I maj 2026 gjorde OpenAI noget, der ved første øjekast ligner en modsætning til selskabets egen forretningsidé: grundlagde et rådgivningsfirma. Fire milliarder dollar i startkapital, 19 investorer, heriblandt Bain Capital, TPG og Goldman Sachs, samt omkring 150 såkaldte Forward Deployed Engineers, der straks kommer om bord via overtagelsen af det britiske rådgivningshus Tomoro. Få dage senere fulgte Anthropic med sin egen rådgivningsenhed til 1,5 milliarder sammen med Blackstone og Hellman & Friedman. Og samtidig certificerer PwC 30.000 af sine medarbejdere i Claude.

Den, der lægger disse tre nyheder ved siden af hinanden, ser et mønster. Producenterne af verdens mest kraftfulde AI-modeller indrømmer netop nu offentligt, at deres produkter alene ikke er nok. De bygger rådgivningsorganisationer op, i milliardklassen. Vellmerk.ai iagttager denne udvikling fra den daglige rådgivningspraksis og ser deri ingen overraskelse, men en bekræftelse.

En branche bekræfter det, den længe har benægtet

Egentlig passer denne fremgangsmåde ikke til branchens selvbillede. En tech-virksomhed bygger modeller, licenserer dem og skalerer via software-marginer. Rådgivning er klassisk set modmodellen: ressourcekrævende, menneskeintensiv, dårligt skalerbar. Når OpenAI alligevel køber sig ind i denne forretning for fire milliarder dollar, så er det kun af én grund: Modellerne leverer i virkeligheden ikke den værdi, de lover på papiret.

Et studie fra NANDA-initiativet på MIT har leveret det ubekvemme tal: 95 procent af alle virksomheders AI-piloter skaber ingen målbar forretningsmæssig værdi, på trods af globalt 30 til 40 milliarder dollar i investeringer. McKinsey når frem til en lignende konklusion: over 80 procent af organisationerne rapporterer ingen EBIT-effekt af deres AI-anvendelse. Bitkom-studiet 2026 viser for Tyskland: En tredjedel af virksomhederne med AI-anvendelse finder teknologien dyrere end forventet, og næsten hver femte har som følge af denne skuffelse allerede nedlagt stillinger.

Disse tal bruges gerne som bevis for, at AI er overvurderet. Det er den forkerte konklusion. De viser noget andet: Teknologien fungerer. Det, der ikke fungerer, er oversættelsen til organisationen.

Hvad en Forward Deployed Engineer egentlig laver

Begrebet blev skabt af Palantir i begyndelsen af 2010'erne. Dengang arbejdede Palantirs kunder, efterretningstjenester og forsvarsmyndigheder, i miljøer, hvor klassisk softwarelevering ikke fungerede. Kravene var hemmelige, systemerne højt specialiserede, brugerne ikke til at nå i åbne workshops. Palantir reagerede med et nyt rollebillede: ingeniører, der ikke bygger software på deres eget kontor, men arbejder indlejret hos kunden på stedet. Som selv optager problemet fra trin et, og forbliver ansvarlige for resultatet helt ned til den sidste produktionsfejl.

Af denne nødløsning blev en forretningsmodel. I dag kopierer OpenAI, Anthropic, Google og stort set enhver seriøs AI-virksomhed mønsteret. En markedsanalyse fra Pragmatic Engineer viser: Stillingsopslag for Forward Deployed Engineers er i 2025 steget med over 800 procent. Det er den mest efterspurgte rolle på AI-jobmarkedet.

„Når producenten af verdens mest kraftfulde AI konstaterer, at den må ansætte rådgivere, for at produktet virker, så bør det få enhver, der lige nu indkøber licenser, til at spidse ører.“, Thorsten Vellmerk

Det, OpenAI bygger op med milliarder, har vi gjort i rådgivningen i årevis

Mandaterne hos Vellmerk.ai er sjældent kvartalsprojekter. Fra flere kundeprojekter og over 20 års praksis ledsager Vellmerk.ai virksomheder over år. Vi kender deres processer, deres datalandskab, deres styrker og deres blinde vinkler. Når vi sammen går i gang med et AI-projekt, sker det ikke fra stående start, men på grundlag af en relation, der er vokset over måneder eller år. Vi ombygger sammen med kunderne stykke for stykke: én proces, så den næste, så arkitekturen, så kompetenceopbygningen. Det, der i hvert trin bliver synligt, flyder ind i det næste.

Netop denne kontinuitet er den afgørende løftestang. Et AI-initiativ er ikke ét projekt med begyndelse og slutning. Det er en sekvens: bestandsopgørelse, første løftestang, erfaring, anden løftestang, skalering, tredje løftestang. Den, der vil presse det ind i en kvartalspræcis leverandørmodel, vil fejle. Den, der forstår det som ledsagelse, som en tålmodig, kontinuerlig ombygning, har en chance.

I Klarna-sagen kan det illustreres godt. Den svenske buy-now-pay-later-udbyder havde i 2024 medieeffektivt forkyndt, at AI havde erstattet arbejdet for omkring 700 kundeservicemedarbejdere. Et år senere måtte CEO'en indrømme, at servicekvaliteten var faldet. Virksomheden har hentet menneskelige agenter tilbage og arbejder nu i en hybridmodel, AI til rutinesager, mennesker til eskaleringer. Havde Klarna fra begyndelsen anlagt transformationen som en ledsagende proces i stedet for som en overskrift, ville historien i dag have været en anden.

„Vi laver ikke projekter med begyndelse og slutning. Vi ledsager organisationer over år. Og netop derved ser vi de ting, der ikke bliver synlige i et to måneder langt pilotprojekt.“, Thorsten Vellmerk

Fire ting, der samtidig skal stemme i hvert AI-projekt

Efter år i dette ledsagende arbejde har fire tilbagevendende løftestænger udkrystalliseret sig. De er ingen model, men en observation: de ting, der samtidig skal stemme i hvert AI-projekt, og som i de fleste projekter kun er udviklet enkeltvis.

Processer først, værktøjer bagefter. Den hyppigste fejl er også den mest intuitive: Et værktøj lyder spændende, så spørger man, hvor det kunne passe ind. Resultatet er som regel en effektivitetsvariant af udgangstilstanden. En fejlbehæftet godkendelsesworkflow, der fremskyndes med AI, forbliver en fejlbehæftet godkendelsesworkflow, bare hurtigere. Den rigtige rækkefølge er en ærlig procesanalyse, og først derefter spørgsmålet om værktøj.

Med mod ud på den grønne mark. De mest værdiskabende AI-workflows i de seneste 18 måneder eksisterede ikke for to år siden. De er ingen automatisering af det bestående, de er nye muligheder. Den, der udelukkende automatiserer det, der allerede er der, lader den største del af potentialet ligge. Spørgsmålet „Hvordan ville vi bygge denne proces i dag, hvis vi begyndte fra nul?“ skal stilles eksplicit, ellers besvares det implicit med nej. Det er et dyrere svar, end de fleste virksomheder vil være ved.

Arkitektur før licens. Mellem en standardlicens, en konfigureret assistent og en orkestreret workflow ligger faktor-10-forskelle i de samlede omkostninger og i time-to-value. Den billigste licens er sjældent den mest fordelagtige løsning, og den dyreste arkitektur sjældent den mest virkningsfulde. Denne beslutning hører ikke hjemme i indkøb. Den hører hjemme i et arkitekturtrin, der samtidig tager højde for forretningsmål, datasituation og organisatorisk modenhed.

Kompetenceopbygning frem for udrulning. Medarbejdere skal sættes i stand til at tænke anderledes med AI, ikke pålægges at bruge et værktøj. Et obligatorisk 60-minutters kursus opfylder måske formelle krav, men det ændrer ingen arbejdshverdag. Virkningsfuld enablement betyder use-case-workshops i ens eget team, beskyttede eksperimenterum og institutionaliserede læringsformater. Det er uger og måneders arbejde, og den investering, der efter vores observation undervurderes mest.

Hvad det betyder for jer

Hvis jeres virksomhed i dag indkøber licenser til AI-værktøjer, Microsoft 365 Copilot, Claude for Business, en brancherettet AI, er det ikke noget forkert. Men det er heller ikke noget fuldstændigt. Licensen alene skaber ingen værdi. Det, der skaber værdi, er det ledsagende arbejde bag den: Hvilke processer passer, hvilke skal tænkes på ny, hvilken arkitektur bærer, hvordan vokser mennesker ind i den nye arbejdsmåde.

Dette arbejde kan en virksomhed bygge op internt. Det er ikke forkert, men ifølge MIT-studiet betydeligt dyrere og sjældnere succesfuldt end ledsagelse fra specialiserede partnere. Det kan udføres af en stor strategirådgivning, heller ikke forkert, men sjældent passende, når budgettet ligger under de tre cifrede millioner, og organisationen ikke løfter ti projekter samtidig. Eller det kan udføres af en partner, der kender mellemstore virksomheder og den offentlige forvaltning i DACH-området, er lille og uafhængig nok til ægte arkitekturbeslutninger og ledsager over år, i stedet for at levere og gå.

Det er netop den slags arbejde, Vellmerk.ai laver hver dag.

„At bringe AI ind i en organisation er ingen levering. Det er en ledsagelse. Den, der har forstået det, har allerede den første løftestang i hånden.“, Thorsten Vellmerk

Konklusion

De fire milliarder dollar, OpenAI lige nu investerer i rådgivning, er ingen branchetrivia. De er den offentlige bekræftelse af det, rådgivere i årevis har oplevet i praksis: Flaskehalsen er ikke modellen. Den er oversættelsen til organisationen. Og denne oversættelse er et håndværk, ikke et produkt.

Når I tænker over jeres næste AI-projekt, så spørg jer ikke kun, hvilket værktøj I bør købe. Spørg jer, hvem der ledsager jer på vejen, over måneder og år, ikke kun over det næste kvartal. Tag kontakt til Vellmerk.ai, vi tager os tid til at forstå jeres udgangspunkt, før vi taler om løsninger.

Kilder & videre læsning

OpenAI Deployment Company (maj 2026), openai.com/index/openai-launches-the-deployment-company. Primærkilde til grundlæggelse, kapitalstruktur og partnerliste.

Anthropic Enterprise Services Company (maj 2026), anthropic.com/news/enterprise-ai-services-company. Annoncering af det parallelle 1,5-milliarder-initiativ med Blackstone, Goldman Sachs og Hellman & Friedman.

PwC og Anthropic (maj 2026), pwc.com / Newsroom. 30.000 Claude-certificerede medarbejdere, fælles Center of Excellence.

MIT NANDA. The GenAI Divide: State of AI in Business 2025, sammenfatning i Fortune. Kilde til failure-raten på 95 procent, baseret på 150 interviews, 350 medarbejderundersøgelser og 300 dokumenterede implementeringer.

McKinsey, State of AI Trust 2026, mckinsey.com. EBIT-effekter og tillidsudvikling i den agentiske AI-fase.

Bitkom, Kunstig intelligens i Tyskland, studierapport 2026, bitkom.org (PDF). Adoption, barrierer og erfaringer med rentabilitet i tysk mellemstand på grundlag af 604 adspurgte virksomheder.

Forward Deployed Engineering, Palantirs oprindelige model samt Pragmatic Engineer om markedsdynamikken i 2025.

Klarna, CEO-udtalelse om hybridstrategien (maj 2025), Entrepreneur Magazine. Baggrund for tilbagevenden af menneskelige serviceagenter efter den rene AI-fase.

Om Vellmerk.ai

Vellmerk.ai er et AI-rådgivningsfirma (dansk ApS) grundlagt af Thorsten Vellmerk. Med over 20 års proces- og IT-erfaring og flere års praktisk AI-rådgivning hjælper Vellmerk.ai SMV'er og offentlig forvaltning med at bruge AI praksisnært og suverænt, fra strategi til lokal, on-premise-klar implementering. Afprøvet i flere kundeprojekter. Book en indledende samtale.