Jeres AI-afkast i næste kvartal starter med at opsige en kontrakt

Alle bestyrelser spørger ledelsen til AI-strategien. Hvor er gevinsten? Hvad er afkastet? Hvornår begynder vi at se det på top- og bundlinje?

Ledelsen har initieret nogle projekter: en AI-assistent i kundeservice, en række automatiseringer i bogholderiet, eller måske et proof-of-concept i HR. Det lyder af noget, men når regnestykket gøres op, er bundlinjeeffekten marginal. Bestyrelsen har spurgt i seks måneder, og svaret er stadig det samme. Indsatserne kører, men effekten er ikke til at få øje på. Ledelsen har ikke gjort noget forkert, den har bare investeret det forkerte sted.

Den interne AI-omstilling er det sværeste sted at hente afkast: legacy-systemer, arbejdsgange der har taget år at finpudse, medarbejdere der skal omskoles. Læg hertil IT-sikkerhed, jura og data governance. En CFO, der vil implementere AI i økonomifunktionen, kæmper mod et ERP-system fra sidste årtusinde. Tidshorisonten er år, risikoen høj, og afkastet svært at kvantificere.

Problemet er ikke kun dansk. Uber har offentligt indrømmet, at virksomheden brugte hele sit AI-kodeværktøjsbudget for 2026 allerede i april. Driftsdirektør Andrew MacDonald sagde i slutningen af maj, at sammenhængen mellem stigende token-forbrug og nyttige funktioner til kunderne "ikke er der endnu". Walmart har sat loft over medarbejdernes AI-forbrug. Og Dansk Erhvervs branchedirektør for digitalisering, Frederikke Saabye, sagde forleden til TV 2, at en del danske virksomheder har rullet enterprise-licenser bredt ud uden en business case, og at de færreste kan isolere effekten i forretningstallene.

De succesfulde virksomheder måler på forretningseffekt, men den danske AI-debat går sjældent længere end dertil. Den fortæller virksomhederne, at de skal have et afkast, men ikke hvad de skal måle på, eller hvor afkastet findes. Imens sælger rådgivningshuse, IT-konsulenter og change management-konsulenter "AI-strategi", interne implementeringer og transformation i 12-måneders forløb. De har alle en kommerciel interesse i at holde virksomheden på det interne spor. Det er der deres marginer er.

Den hurtigste og mest friktionsløse vej til AI-afkast ligger på de eksterne services I allerede køber. Risk management, og dele af revision, juridisk rådgivning og brancheanalyser. Det er services, hvor budgettet og outcome-købet allerede eksisterer, hvor leverandøren er udskilt fra forretningen, og hvor prissætningen hviler på et forældet grundlag. Ingen organisatorisk omstilling, ingen omskoling, ingen legacy-systemer i vejen. Bare en kontrakt der kan opsiges.

Den største udgiftspost ligger fortsat internt, i lønsummen. Men den ligger længst væk, og en del af den bliver i forvejen brugt på at servicere de eksterne rådgivere. Når en risikorådgiver beder om policedokumenter, regnskabsoplysninger eller medarbejderdata, er det interne medarbejdere, der bruger timer på at samle det. Et leverandørskifte til et AI-native alternativ, der trækker dataene selv, frigør ikke kun de eksterne kroner. Det frigør også intern tid, der i dag faktureres usynligt over rådgiverens service.

På de eksterne services er afkastet hurtigt og målbart, og det rammer regnskabet i indeværende kvartal. Når en AI-agent kan levere mere service, hurtigere og mere konsistent, er implementeringen ikke en transformation. Det er et leverandørskifte, og det er den letteste AI-implementering en CFO kan gennemføre.

Indvendingen er forudsigelig: hvis det er så friktionsløst, hvorfor er det så ikke sket allerede? Svaret er tillid og ansvar. Når CFO'en betaler sin rådgiver, køber han ikke kun analysen. Han køber en at ringe til, når skaden sker, og en at placere ansvaret hos.

Det er en reel indvending, og den kan besvares. Et AI-native alternativ kan både levere analysen og overtage ansvaret kontraktuelt gennem dokumenterede metoder, professionsansvarsforsikring og samme regulatoriske ramme som en traditionel rådgiver. Når det er på plads, er der intet tilbage at retfærdiggøre den gamle pris med.

Tag risk management som eksempel. En risikorådgiver kortlægger eksponeringer, sammenligner mellem selskaber og forhandler vilkår, og prøver oveni at sælge konsulenttimer på "særlige" projekter. Det meste er rent intelligence-arbejde: indsamle, sammenligne, udfylde. Den klassiske rådgiver sælger sin tid; et AI-native alternativ sælger resultatet.

Vi har analyseret risikoprofilen for knap 1.000 danske virksomheder med vores AI-agent vera. Ni ud af ti havde dækningshuller deres eksisterende rådgiver ikke havde fanget.

Pointen er ikke, at risikorådgivning er et særtilfælde. Det samme mønster gælder hver gang en virksomhed betaler for analyse, dokumentation eller sammenligning udefra. I revision og jura beskytter regulering nogle dele, revisorerklæringen og advokatens underskrift, men intelligence-laget ved siden af signaturen er åbent for samme bevægelse. Signaturen bliver hængende, honoraret for intelligence-arbejdet bliver det ikke.

Til enhver CFO der vil teste pointen mandag morgen: træk listen over outsourcede rådgivere og sæt to kolonner op. Hvad I betaler dem, og hvad arbejdet faktisk består af. Hvis arbejdet er analyse, sammenligning, dokumentation eller rapportering, er det den kontrakt I skal opsige først.

Bestyrelsen spørger allerede, næste år spørger de hvorfor man ikke gik den nemme vej.