Skip to content

Hvad AI kan og ikke kan: Styrker og begrænsninger ved kunstig intelligens

„AI kan klare absolut alt.” „AI er overvurderet og kan ingenting ordentligt.” Begge udsagn er forkerte — og begge er udbredte i dag.

Overdrevne forventninger fører til skuffelse. Overdreven skepsis går glip af reel hjælp. Sandheden ligger i konkrete data — og de er overraskende tydelige.

Denne artikel er dit praktiske kort: hvad AI faktisk klarer i 2026, hvor den svigter pålideligt, og hvordan du forholder dig til det.


Hvor AI virkelig excellerer i 2026

Skrivning og redigering

Gennemsnitlig produktivitetsforbedring på 25 %. Virksomheder rapporterer en besparelse på 40–60 minutter om dagen per medarbejder. Udkast, resuméer, omformuleringer.

Programmering

Fra at løse 4,4 % til 71,7 % af reelle opgaver (SWE-bench) på ét enkelt år. Boilerplate, fejlfinding, tests, forklaring af kode.

Matematik og videnskab

Modellen o1 opnår 74,4 % ved den internationale matematiske olympiade. Det videnskabelige benchmark GPQA (PhD-niveau) steg med 48,9 procentpoint.

Oversættelse og dataanalyse

Kvaliteten svarer til professionelle oversættere. Sortering af feedback, udtrækning fra dokumenter, identifikation af emner i store datamængder.

Gennemsnitlig produktivitetsforbedring med AI efter område (%, kontrollerede studier)


Hvor AI svigter pålideligt

Faktuel nøjagtighed — hallucinationer er ikke undtagelsen

Dette er den vigtigste begrænsning, du skal kende. AI-systemer er i stand til at fremføre forkerte oplysninger med fuldstændig sikkerhed. Det kaldes hallucinationer (hvordan og hvorfor det teknisk fungerer, forklares i artiklen Hvordan AI fungerer).

Dataene er ernudrende:

  • Ved almindelige søgeforespørgsler hallucinerer AI ca. hver femte gang (studie fra 2025)
  • Inden for medicin viste en metaanalyse af kliniske forespørgsler en hallucinationsrate på 23 %
  • Inden for jura ved komplekse forespørgsler når hallucinationer 69–88 %

Praktisk konklusion: AI er et fremragende udgangspunkt, men konkrete fakta, tal og citater bør du altid verificere. (Hvordan det gøres i praksis, beskrives i Sikker brug af AI.)

Míra halucinací AI podle oblasti použití (%, 2025)

Logisk ræsonnering uden for indlærte mønstre

AI excellerer i situationer, der ligner situationer fra træningen. Så snart du bevæger dig ud over de indlærte mønstre — for eksempel en utraditionel logisk gåde, en ny kombination af betingelser eller en opgave, der kræver ægte kausal tænkning — falder resultaterne markant.

Forskning viser, at selv modeller med såkaldt trinvis ræsonnering (engelsk „chain-of-thought”) ikke pålideligt kan løse opgaver, der kræver logisk planlægning, hvis de er større eller mere komplekse end eksemplerne i træningsdataene.

Aktuelle oplysninger og realtidsdata

De fleste AI-modeller har et vidensslutstidspunkt (knowledge cutoff) — en dato, efter hvilken de ikke har oplysninger. Hvis modellen ikke har adgang til internettet eller aktuelle kilder, kan den ikke pålideligt svare på spørgsmål om aktuelle begivenheder, priser, valgresultater eller ny forskning.

Common sense og den fysiske verden

AI har ingen erfaring med den fysiske verden. Den ved ikke, at et glas knuses, når det falder, eller at is smelter i varmen — medmindre det eksplicit fremgår af samtalekonteksten. Spørgsmål, der kræver „sund fornuft” fra verden omkring os, er overraskende svære for AI.

Kreativ originalitet

AI kan skrive et digt, opfinde en historie eller foreslå en kampagne. Men det gør den ved at kombinere mønstre fra det, den har set — ikke ved ægte kreativ opfindelsesevne. Resultaterne er typisk teknisk korrekte og gennemsnitligt gode, men sjældent banebrydende. Cirka 80 % af innovationer er inkrementelle — og her excellerer AI. De resterende 20 % radikal, original innovation er foreløbig menneskenes domæne.


Det paradoks, du bør kende

Data fra 2026 viser et interessant modsætningsforhold: en undersøgelse fra National Bureau of Economic Research (NBER) blandt 6.000 ledere fandt, at langt de fleste virksomheder ikke mærker nogen produktivitetseffekt af AI. Alligevel dokumenterer kontrollerede studier gentagne gange markante gevinster.

Forskellen ligger ikke i teknologien — den ligger i, hvordan AI bruges. Virksomheder, der reelt har integreret AI i konkrete processer, høster en gevinst på 40–60 minutter om dagen. Virksomheder, der „har AI, men ikke rigtig bruger den”, får ingenting ud af det.


Sådan forholder du dig til det i praksis

Realistisk brug af AI handler ikke om, hvorvidt du bruger den — men hvad du bruger den til.

Overlad til AI

Udkast og første versioner, resuméer og omformuleringer, oversættelse, gentagne tekstopgaver, kodning med egenkontrol af output.

Verificér selv

Konkrete tal, navne og citater. Output inden for jura, medicin og finans. Alt, som et vigtigt beslutningsgrundlag afhænger af.

Overlad ikke til AI

Endelige beslutninger med reelle konsekvenser, ægte originale kreative gennembrud, oplysninger om aktuelle begivenheder uden verificering.

Den bedste måde at finde ud af det for dig selv? Afprøv AI på en konkret opgave, der interesserer dig — og følg med i, hvor den hjælper, og hvor den overrasker dig.

Find ud af, hvad AI kan gøre for dig

Giv AI en opgave, der ligger på dit bord lige nu. Du vil selv se, hvor den er nyttig — og hvor du vil ønske at tjekke resultatet.

→ Prøv AI Chat GuideGlare


Test dig selv: Ved du, hvad AI kan og ikke kan?

Hvad AI kan og ikke kan?


Du ved, hvad AI kan — nu er det tid til at finde ud af, hvordan du praktisk kommer i gang med den. Det er præcis det, den næste artikel handler om: Sådan kommer du i gang med AI.

Emneoversi gt
AI-grundlæggende
Alle artikler om AI-grundlæggende