række GPT'er, der hjælper dem med at målrette mere relevante potentielle kunder, føre bedre samtaler med dem og vække deres interesse for en samtale eller afklaringssamtale med os, så vi kan identificere, hvilke udfordringer virksomheden har, som vi potentielt kan løse.

Vores marketingteam bruger det til at skabe bedre kampagner, skabe kampagnerne hurtigere, skrive og redigere tekst og skabe billeder. Så ja, det bruges på tværs af hele virksomheden.

Galen Low: Jeg synes, SaaS er et virkelig godt anvendelsesområde for dette, hvor hastighed er vigtig. Konkurrencen er ekstremt hård inden for alle SaaS-områder.

Ikke nok med det, så er adgangsbarriererne nu meget lavere af alle de grunde, du netop forklarede. Du behøver ikke et helt udviklingsteam på hundrede personer. Du behøver ikke halvtreds interaktionsdesignere eller produktejere med to årtiers erfaring. Det lukker nu det hul, men konkurrenterne kan indhente dig meget hurtigere, og alt bevæger sig så voldsomt hurtigt i den verden, hvor det faktisk er berettiget.

Jeg ved, at mange af mine projektlederlyttere altid oplever presset: Lever hurtigere, bedre og billigere. Og de tænker: Det her er ikke særlig motiverende. Det handler bare om, at organisationen kan fylde lommerne. Men det, jeg godt kan lide ved det, du siger, er, at organisationens sundhed og fremsynethed og dens succes løfter alle både, fordi hastigheden er vigtig i jeres branche.

Michael Domanic: Og med hensyn til din pointe om, at barriererne falder, er vi meget bevidste om de hastigt faldende adgangsbarrierer til SaaS.

Vi ved, at vi skal være bedre til alt, hvad vi gør. For at gå lidt mere i dybden med dette punkt: Det er ligegyldigt, om du er en SaaS-virksomhed eller næsten enhver anden virksomhed. Der er tre måder, man bruger AI på i en forretningsmæssig eller professionel sammenhæng.

For det første bruger vi AI som en praktikant. Det er et værdifuldt anvendelsesområde, hvor du bruger AI til at opsummere dokumenter eller lave lidt research. Hvis du er sælger, vil du gerne forstå de konti, du sælger til. Hvis du havde denne supersmarte praktikant, ville du bede personen om at hjælpe dig med at undersøge potentielle kunder og de kunder, du arbejder med.

Den anden måde, vi bruger AI på i en organisation, er som assistent, og det går over i det mere generative. Marketingteamet bruger AI til at skabe tekst, e-mails eller LinkedIn-opslag. Det er alt det skabende, man kan bruge AI til.

De to første anvendelsesområder er meget værdifulde, men intet kommer tæt på værdien af det tredje: at bruge AI som tænkemakker.

AI er meget god til at give strategisk indsigt i de ting, du forsøger at gøre i din virksomhed. Jeg taler om dette hele tiden i vores organisation. Jeg vil have, at alle bruger det til de to første anvendelsesområder, men det, jeg virkelig ønsker, er, at de fører en strategisk samtale med det AI-værktøj, de bruger, for at styrke deres strategi og den tilgang, de har til virksomhedens store udfordringer.

Galen Low: Det kan jeg virkelig godt lide. Det gør mig nysgerrig på din rolle. Vi har talt om, hvordan man måler AI's effekt, men din rolle er bogstaveligt talt at lede organisationens transformation gennem AI.

Hvor involveret er du? Sidder du og holder øje med alle teams? Er det mere en form for mindre hyppig coaching? Hvordan planter du disse frø og får folk til at aktivere disse tankesæt omkring, hvordan man bruger AI og også tænker kritisk om AI?

Ikke bare som en tænkemakker eller en, der udfører arbejdet, hvorefter man kopierer og indsætter, men faktisk hvordan man udfordrer det, der kommer tilbage, og tilføjer og forbedrer det med sin egen menneskelige dømmekraft.

Michael Domanic: Der er meget at pakke ud, og vi forsøger at gøre så meget. Når det gælder forventningen om at transformere en organisation omkring AI, ved vi, at vi skal give alle værktøjer, træning og mulighed for at blive sat i stand til at gøre det.

Vi er en virksomhed med omkring 750-800 personer, så jeg kan ikke være alle steder på én gang. Jeg kan ikke have disse samtaler med alle teams, ikke engang på ugentlig basis.

Jeg forsøger at fokusere på de ting, der betyder mest i organisationen. Vi talte om de tre kategorier tidligere. Uden for dem er der mange værdifulde ting at gøre. En vigtig del af dette, som jeg stærkt vil opfordre de fleste organisationer til også at gøre, er at se på hele organisationen og finde de mennesker, der allerede eksperimenterer, og som engagerer sig. De bliver jeres ekspertisecenter.

Vi har et ekspertisecenter her hos UserTesting. Det består af omkring to dusin tværfunktionelle personer fra hele organisationen — folk fra HR, salg, marketing, produktudvikling og teknik, altså fra alle dele af virksomheden. Vi udpeger dem til at være AI-eksperter i deres teams.

De melder sig til missionen og siger: Jeg vil være dybt involveret i dette. Jeg vil forsøge at få overblik over alle de konstante ændringer inden for AI, og jeg vil forsøge at finde ud af, hvilke AI-implementeringer der er mest meningsfulde for min rolle. Jeg vil tale med folk, der har samme rolle, og med folk i roller, der ligger tæt på min, og så finder vi sammen ud af, hvordan dette skal fungere.

Det har faktisk været en meget stor del af vores adoptionsrejse. Det har været en stor del af vores transformation at gøre dette ekspertisecenter til eksperter i deres team og i deres del af virksomheden.

Galen Low: Jeg elsker den tilgang. Jeg elsker tilgangen med at sætte folk i stand til at handle. Så meget af det, jeg hører fra folk, der føler, at AI bliver presset ned over hovedet på dem med meget lidt retning, handler om, at dette skaber den rigtige balance.

Du kan ikke være overalt i organisationen. Jeg antager, at du ikke har en stor flok underordnede, som også arbejder med AI-transformation, og som du kan sende ud i organisationen.

Men jeg kan virkelig godt lide modellen med et praksisfællesskab, fordi den tager højde for, at eksperterne i det, de laver, skal uddannes i AI, men også skal træffe beslutningerne om, hvor der er størst værdi at hente, og hvordan det derefter skal rulles ud.

Michael Domanic: Jeg føler, at jeg ved nok til at være farlig i de fleste dele af virksomheden, men jeg er ikke ekspert i næsten alle virksomhedens funktioner. De mennesker, der udfører arbejdet hver dag, er eksperterne.

Så længe vi har en samtale om AI's muligheder, er det dem, der faktisk vil afkode, hvad disse muligheder betyder for deres roller og for andre mennesker i deres roller — igen også mennesker i roller, der ligger tæt på deres egne.

Galen Low: Det billede, jeg har i hovedet, er mennesker, der bliver udpeget, rækker hånden op og får beføjelser. Har du mødt det modsatte? Hvilken form for modstand eller måske falske antagelser om AI er du stødt på i din rolle, mens du faciliterer virksomhedens transformation, og hvordan har du håndteret det?

Michael Domanic: Der findes samvittighedsfulde modstandere i enhver organisation, som måske ikke føler, at de er med på dette. Jeg har en ret åben og respektfuld tilgang til disse personer. Der er ikke noget hårdt krav om, at man absolut skal bruge AI i organisationen, men vi forventer, at man forstår, at man efter min mening er dårligere stillet på nuværende tidspunkt, hvis man siger: Jeg vil ikke eksperimentere, og jeg vil ikke ændre den måde, jeg arbejder på.

Jeg forsøger at hjælpe folk med at erkende det, men samtidig respektere, at der er nogle legitime bekymringer. Det går så hurtigt. Der kan være potentielle miljømæssige konsekvenser, som vi måske ikke ønsker at skrive under på.

Jeg forsøger derfor at respektere de samvittighedsfulde modstandere. Jeg tror faktisk, at det er dem, jeg helst vil have med ved bordet — mere end dem, der er begejstrede for AI og virkelig gerne vil engagere sig. De samvittighedsfulde modstandere har måske tænkt mere grundigt over det end resten af os.

Hvad betyder alt dette egentlig? Jeg værdsætter virkelig det perspektiv. Jeg forsøger at formulere det så tydeligt som muligt over for denne gruppe. Jeg respekterer, at du gerne vil stå udenfor denne gang, men jeg vil også gerne have dig involveret, fordi du har et vigtigt perspektiv og en vigtig stemme i alt dette.

Galen Low: Det er en virkelig god pointe, og jeg kan godt lide, at du fremhæver de samvittighedsfulde modstandere. Det er mennesker, der tænker grundigt over dette, genovervejer tingene i forhold til deres moral og værdier og deres velbefindende og levebrød.

Det adskiller sig fra de åbenlyse modstandere, som ikke rigtigt har engageret sig i det eller kradset i overfladen. De er måske — og det er fair nok — bange eller bekymrede og har ikke rigtigt tænkt over det. Men jeg kan godt lide, at du bevidst inviterer disse samvittighedsfulde modstandere med til bordet.

Fra et projektledelsesperspektiv repræsenterer de risiko. De tænker over risici. Og det er faktisk på nogle måder det, vi har brug for: nogen, der måske lige trykker på bremsen, mennesker i kredsløbet, som udfordrer og stiller spørgsmål i stedet for bare at tage alt for pålydende.

For hvis vi tager alt for pålydende i det tempo, det kommer til os med, fører det ikke nødvendigvis til det bedste resultat for enhver organisation.

Michael Domanic: For at være tydelig: Jeg tror, at de fleste organisationer har to grupper blandt de mennesker, der måske ikke bruger AI eller tager det til sig.

Den ene gruppe er bare ikke interesseret nok til at tænke over, hvordan de bør ændre den måde, de arbejder på. Jeg vil ikke bruge en masse energi på dem, men jeg vil gerne bruge meget energi på de mennesker, der ikke bruger AI, fordi de tænker meget grundigt over det. Det er faktisk meget informativt for os.

Galen Low: Det er interessant. Og på nogle måder også en god ting — det er jo UserTesting på en eller anden måde. Jeg tænkte, at jeg måske ville gå den vej. Jeg er nysgerrig, for jeg elsker platformen og værktøjet: Bruger I jeres eget produkt til at teste nye AI-baserede arbejdsformer?

Michael Domanic: Det gør vi faktisk ret ofte. Sjovt nok begyndte min rejse ind i UserTesting for syv år siden.

For ti år siden byggede jeg AI-løsninger og testede dem inde i UserTesting. Det var på en måde AI's første hypecyklus. Så døde den ud, og nu er vi i hypecyklus 2.0, som er meget, meget større end 1.0.

Mit job er at drive transformation i organisationen, så jeg bruger hele tiden vores platform til at indsamle feedback på tværs af virksomheden om de ting, vi laver.

Det kan være vores halvårlige undersøgelse af AI-kompetencer, hvor vi stiller spørgsmål om, hvordan folk har det med AI, og hvor de føler, at de har brug for mere støtte i deres egen personlige transformation. Vi ser på, hvordan folk bruger AI i mange forskellige kategorier på tværs af organisationen.

Vi spørger om værktøjer, som vi måske ikke har adgang til i dag, men som folk gerne vil bruge. Det er meget informativt for mig og hjælper mig med at forbedre den støtte, vi tilbyder i hele virksomheden.

Vi har opbygget en meget stærk kultur omkring tilpassede GPT'er hos UserTesting. Vi har faktisk bygget næsten tusind nu, og vi er en virksomhed med omkring 750 personer.

En stor del af det er eksperimentering — værdifuld eksperimentering — men der er mange tilpassede GPT'er, som er blevet bygget på tværs af UserTesting, og som bruges af store dele af virksomheden, hvis ikke hele virksomheden.

De GPT'er, vi bygger, og som bruges af store målgrupper, tester vi inde i UserTesting med en testgruppe, en intern testgruppe. Vi sikrer, at de er intuitive, og at de faktisk løser det problem, de er beregnet til at løse.

De må ikke være for komplicerede. Jeg ønsker ikke, at nogen skal være en avanceret promptingeniør for at kunne bruge disse tilpassede GPT'er. Så vi bruger vores platform til at indsamle feedback på de AI-løsninger, vi stiller til rådighed for vores medarbejdere og arbejdsstyrke.

Galen Low: Det er en virkelig god praksis og sikkert noget, mange flere burde gøre — med UserTesting eller et andet værktøj.

Jeg synes, der er så meget fascination af pilotprojekter og eksperimentering lige nu, men jeg ser færre samtaler om optimering, feedback og om at tale med mennesker om, hvordan noget kan forbedres. Mange går bare videre til den næste tilpassede GPT, den næste stemningskodede app eller hvad det nu måtte være, mens nogle af disse GPT'er faktisk er gode og kan forbedres over tid på baggrund af brugerfeedback.

Jeg synes, det er en virkelig god praksis. Og må jeg også sige, at jeg virkelig godt kan lide det, jeg hører om kulturen hos jer? I lever efter disse menneskecentrerede værdier. Du sagde tidligere, at folk ikke er tvunget til at bruge AI-værktøjer.

Jeg kender organisationer, der bogstaveligt talt måler, hvor ofte nogen logger ind på Cursor, eller som har præstationsvurderinger med metrikker for AI-brug. Jeg forstår det godt, men det virker også meget tvunget.

Jeg kan faktisk godt lide det billede, du tegner af, at folk får beføjelse til at træffe beslutninger selv. I opmuntrer dem til at udforske det fra et autentisk udgangspunkt. De skal ikke sakke bagud, og du mener, at det faktisk er til deres fordel at lære disse værktøjer.

Jeg forstår det fuldstændigt. Og det andet, jeg godt kunne lide, var, at jeres metrikker — både for dig selv og for teamene — er baseret på centrale forretningsmetrikker. I måler ikke nødvendigvis AI specifikt eller uafhængigt, men hvordan det faktisk påvirker virksomheden.

Jeg tror, jeg gerne vil gå videre herfra ved at tale om, at du og jeg talte om, at intet af dette er statisk. Alt bevæger sig hele tiden. Transformation står ikke stille.

Jeg ser ting online, hvor folk siger, at der ikke findes nogen bedste praksis lige nu, fordi alt bevæger sig, og fordi der ikke kommer til at være én magisk løsning, der virker for altid, når man skal lykkes med AI-transformationer.

Det går gennem flere stadier eller faser, efterhånden som en organisation opnår større AI-modenhed. Så jeg ville spørge dig, hvilke organisatoriske tankesæt og adfærdsmønstre der skal ændres undervejs for at følge med på AI-forandringsrejsen — også selv om det er ting, organisationen netop har fundet ud af eller lært i den foregående fase.

Michael Domanic: Jeg tror, alle bliver nødt til at være komfortable med, at vi alle sammen vil være i en transformations- og læringsfase i en overskuelig fremtid. Det kan være de næste fem eller ti år. Jeg ved ikke, hvor længe det varer, men det bliver et stykke tid. Mit råd er: Vend jer til det nu.

En måde at se på det på er at tænke på alle de fremskridt, der er sket inden for AI de seneste tre år. Forestil dig nu, at alle disse fremskridt blev sat på pause i dag, og at vi bevægede os ind i fremtiden med alle de muligheder, der er blevet opbygget i løbet af de sidste tre år.

Det ville tage os mindst ti år at udfolde og forstå, hvordan det kommer til at påvirke vores organisationer. Jeg ville nok sige længere end det, men mindst ti år ville den transformationsrejse vare.

En af de ting, vi ved, er, at tempoet, hvormed mulighederne udbredes, ikke kommer til at stoppe. Det vil fortsætte med at accelerere, og vi bliver nødt til at være meget omstillingsparate over for alle disse ændringer og fremskridt i en overskuelig fremtid.

Mit råd til enhver organisation på nuværende tidspunkt er derfor, at man skal begynde at blive virkelig komfortabel med at være meget omstillingsparat meget hurtigt i forhold til al denne transformation og forandring.

Galen Low: Jeg elsker det. Det er skræmmende og på nogle måder ligefrem rædselsvækkende. Man ser organisationer, hvor AI-transformationen lyder sådan: Ja, vi springer bare over denne flod, det skal nok gå. Men i virkeligheden træder de ud i et hav, som er endeløst.

Michael Domanic: Jeg tror, det er dér, denne transformation adskiller sig fra næsten alle tidligere transformationer. Det føltes som: Her er denne store ting, som vi skal transformere omkring, og som vi skal tilpasse os. Det føltes som noget, der måske ville tage et par år eller lidt længere, men vi vidste, at der var noget på den anden side.

Når det gælder udbredelsen af generativ AI og det faktum, at kunstig generel intelligens måske er på horisonten, tror jeg, at den transformation, vi har gennemgået de seneste tre år, knap nok kradser i overfladen af det, vi kommer til at håndtere de næste ti år.

Galen Low: Det er vildt.

Michael Domanic: Jeg ved det. Det er lidt dommedagsagtigt og en smule skræmmende, men det er virkeligheden. Vi skal bare vænne os til den virkelighed.

Galen Low: Og jeg tror, det afgørende er at acceptere, at det, der ligger foran os, er enormt. Det er ikke bare noget, vi begynder på og afslutter. Det er faktisk en ny episteme for den måde, vi tænker på, og hvis vi kan omfavne det, står vi på en eller anden måde meget bedre end hvis vi antager, at det er midlertidigt.

Michael Domanic: Ja.

Galen Low: Må jeg hurtigt vende tilbage til metrikkerne og målingerne?

Du sagde, at I lige nu er i en fase, hvor det er knyttet til kerneforretningen. I måler ikke disse ting uden for kerneforretningen; det forbedrer den bare. Vil det ændre sig i jeres organisation, når I går ind i en fremtidig fase? Ser du, at det bliver målt anderledes, når vi begynder at forstå dybden af den forandring, vi står over for, og begynder at innovere vores virksomheder uden for det, vi forstår som den centrale forretningsmodel?

Michael Domanic: Vil det ændre sig? Ja. Hvordan det ændrer sig, er lidt mere uklart. Noget af det, vi ser på lige nu, er, at vi går ind i 2026. Når jeg ser på de seneste 18 måneder af vores formelle transformation, har vi især målt to ting.

Det første er anvendelsen — anvendelsen af AI på tværs af organisationen. Det er lidt af en forfængelighedsmetrik, men den er kritisk. Du kan ikke transformere dig, medmindre du bruger værktøjerne. Vi er nødt til at følge det. Lige nu er vi på et punkt, hvor jeg vil sige, at vi har fuld AI-anvendelse. Vores ugentligt og dagligt aktive brugere af AI-værktøjer er næsten hundrede procent.

Den anden ting, vi har fulgt de seneste 18 måneder, er, hvordan det påvirker forretningsresultaterne. Det vil vi helt sikkert fortsætte med. Vi vil nok lægge mindre vægt på anvendelsesmetrikkerne.

Fremadrettet har jeg de seneste måneder sagt til vores øverste ledelse, at vi nu går ind i fase to. Fase to kommer i høj grad til at handle om autonome AI-agenter og om at bringe dem ind i forretningsprocesserne på tværs af organisationen.

Det kommer vi til at måle. Vi har lavet nogle eksperimenter de seneste måneder, men når vi for alvor begynder den formelle udrulning på tværs af organisationen, bliver vi nødt til at fokusere meget skarpt på, hvordan det påvirker processer og arbejdsgange i virksomheden.

Jeg ved endnu ikke helt, hvordan det kommer til at se ud, men jeg har en idé. Det vender nok tilbage til måling af forretningsresultater, men måske på en anden måde. Vi vil fortsætte med at forfine det, efterhånden som vi går videre.

Galen Low: Det kan jeg godt lide. Du talte tidligere om den bløde side af tingene, kulturen.

Jeg kan faktisk godt lide den måde, du griber brugen af værktøjer an på. Det er ikke obligatorisk, men I ser på, om folk bruger dem. Nu går I ind i fase to, hvor spørgsmålet er, om I bruger agenter. Der er mange spørgsmål, som virksomhederne selv bliver nødt til at finde svar på ud fra deres egen specifikke forretning, når de skal måle det.

Jeg ville skifte spor og runde af med at tale om fremtiden, især fordi du netop har udgivet en artikel, som jeg nød at læse, om dine forudsigelser for AI i 2026.

Blandt dem var ting som roller som din egen, hvor en AI-chef bliver en grundforudsætning for mellemstore og store virksomheder, eller AI-agenter, der stille kører showet i baggrunden, sådan som vi har talt om.

Du nævnte strategidæk om tiden efter kunstig generel intelligens, som cirkulerer blandt den øverste ledelse, hvilket jeg synes er virkelig interessant, uanset om folk faktisk forstår, hvad det betyder. Og den anden ting er, at vores feeds, sociale medier og informationskilder bliver meget mere — og jeg sætter det i citationstegn — sjuskede, fordi der kommer mere AI-genereret indhold i dem.

Der vil sikkert også være godt AI-indhold, men også andet rod. Den ene ting, du også fremsatte som hypotese, var, at UX-forskere og designere vil blive nogle af de vigtigste personer i virksomheder i 2026. Kan du gennemgå, hvad du mener med det?

Michael Domanic: Vi talte tidligere om, hvordan barriererne for at skabe produkter og alt det, der hører med, falder meget hurtigt.

Det har aldrig været lettere at skabe wireframes og prototyper i stor skala eller endda skabe en ny virksomhed. Virksomheder bruger nu disse værktøjer, som hjælper dem med at øge produkthastigheden.

Men noget, der stadig er utroligt svært, er at skabe produkter, som folk faktisk har lyst til at bruge. Det er dér, designere og UX-forskere kommer ind. De bliver eksperterne i rummet, som hjælper virksomheden med at forstå, hvilke af alle de stemningskodningsværktøjer, vi bruger til at skabe alle disse nye produkter, der faktisk vil vække genklang hos vores kunder.

Jeg synes, UX-designere og UX-forskere altid har spillet en utrolig vigtig rolle, især for SaaS-virksomheder som vores. Men selv hvis du skaber et forbrugerprodukt, er det igen en meget vigtig rolle. Der vil være efterspørgsel efter, at virksomheder skaber disse produkter meget hurtigere.

Det er ikke blevet lettere i dag at skabe produkter, der vækker genklang hos kunderne, end det var for tre år siden. Jeg tror, at mennesker inden for UX-disciplinen bliver de eftertragtede eksperter, som skal hjælpe deres virksomheder med at gøre det.

Hvis du lancerer ti gange så mange funktioner næste år som sidste år, og funktionerne ikke vækker genklang hos kunderne, har du ikke flyttet nålen. Du har ikke øget din produkthastighed.

Galen Low: Der er så meget i det. Faste lyttere ved, at jeg har et meget blødt punkt for god brugeroplevelsesdesign, fordi jeg kommer fra en baggrund inden for menneskecentreret design.

Michael Domanic: Vi har det samme bløde punkt.

Galen Low: Ja. Og det, du nævnte i begyndelsen, er virkelig vigtigt. Nogle tænker måske: Vent lidt, du sagde lige, at wireframing bliver lettere, kodning bliver lettere, og udvikling af oplevelser bliver lettere. Hvorfor skulle en UX-person så være værdifuld?

Er det ikke hele deres job? Og dér ligger problemet, for det er faktisk ikke det, jobbet går ud på. Jobbet handler om at skabe genklang hos brugerne.

Så tænker jeg på jeres transformation internt — ikke engang kun det eksterne produkt — hvor brugerne interagerer med den digitale teknologi, I har bygget for at opnå en eller anden form for AI-transformation. Det er UX, der er brug for dér.

De er brugere nu. De er ikke bare medarbejdere, der bruger et internt værktøj. Jeg tror, alle, der lytter, og også du, har oplevet et internt værktøj, som ingen tager sig af, fordi det er internt.

Det er bare: Ja, vi må kæmpe os igennem dette forfærdelige, sammenflikkede pseudo-ERP-system, så vi kan drive virksomheden. Men ingen tænker på at forbedre det.

Og alligevel handler adoptionsudfordringen om at få folk til at begynde at bruge disse værktøjer og gradvist gøre dem bedre. Ikke bare: Fint, vi gjorde det, vi har vores tilpassede GPT'er, så er vi færdige. Men faktisk at skabe en oplevelse, som folk vil bruge, og som de finder værdifuld, så kulturen løftes, virksomheden bliver sundere, og I kan tiltrække de talenter, der kommer til at udføre godt arbejde, samtidig med at I bevarer hastigheden og innovationsniveauet — især i SaaS, men i enhver virksomhed.

Så vi kan fortsætte ind i dette enorme landskab.

Michael Domanic: Jeg er helt enig.

Galen Low: Jeg improviserer bare ud fra det, du sagde. Jeg nød virkelig den artikel. Jeg inkluderer et link til den i shownoterne, for selv om jeg har lyst til at dykke ned i hver enkelt pointe, er der så meget at pakke ud. Måske er det en samtale til en anden gang.

Michael Domanic: Når jeg tænker på det, jeg skrev i artiklen, er det naturligvis UX-delen, der måske vil give mest genklang hos dit publikum. Men gør jer også klar til sjuskets apokalypse, for den kommer. Jeg forudsiger et massivt fald i brugen af sociale medier ved udgangen af 2026.

Jeg tror, folk simpelthen bliver trætte af alt det sjusk og ikke rigtigt ved, hvad de ser på. Og jeg tror faktisk også, at UX spiller en rolle her. Hvis du er en virksomhed inden for sociale medier, skal du tænke meget strategisk over, hvad det betyder for din virksomhed, og hvilken oplevelse du vil levere til de mennesker, der bruger dine produkter.

Vi forsøger altså alle sammen at undgå sjuskets apokalypse, men den kommer.

Galen Low: Vi slider vores kanaler op så hurtigt i disse dage. Min indbakke er for eksempel håbløs. E-mail er en kanal, vi næsten ikke bruger længere, fordi det meste af det, jeg får, er spam. Det bliver interessant at se, hvad der træder i stedet, eller hvordan vi tilpasser os.

Michael Domanic: Helt sikkert.

Galen Low: Michael, det har været fantastisk. Jeg sætter virkelig pris på det. Bare for sjov: Har du et spørgsmål, du gerne vil stille mig?

Michael Domanic: Hvad er dine forudsigelser for AI i 2026?

Galen Low: På et meget overordnet niveau og måske fra en optimistisk vinkel tror jeg, at nogle af myterne, især frygtscenarierne, begynder at forsvinde.

De bliver irrelevante. Den tvingende faktor er, at folk faktisk bruger det og opdager, hvad det kan bruges til, hvad det er godt til, og hvad det ikke er godt til. Jeg tror, at meget af det, man kunne kalde hypecyklus 3.0, bliver, at folk bare siger: Okay, jeg kan ikke længere gøre det til et boogeyman.

Det er en ting. Teknologi er ikke nødvendigvis god eller dårlig, men jeg håber, at nogle af de mindre faktabaserede hurtige meninger om AI, transformation, hvad organisationer gør, og hvordan det påvirker forretningen, begynder at forsvinde fra samtalen.

Ja, måske kommer der mere sjusk ind, men jeg håber, at noget af den menneskeskabte frygt, der kommer fra et uoplyst sted, begynder at forsvinde.

Michael Domanic: Interessant. Så vi holder alle sammen op med at læse folk som Gary Marcus, der er AI-dommedagsprofeter.

Galen Low: Der vil nok stadig være dommedagsprofeter. Jeg håber bare, at der bliver færre af dem. Michael, jeg sætter virkelig pris på det. For folk, der gerne vil vide mere om dig og UserTesting, hvor kan de lære mere om dig?

Michael Domanic: Du kan følge mig på LinkedIn.

Jeg lægger en masse om AI på LinkedIn, hvis du er interesseret i at følge med. Ellers kan du besøge UserTesting, hvis du er i en virksomhed, der gerne vil have feedback på noget, I laver.

Det kan være jeres AI-transformationsprogram, de produkter, I skaber, eller det sjusk, I skaber — hvad som helst. Hvis I vil have feedback, så lad os det vide.

Galen Low: Jeg elsker de tre anvendelsesområder. Fantastisk. Michael, tak igen. Jeg sætter virkelig pris på det.

Michael Domanic: Okay, tak, Galen. Det var en fornøjelse at tale med dig.

Galen Low: Det var alt for dagens episode af The Digital Project Manager-podcasten. Hvis du nød denne samtale, så husk at abonnere dér, hvor du lytter. Og hvis du vil have endnu mere praktisk indsigt som casestudier og spillebøger, så gå ind på thedigitalprojectmanager.com.

Indtil næste gang — tak, fordi du lyttede.