Det der flader ud, og det der hæver sig
Når kulturen og strukturen er flyttet, hvad skal det enkelte menneske så være godt til? Det er det her lag handler om, ikke roller, ikke processer, men håndværket. Hvad er det folk skal kunne, og hvad er det der ikke længere differentierer?
Færre kompetencer end før. Dybere end før. Det er den korte version.
Det der bliver commodity
Min tese er at hovedparten af det vi kalder digital fagkundskab i dag, bliver commodity inden for få år. Ikke fordi der ikke er kvalitetsforskel mellem en god og dårlig udførelse, men fordi forskellen ikke længere er den der differentierer en virksomhed eller en karriere.
Frontend-udvikling. UI-design. Backlog-styring. Test-skrivning. Stort set al CRUD-kode og standard-integrationer. Det er ikke et spørgsmål om hvis, det er et spørgsmål om hvor hurtigt.
Benchmarks giver et nuanceret billede af hvor langt vi er. AI-agenter kan i dag løse 91% af isolerede coding-opgaver i HumanEval (Tufano et al., 2024). Men i en simuleret enterprise-kontekst med rigtige workflows, mails og kollegaer kan den bedste agent kun løse 30% af opgaverne autonomt (Xu et al., 2024). Forskellen er kontekst og kompleksitet, og den lukkes hurtigt.
Min vurdering: i dansk enterprise-virkelighed er meget af det der bygges, commodity-kompleksitet. Standardflows, integrationer, dashboards, formularer. AI klarer det allerede eller gør det inden for få år. Det betyder ikke at de tekniske roller forsvinder, det betyder at de tekniske roller koncentreres om det faktisk komplekse.
Det der ikke bliver commodity
Nogle kompetencer hæver sig samtidig:
- Discovery-disciplin. At undersøge før man bygger. At teste antagelser. At blive ved med at spørge “er det her det rigtige problem?” Ingen LLM gør det.
- Facilitering. At samle mennesker med forskellige perspektiver og flytte dem fra uenighed til beslutning. Beskrevet allerede.
- Modet til at sige nej. At sige nej til 90% så de 10% kan leve. At kende forskellen på hvad der kan bygges, og hvad der bør.
- Coaching. At hjælpe andre med at træffe bedre beslutninger, ikke ved at give svar, men ved at stille bedre spørgsmål.
Fire mere som er værd at tilføje:
- Skriftlighed. Når AI eksekverer på tekst, bliver præcist sprog det nye programmeringssprog. Folk der kan skrive klart, kortfattet og uden tvetydighed, kommer til at flyve.
- Kontekst-curation. Evnen til at finde, samle og strukturere den rigtige kontekst som AI’en arbejder ud fra. Det er en ny kompetence der knapt har et navn endnu, men det er forskellen mellem en der får tre fede outputs, og en der får 30 middelmådige.
- Systemtænkning. Når enkeltbeslutninger bliver billigere, bliver evnen til at se hvordan de spiller ind i et større system, mere værdifuld. Hvad sker der med hele kunderejsen, ikke bare denne feature?
- Output-vurdering. AI producerer plausibelt sludder hurtigere end nogensinde. Evnen til at læse kode, design, tekst og spotte hvor det halter, uden selv at have produceret det, bliver kerne-håndværk.
Det er ikke ti nye kompetencer. Det er måske syv-otte i alt. Men de er svære. De tager årevis at bygge op.
AI fjerner kapaciteten, ikke smagen
En udvikler kan lave et UI med AI under armen. Det er ikke det samme som at vide hvad der virker for brugeren. En PM kan kode et MVP på en eftermiddag. Det er ikke det samme som at have tålmodighed til vedligehold bagefter. En designer kan generere en strategi i Claude. Det er ikke det samme som at have greb om forretningstal.
AI fjerner kapacitetsbarrieren mellem domænerne. Den fjerner ikke smagen, instinktet eller den dømmekraft der kommer af ti års arbejde i et felt. Det er nemt at overse. Når AI kan udfylde det man ikke selv har, opstår fristelsen til at lade være med at differentiere — alle kan jo bare gå rundt i hinandens domæner. Den frihed eksisterer. Den fører til middelmådige resultater i alle tre domæner.
Hver person bør have et primært område, der hvor dømmekraften er dyb og skarp. Og en bevidst sekundær kapacitet, der hvor de kan bidrage uden at vente på andre. Det er forskellen på en T-form og en kam-form. T’et havde sin tid. Komben er bedre tilpasset en organisation hvor alle kan røre alt.
Sweet spot: produktlederens trekant
Komben gælder for alle i teamet. Produktlederens trekant er smallere. Tre kompetencer, og det er overlappet mellem dem der afgør om en produktleder er stærk i en AI-augmenteret kontekst.
Det første er domæneviden. Den specifikke forståelse af interiørdesignere, hospitalsapotekere, pensionsrådgivere. Niche-viden der ikke kan tilegnes via en LLM. Det er også derfor de startups der vinder, ofte er vertikale — de bygger for et domæne hvor viden er svær at tilegne sig udefra.
Men domæneviden alene er en faldgrube. Domæneeksperter der ikke forstår discovery, bliver de farligste personer i organisationen. De spytter features ud som ingen bruger, fordi deres egen erfaring er deres eneste prøvebænk.
Discovery-disciplin er det andet svar. Heller ikke nok alene. Du kan undersøge til evig tid uden at tage beslutninger. Build trap forværres af AI: når byggeomkostningerne falder mod nul, bliver presset for at producere endnu større. Den eneste modgift er at turde sige nej.
Trekanten:
- Domæneviden — du forstår industrien, kunderne, problemerne der ikke står på skrift.
- Discovery-disciplin — du lærer før du låser. Din egen erfaring er udgangspunkt, ikke konklusion. Og du ved hvornår problemet skal forblive åbent, og hvornår det skal lukkes ned.
- Modet til at sige nej — ikke som holdning, men som praksis. Du siger nej til 90% så de 10% kan leve, og bærer ansvaret for snittet.
Forskningen peger samme vej. En undersøgelse fra 2026 af 174 produktledere konkluderer at AI literacy, evaluation discipline og decision support design bliver core competencies for produktledere fremadrettet (Oladeji, 2026), netop fordi cognitive overload og decision fatigue er den primære risiko når informationsmængden stiger. Marty Cagan har i årevis argumenteret for at evnen til at sige nej er kerne i god produktledelse. Melissa Perri kalder build trap den største systemiske risiko i moderne produktudvikling. John Cutler peger eksplicit på decision quality som det nye flaskehals i AI-augmented teams.
Den nye produktleder bor i sweet spot. Hverken i prompt-evner, Figma-skills eller backlog-styring.
Når du hyrer ind, er det sweet spot du leder efter — ikke en certificering eller en titel.
Og hvad laver en AI product manager så egentlig? De jobopslag er begyndt at dukke op. Min vurdering: titlen er ny, håndværket er det her. Trekanten er svaret, ikke en separat rolle.
Prompting er ikke en eftermiddags-skill
Der er en udbredt antagelse om at prompting snart bliver det samme som almindelig tekst, at man bare beskriver hvad man vil have, og så gør AI’en resten. Forskningen siger noget andet.
I et meget citeret studie kaldet “Why Johnny Can’t Prompt” testede forskerne 14 ikke-eksperter i at designe prompts til en LLM-baseret chatbot (Zamfirescu-Pereira et al., 2023). De fejlede systematisk, ikke fordi prompting er svært teknisk, men fordi de overgeneraliserede fra hvordan man taler til mennesker. De troede AI’en ville udfylde det de mente, men ikke skrev. Et større studie senere bekræftede at højere prompt-engineering-skills direkte forudsiger output-kvalitet (Knoth et al., 2024).
Min vurdering: prompting bliver mere naturligt over tid, modellerne bliver bedre til at gætte intent. Men det vil stadig adskille folk. Det er nærmere som skriftlig kommunikation: alle kan skrive, men nogle skriver så meget bedre at det giver dem en strukturel fordel. Det er også derfor skriftlighed står på listen ovenfor, det er den samme kompetence, bare anvendt på en ny modtager.
Den smalle top og den brede bund
Når commodity-laget er stort nok, splittes feltet i to.
I bunden: en stor gruppe af mennesker der alle kan prompte og deltage i bygning. Ikke fordi de er udviklere i klassisk forstand, men fordi grænsen mellem at prompte kode og at skrive den, kollapser. Det er den brede befolkning af AI-kompetente medarbejdere.
På toppen: en lille gruppe af mennesker der kan det rigtigt svære. Designe nye AI-systemer, bygge teknisk kompleksitet der ligger ud over commodity-niveau, løse problemer der ikke er løst før. Den gruppe bliver smallere, ikke bredere.
Tilbage er en gammel mellemkategori, den klassiske udvikler der byggede CRUD og standardflows i årevis, der ikke længere har en plads. Det er der den hardeste personlige udfordring ligger.
Det er ikke A og B hold. Det er kontekst.
Nogle vil kalde det A-hold og B-hold. Det handler ikke om hvem der er klogest, det handler om hvem der har et growth mindset, og hvem der har et fixed mindset.
Nuancen er vigtig. Fixed mindset er ikke karakter, det er kontekst. Folk med 15 års erfaring har ofte været belønnet for at være eksperten. Det er rationelt at klamre sig til den identitet, når den har været nyttig hele karrieren. Pointen er ikke at fixed mindset er en personlighedsfejl. Pointen er at den belønningsstruktur der skabte det, er ved at forsvinde.
Det betyder at folk der har siddet i en rolle i 15 år, kan have et stort potentiale for at flytte sig, hvis de har growth mindset. Men det kræver en forandringsvilje der gør ondt i identiteten først.
De vaner der er sværest at slippe
Vanens kraft er svær at ændre på, og den varierer fra rolle til rolle. Tre mønstre går dog igen på tværs:
At gemme sig bag artefakter. PRD, ticket, mockup, story point. Det at have produceret noget har været nok til at retfærdiggøre lønnen. Når AI kan producere alle artefakter, er det ikke nok længere.
At tro at man “ejer” en faglighed. Designerens “det er mit område”. Udviklerens “kun jeg forstår koden”. Når alle kan røre alt, falder territorium-tænkningen sammen.
At måle sig selv på travlhed. Folk der har levet på “jeg har 17 møder i dag og en backlog jeg skal nå”, får en eksistentiel udfordring når AI overtager både møder og backlog.
Det er identitet bundet til artefakt, territorium og ritual. Det er den hardeste at give slip på, og det vigtigste skifte for at komme videre.
Princippet for laget
Princippet er kort:
Andre færdigheder. Dybere dømmekraft.
Det er ikke alt. Men det er det der gentages dagligt, det der ikke kan automatiseres, og det der differentierer. Resten kan AI hjælpe med.