AI-modenhedsselvtest

Hvor klar er din organisation
til AI i informationsarbejde?

En selvtest af, hvordan din organisation bruger AI i hele sine informationssystemers levetid. Du får et niveau fra 1 til 5, en score for hver af seks sektioner, dine styrker og prioriteter og resultatet som en PDF.

De syv sektioner

01Organisationsprofil og rolle i informationssystemernes livscyklus
02Personer og AI-færdigheder
03Kontekst og organisatorisk viden
04Praktisk AI-brug på tværs af informationssystemernes livscyklus
05Pålidelighed og verificerbarhed af AI-output
06AI-styring, datasikkerhed og kontrol
07AI-adoptionsstyring og forretningsmæssige fordele

Anslået tid: ca. 10 minutter.

Start selvtesten

Dit navn, organisation og arbejds-e-mailadresse bliver spurgt om én gang, i slutningen, før resultatet.

Organisationsprofil og rolle i informationssystemernes livscyklus

01Hvilken rolle har din organisation i vedligeholdelse og udvikling af informationssystemer?

Vælg alle relevante svar, hvis din organisation udfører flere roller.

Vi administrerer vores organisations informationssystemer med udvikling og vedligeholdelse primært leveret af eksterne leverandørerVi administrerer og udvikler vores organisations informationssystemer med et internt it-teamVi udvikler og/eller vedligeholder informationssystemer for andre organisationerVi leverer konsulentbistand om informationssystemanalyse, -arkitektur, -udvikling eller -styringVi leverer informationssystemers cybersikkerhed, sikkerhedstest eller risikostyringAnden driftsmodel

02Hvad er din organisations primære branche?

Vælg ét svar.

Informationsteknologi og softwareudviklingOffentlig forvaltning og den offentlige sektorFinans, bank og forsikringFremstilling og industriDetailhandel og e-handelTransport og logistikSundhedsvæsen og lægemidlerEnergi og forsyningTelekommunikationProfessionelle tjenester og rådgivningUddannelse og forskningAnden branche

03Hvor mange personer i din organisation er involveret i vedligeholdelse, udvikling eller styring af informationssystemer?

Medregn ledere, analytikere, arkitekter, udviklere, testere, sikkerhedsspecialister og andre, der regelmæssigt er involveret i disse processer. Medregn ikke hele din arbejdsstyrke.

1–5 personer6–10 personer11–25 personer26–50 personer51–100 personer101–250 personerMere end 250 personer

04Hvad skaber i øjeblikket de største vanskeligheder med at vedligeholde og udvikle jeres informationssystemer?

Vælg op til tre af de mest betydningsfulde udfordringer.

0 / 3

Det er svært at finde de nødvendige oplysninger og dokumenterVigtig viden ligger i hovedet på enkelte specialisterOnboarding af nye medarbejdere eller leverandører tager for lang tidKrav og omfang ændrer sig, og de ændringer er svære at sporeDer er utilstrækkelig synlighed i forhold til arbejdets fremskridt, deadlines og omkostningerTekniske og arkitektoniske beslutninger er svære at underbygge med evidensDokumentationen er ufuldstændig, forældet eller ikke vedligeholdtRapportering og informationskonsolidering tager for lang tidMeget af arbejdet gentages, og udviklings- eller testkvaliteten er utilstrækkeligDer er en overdreven afhængighed af eksterne leverandører og deres ekspertiseDet er svært at sikre ændringstracering, sikkerhed og overholdelseDer er i øjeblikket ingen betydelige problemer

Personer og AI-færdigheder

01Hvor udbredt er brugen af AI blandt medarbejderne i din organisation i deres daglige arbejde?

Overvej medarbejdere, der er involveret i styring, analyse, udvikling, test og vedligeholdelse af informationssystemer.

AI bruges praktisk talt ikke, eller vi ved ikke, om medarbejderne bruger den.Enkelte medarbejdere bruger AI på eget initiativ uden en fælles tilgang.AI bruges regelmæssigt af et team eller en bestemt faggruppe, f.eks. udviklere.AI bruges regelmæssigt af flere teams og specialister i forskellige roller.Brugen af AI er rutinepræget og bevidst organiseret på tværs af teams og arbejdsgange.

02Hvordan indfanges og deles succesfulde erfaringer med AI-brug i din organisation?

F.eks. opdager en medarbejder en effektiv måde at bruge AI til at forberede krav eller analysere softwarekode.

Succesfulde praksisser indfanges eller deles ikke.Medarbejdere deler lejlighedsvis erfaringer i uformelle samtaler.Succesfulde tilgange diskuteres og vedtages inden for individuelle teams.Nyttige metoder og eksempler dokumenteres og gøres tilgængelige for andre teams.Validerede metoder indarbejdes i delte arbejdsgange, instruktioner eller genanvendelige AI-løsninger.

03Hvordan afgør medarbejderne, om AI-leverede oplysninger eller output er korrekte?

F.eks. ved kontrol af AI-genererede krav, kodeændringer, tests eller tekniske anbefalinger.

AI-output kontrolleres ikke systematisk, eller medarbejderne bruger endnu ikke AI.Medarbejderne stoler hovedsageligt på, om et AI-svar virker plausibelt.Nogle specialister kontrollerer AI-output, men det afhænger af den enkeltes erfaring.De fleste AI-brugere ved, hvordan de skal kontrollere output mod dokumenter, kode eller andre pålidelige kilder.Kontrol af AI-output er en defineret del af arbejdsgangen med klare kvalitetskriterier og ansvarlige ejere.

04Hvordan udvikler din organisation medarbejdernes evne til at bruge AI i deres professionelle arbejde?

Overvej ikke kun generel AI-træning, men også færdigheder til at anvende AI på specifikke opgaver i informationssystemers livscyklus.

Udvikling af AI-færdigheder får ingen opmærksomhed.Medarbejdere lærer AI uafhængigt ved hjælp af offentligt tilgængeligt materiale.Organisationen tilbyder lejlighedsvis AI-træning eller erfaringsudveksling.Målrettet AI-træning og praktiske eksempler leveres til forskellige medarbejderroller.AI-færdigheder udvikles og vurderes systematisk gennem virkelige arbejdsopgaver og løbende faglig udvikling.

Kontekst og organisatorisk viden

01Hvilke oplysninger om dine informationssystemer er tilgængelige for AI-værktøjer?

F.eks. krav, dokumentation, arbejdsemner, softwarekode, arkitektur og ændringshistorik.

AI har ikke adgang til organisatoriske oplysninger ud over det, en medarbejder indtaster i samtalen.Medarbejdere kan manuelt uploade individuelle dokumenter eller filer til et AI-værktøj.AI kan få adgang til udvalgte informationskilder, f.eks. dokumenter eller softwarekode.AI kan bruge flere sammenkoblede kilder, f.eks. krav, dokumentation, arbejdsemner og kode.AI kan få adgang til sammenkoblede, opdaterede oplysninger om systemer, arkitektur, krav, beslutninger og ændringshistorik under passende kontrol.

02Hvor let kan din organisation fastslå, hvorfor en bestemt beslutning om informationssystemer blev truffet?

F.eks. hvorfor en bestemt arkitektur blev valgt, en funktion blev indført, eller et forretningskrav blev ændret.

Beslutningsbegrundelser bevares ofte ikke og kendes kun af individuelle specialister.Begrundelser er spredt over e-mails, beskeder og andre kilder, hvilket gør dem svære at finde.Nogle beslutninger dokumenteres, men oplysningerne er ikke altid aktuelle eller lette at finde.Beslutninger og deres begrundelser dokumenteres og kan søges i et samlet eller sammenkoblet vidensmiljø.Beslutninger kan spores fra det oprindelige behov og krav gennem godkendelse til implementerede ændringer og deres begrundelse.

03Hvor nemt kan du afgøre, hvilke informationssystemkrav og ændringer der er godkendt?

F.eks. afgøre, hvad kunden har godkendt, hvad der er omfattet, og hvad der faktisk er leveret.

Oplysningerne er spredt, og det kan tage flere dage at finde dem uden sikkerhed for deres fuldstændighed.De nødvendige oplysninger skal samles manuelt fra kontrakter, korrespondance og arbejdsemner.Krav og ændringer registreres, men sammenligning af dem kræver ekstra indsats.Godkendte krav, ændringer og arbejdsstatus er gennemsigtige og kan findes relativt hurtigt.Oprindelige krav, godkendte ændringer, arbejdsemner og faktisk implementeret funktionalitet kan spores og sammenlignes.

04Hvordan sikrer du, at AI bruger aktuelle og nøjagtige oplysninger om dine informationssystemer?

F.eks. forhindrer du, at AI baserer sig på en forældet specifikation, et annulleret krav eller en tidligere systemversion.

Informationens aktualitet kontrolleres ikke, eller AI bruger endnu ikke organisatorisk viden.Medarbejderne vælger de oplysninger, de giver til AI, og kontrollerer deres aktualitet efter eget skøn.Nogle oplysninger har versioner eller opdateringsdatoer, men AI kan ikke altid tage højde for dem.AI bruger styrede informationskilder, hvor dokumentversioner, status og aktualitet kan identificeres.AI bruger styret, sammenkoblet kontekst, tager højde for informationens status og version og markerer manglende data eller modstridende kilder.

Praktisk AI-brug på tværs af informationssystemernes livscyklus

01I hvilke faser af informationssystemernes livscyklus bruger din organisation AI i praksis?

Overvej analyse, design, udvikling, test, implementering og vedligeholdelse.

AI bruges ikke i informationssystemvedligeholdelse eller -udvikling.AI bruges primært til at udarbejde generelle tekster, e-mails eller resuméer.AI bruges regelmæssigt i én bestemt fase, f.eks. programmering eller test.AI bruges i flere faser, f.eks. kravanalyse, design, udvikling og test.AI integreres bevidst i hele IS-livscyklussen og bevarer informationens og outputtets kontinuitet mellem faserne.

02Hvordan hjælper AI med at forberede krav, specifikationer og arbejdsemner?

F.eks. nye funktionskrav, ændringsanmodninger, brugerhistorier og acceptkriterier.

AI bruges ikke til at forberede krav eller arbejdsemner.AI hjælper med at forbedre ordlyden eller formulere individuelle ideer.AI hjælper med at udarbejde dokumenter eller arbejdsemner ved hjælp af oplysninger fra en medarbejder.AI opretter strukturerede udkast ved hjælp af organisatoriske krav, dokumentation og tidligere arbejdsemner.AI hjælper med at udvikle konsekvente krav, specifikationer og acceptkriterier, der linker dem til det eksisterende system og indsender output til menneskelig gennemgang og godkendelse.

03Hvordan bruges AI i softwareudvikling, test og fejlrettelse?

Hvis din organisation ikke selv skriver kode, så overvej, hvordan AI hjælper med at gennemgå eller vurdere arbejde leveret af eksterne leverandører.

AI bruges ikke i udvikling, test eller fejlanalyse.AI hjælper af og til med at forklare fejl eller foreslå generiske tekniske løsninger.AI hjælper regelmæssigt med at skrive eller gennemgå kode, forberede tests eller analysere fejl.AI bruges til udvikling, test og fejlanalyse baseret på projektkode og -krav, med specialister, der verificerer outputtet.AI understøtter et sammenhængende udviklings-, test- og fejlretningsworkflow, hvor ændringer kan spores tilbage til krav og verificeres før implementering.

04Hvordan understøtter AI beslutninger om udvikling og vedligeholdelse af informationssystemer?

F.eks. vurdering af ændringspåvirkninger, arkitekturmuligheder, tekniske risici eller ressourcebehov.

AI bruges ikke til at forberede eller evaluere beslutninger.AI giver generiske anbefalinger, der ikke er baseret på det specifikke systems oplysninger.AI hjælper med at opsummere oplysninger leveret af en medarbejder og formulere mulige løsninger.AI hjælper med at sammenligne løsningsmuligheder ved hjælp af tilgængelige systemkrav, dokumentation og tekniske oplysninger.AI forbereder begrundede løsningsmuligheder med kilder, påvirkningsanalyse, risici og næste trin, idet usikkerhed udtrykkeligt identificeres, mens beslutninger overlades til den ansvarlige specialist.

05Hvor tæt er AI integreret i din organisations daglige arbejdsgange og værktøjer?

F.eks. i arbejdsstyring, dokumentation, kodelagre, test eller ændringsstyring.

AI bruges ikke eller er ikke forbundet med organisatoriske arbejdsgange.Medarbejdere bruger selvstændige AI-chatbots og kopierer manuelt oplysninger mellem værktøjer.AI er tilgængelig i individuelle arbejdsværktøjer, men output overføres stadig for det meste manuelt mellem processer.AI er integreret i flere arbejdsværktøjer og hjælper med at oprette eller opdatere oplysninger inden for eksisterende arbejdsgange.AI er integreret i sammenkoblede arbejdsgange og kan forberede og overføre output mellem faser, mens den respekterer adgangsrettigheder, verifikations- og godkendelsesprocedurer.

Pålidelighed og verificerbarhed af AI-output

01Når du modtager et AI-svar, kan du så kontrollere, hvilke informationskilder det er baseret på?

F.eks. ved at åbne et bestemt krav, dokument, arbejdsemne eller kildekodefragment.

AI identificerer ikke de anvendte kilder, og der er ingen måde at kontrollere, hvor informationen kom fra.AI nævner nogle gange mulige kilder, men det er uklart, om de faktisk blev brugt.AI kan identificere anvendte dokumenter eller filer, men at kontrollere specifikke påstande kræver yderligere søgning.AI-svar indeholder referencer til specifikke kilder, som brugerne kan åbne og kontrollere.Materiale AI-påstande kan spores til specifikke verificerbare kilder, deres versioner og de relevante oplysninger.

02Hvordan kontrolleres kvaliteten af AI-genererede arbejdsprodukter, før de anvendes?

F.eks. kravspecifikationer, arkitekturforslag, kildekode, testcases eller rapporter.

Der er ikke fastlagt en procedure for kontrol af kvaliteten af AI-output.Output kontrolleres kun, når nogen sætter spørgsmålstegn ved nøjagtigheden.Output kontrolleres normalt af den ansvarlige medarbejder, men der er ingen konsekvente verifikationskriterier.AI-output kontrolleres i forhold til definerede kvalitetskriterier og sammenlignes med relevante krav eller andre kilder.Verifikation er indlejret i arbejdsgangen, der kombinerer passende automatiserede kontroller, specialistgennemgang og nødvendige godkendelser.

03Hvad sker der, når AI giver et forkert, ufuldstændigt eller ikke-understøttet svar?

F.eks. citerer AI et ikke-eksisterende krav, misforstår et dokument eller foreslår en uhensigtsmæssig teknisk løsning.

Der er ingen defineret tilgang til at opdage AI-fejl, og fejl kan gå ubemærket hen.Fejl rettes kun, når en medarbejder tilfældigvis opdager dem.Medarbejdere rapporterer væsentlige fejl, men disse analyseres ikke systematisk.AI-fejl registreres, deres grundlæggende årsager analyseres, og der foretages forbedringer for at reducere gentagelser.Der er en systematisk fejlhåndtering: AI-outputkvaliteten overvåges, hændelser analyseres, forbedringer testes, og usikker brug begrænses, når det er nødvendigt.

04Hvordan reagerer AI, når den ikke har tilstrækkelige oplysninger til at give et underbygget svar?

F.eks. er den aktuelle specifikation ikke tilgængelig, en beslutningsbegrundelse mangler, eller dokumenter er i modstrid.

AI reagerer, selv når oplysningerne er utilstrækkelige, og afslører ikke denne begrænsning.AI advarer nogle gange om usikkerhed, men kan præsentere uunderbyggede antagelser som fakta.AI markerer normalt manglende oplysninger, men brugerne skal selv afgøre, hvad der ellers er behov for.AI identificerer specifikke informationshuller eller modsigelser og hjælper med at formulere de nødvendige afklaringer.AI-arbejdsgangen omfatter usikkerhedsstyring: Den markerer utilstrækkelig evidens, anmoder om afklaring eller yderligere verifikation og præsenterer ikke uunderbyggede konklusioner som fastslåede fakta.

05Hvordan gennemgås og godkendes AI-genererede output, før de bruges i vigtige beslutninger eller leverancer?

F.eks. før godkendelse af en arkitekturbeslutning, implementering af ændringer i produktion eller levering af output til en kunde.

Det er ikke defineret, hvilke AI-output der skal gennemgås eller godkendes.Medarbejderne beslutter selv, om gennemgang er nødvendig, og hvem der er ansvarlig.Materielle output gennemgås normalt af en ansvarlig specialist, men dette dokumenteres ikke altid.Det er defineret, hvilke AI-output der kræver gennemgang, hvem der udfører den, og hvordan godkendelse registreres.Gennemgangs- og godkendelseskrav er proportionale med arbejdsrelateret risiko, integreret i de relevante arbejdsgange og sikrer sporbarhed af ansvarlige personer og beslutninger.

AI-styring, datasikkerhed og kontrol

01Ved og kontrollerer din organisation, hvor data går hen, når medarbejdere bruger AI?

F.eks. systemdokumentation, kildekode, kundeoplysninger, personoplysninger og andet begrænset materiale.

Vi ved ikke, hvilke AI-værktøjer medarbejderne bruger, eller hvor indtastede oplysninger går hen.Medarbejderne bruger også offentlige eller personlige AI-konti, og dataoverførsler kontrolleres ikke centralt.Organisationen har godkendt AI-værktøjer, men databehandlingsbetingelserne er ikke fuldt ud vurderet for dem alle.AI-værktøjer har vurderet databehandlingsbetingelser, tilladte datakategorier og passende kontroller.Organisationen styrer AI-datastrømme gennem hele deres livscyklus, herunder behandlingssted, lagring, adgang, overførsler til tjenesteudbydere og sletning.

02Hvor klart er reglerne for brug af AI på arbejdet defineret i din organisation?

F.eks. hvilke AI-værktøjer der er tilladt, hvilke oplysninger der må indtastes, og hvilke output der skal kontrolleres.

Organisationen har ingen regler for AI-brug.Der er kun uformelle anbefalinger om at være forsigtig ved brug af AI.Der findes skriftlige AI-brugsregler, men de implementeres eller revideres ikke konsekvent.Godkendte AI-brugsregler er kendt af medarbejderne, med tilladte værktøjer og ansvarlige personer defineret.AI-brugsregler er integreret i arbejdsgange, overholdelse overvåges, og reglerne opdateres regelmæssigt for at afspejle risici og teknologiske ændringer.

03Hvordan kontrolleres AI's adgang til organisationsoplysninger?

F.eks. om AI, der hjælper en projektanalytiker, kun kan få adgang til oplysninger, som analytikeren har tilladelse til at se.

AI's adgang til organisationsoplysninger kontrolleres ikke, eller adgangsproceduren er ukendt.Adgang bestemmes hovedsageligt af, hvilke filer medarbejderne uploader til AI-værktøjet.AI's adgang er begrænset i visse systemer eller datakilder, men kontrollerne er inkonsekvente.AI's adgang administreres i henhold til brugerroller og tilladelser under overholdelse af organisationens databeskyttelseskrav.AI's adgang kontrolleres konsekvent for hver anmodning og handling under overholdelse af brugerrettigheder, dataklassificering og princippet om mindst mulig rettighed.

04Kan din organisation spore, hvordan AI blev brugt til at fuldføre et bestemt arbejdsemne?

F.eks. hvordan AI hjalp med at udarbejde krav, analysere dokumenter, ændre kode eller udvikle et teknisk forslag.

AI-handlinger logføres ikke, og det er umuligt at fastslå, hvad der blev gjort.Nogle oplysninger forbliver i separate AI-samtaler eller medarbejderes personlige konti.AI-samtaler eller -output gemmes, men det er svært at knytte dem til bestemte arbejdsemner.AI-brugshistorikken er knyttet til arbejdsemner, så det er muligt at identificere brugeren, handlinger og output.Risikorelevante revisionsoplysninger bevares for væsentlige AI-handlinger, herunder kilder, værktøjer, handlinger, output og godkendelser.

05Hvordan håndterer organisationen risici, når AI kan udføre handlinger i informationssystemer eller arbejdsværktøjer?

F.eks. oprette arbejdsopgaver, redigere dokumentation, forberede kodeændringer eller kalde system-API'er.

Tilladelser til AI-udførte handlinger og tilknyttede risici vurderes ikke.AI kan udføre nogle handlinger, men begrænsninger og kontroller afhænger i høj grad af brugeren.AI-handlinger er begrænset i visse værktøjer, og væsentlige ændringer kræver normalt menneskelig gennemgang.AI-handlinger har definerede tilladelser, risikoniveauer og godkendelseskrav, før der foretages væsentlige ændringer.AI-handlinger styres af tilladelser med mindst mulig rettighed, tekniske sikkerhedskontroller, risikobaserede godkendelser, overvågning og muligheden for at stoppe eller omgøre handlinger, hvor det er teknisk muligt.

AI-adoptionsstyring og forretningsmæssige fordele

01Hvem i din organisation er ansvarlig for AI-adoption og udvikling af brugen af den?

Overvej ansvaret for AI-adoption i vedligeholdelse, udvikling og styring af informationssystemer.

Ingen er udpeget som ansvarlig for AI-adoption i organisationen.Brugen af AI fremmes hovedsageligt af individuelle interesserede medarbejdere på eget initiativ.En team- eller afdelingsleder overvåger AI-adoptionen sideløbende med deres almindelige ansvar.En AI-adoptionsansvarlig er udpeget med klare ansvarsområder og myndighed til at koordinere organisatoriske aktiviteter.AI-adoption er en del af organisationens ledelsesplan med defineret ansvarlighed, beslutningsprocedurer, ressourcer og målbare mål.

02Måler din organisation de fordele, der leveres af AI-brug?

F.eks. sparet tid, lavere omkostninger, hurtigere kravforberedelse, færre fejl eller bedre adgang til viden.

Fordelene ved AI-brug vurderes eller måles ikke.Medarbejderne mener, at AI hjælper dem med at arbejde hurtigere, men der er ingen specifikke målinger.Der er individuelle eksempler eller skøn over sparet tid eller forbedrede resultater fra AI.AI-fordele måles regelmæssigt i udvalgte arbejdsgange, hvor resultaterne sammenlignes med tidligere praksis.AI-fordele måles og vurderes systematisk med hensyn til omkostninger, kvalitet og produktivitet, og resultaterne informerer om fremtidige investeringsbeslutninger.

03Hvordan vælger din organisation de arbejdsgange, hvor der skal indføres AI?

F.eks. kravanalyse, dokumentationsvedligeholdelse, udvikling, test eller rapportering af systemstyring.

Der er ingen defineret fremgangsmåde til vurdering af mulighederne for brug af AI.AI-brugssager vælges ud fra medarbejdernes interesse eller tilgængelige værktøjer.Der identificeres individuelle processer, hvor AI kan hjælpe, men der er ingen konsekvent prioriteringsmetode.Mulighederne for AI-adoption vurderes ud fra forventet fordel, implementeringskompleksitet og risiko.AI-adoptionsprioriteterne fastsættes ved hjælp af sammenlignelige kriterier for forretningsværdi, omkostninger, risiko og implementeringsparathed, og de gennemgås regelmæssigt.

04Hvad er organisationens AI-udviklingsplan for de næste 12 måneder?

Vurder, om organisationen har specifikke AI-adoptionsmål, prioriteter, ansvarlige ejere og nødvendige ressourcer.

Der er ikke udarbejdet nogen AI-adoptions- eller udviklingsplan.Organisationen overvåger AI-udviklingen, men der er ikke planlagt specifikke adoptionsaktiviteter.Der er planlagt AI-værktøjer eller individuelle pilotprojekter, men der er ingen omfattende implementeringsplan.Der er defineret specifikke AI-anvendelsestilfælde, implementeringstidslinjer, ejere og nødvendige ressourcer.En godkendt faseopdelt AI-udviklingsplan omfatter prioriteter, budget, forventede resultater og regelmæssige gennemgange af fremskridt og fordele.

05Hvordan omdanner din organisation vellykkede AI-eksperimenter til permanente arbejdsløsninger?

Hvordan indføres det f.eks. i det rutinemæssige arbejde efter et vellykket AI-pilotprojekt i kravanalyse eller test?

Der gennemføres ikke AI-eksperimenter, eller resultaterne heraf anvendes ikke i det efterfølgende arbejde.Enkelte medarbejdere fortsætter med at anvende vellykkede AI-løsninger på eget initiativ.Nogle AI-løsninger vedtages af teams, men vedligeholdelse og udvikling heraf organiseres ikke systematisk.Vellykkede AI-løsninger vurderes, dokumenteres og indføres i definerede arbejdsgange med udpegede ejere.En defineret proces fører AI-løsninger fra pilotprojekt til rutinemæssig anvendelse, herunder kvalitet, sikkerhed, omkostninger, brugeruddannelse og langsigtet vedligeholdelse.

Dit resultat er klar

Fortæl os, hvem der spørger, og resultatet er dit.

Fulde navn *

Organisation *

Arbejdsmail *

Hvordan vi bruger disse oplysninger

DCS Flow bruger dit navn, din organisation og din arbejdsmail til at forberede og tilbyde dig en konsultation om dit resultat. Dine svar og resultatet sendes til DCS Flow-teamet som én mail og gemmes ikke af dette websted.

Mailen leveres via Google Workspace. Du kan bede os om at slette den når som helst ved at skrive til adressen på dette websted. Hvis du markerer marketingfeltet, kan vi også kontakte dig om DCS Flow; det kan du trække tilbage når som helst.

DCS Flow må kontakte mig om sine produkter og tjenester.

Hvor klar er din organisationtil AI i informationsarbejde?