AI, en Dans på Roser Jagten på AI-talentet: Derfor ansætter du (sandsynligvis) de forkerte - Soloafsnit med Dan Rose
23 snips
Feb 23, 2026 En solo gennemgang af, hvorfor virksomheder ofte ansætter den samme persontype til vidt forskellige AI‑opgaver. Praktisk ramme til at matche mål, fase og rolle før jobopslag. Opdeling af fire kerneprofiler: adoption, teknik, superbrugere og slutbrugere. Tips til hvordan kandidater viser procesforståelse i stedet for at undskylde for deres baggrund.
AI Snips
Chapters
Transcript
Episode notes
Sammensæt Ikke AI-Teams Med Én Persontype
- Virksomheder ansætter ofte samme persontype til alle AI-opgaver, selvom opgaverne kræver forskellige talenter.
- Dan Rose pointerer at bygge modeller og drive adoption kræver to fuldstændig forskellige hjerner, hvilket fører til dyre fejlslagne projekter hvis blandet sammen.
Virksomheder Starter Med Teknik Frem For Mennesker
- Troen på 70% mennesker, 20% data, 10% teknologi holder i teorien men ikke i praksis hos mange virksomheder.
- Dan Rose oplever at virksomheder i stedet starter med at ansætte teknisk og fokuserer på teknologi fremfor organisation og adoption.
Ansæt Efter Mål Aktivitet Rolle
- Ansæt til den fase og opgave I står i nu ved at følge tretrinsraketten Mål → Aktivitet → Rolle.
- Eksempel: redesign af kundesupport er en adoptions- og product-role først, ikke en data scientist-opgave.