• Når data og algoritmer ikke er neutrale
    Nov 2 2026

    I denne episode tager værterne lytteren med på en dybdegående udforskning af, hvorfor data og algoritmer aldrig blot er kold matematik eller neutrale spejlinger af virkeligheden. Gennem et bredt felt af teoretiske perspektiver og praktiske eksempler belyses det, hvordan enhver datastruktur og algoritme hviler på menneskelige valg, historiske kompromiser og kulturelle praksisser.

    Episoden undersøger først, hvordan klassifikationssystemer og infrastruktur fungerer som usynlige rammer i vores hverdag og arbejdsliv. Værterne gennemgår, hvordan faste administrative kategorier og standarder skaber uundgåelige skævheder ved at definere, hvad der bliver synligt og målbart, og hvad der falder udenfor som uregistrerede afvigelser. Som et konkret eksempel diskuteres dilemmaet ved at standardisere og digitalisere komplekst fagligt arbejde i sundhedssektoren, hvor registrering af sygeplejearbejde både kan give faglig anerkendelse og risikere at reducere kompleks praksis til bureaukratiske felter.

    Derefter udvides perspektivet til at betragte algoritmer som levende kultur frem for lukkede tekniske bokse. Værterne viser, hvordan uformelle arbejdsgange, lokale skøn og medarbejderes praktiske optræden på skærmen – f.eks. i administrative forretningssystemer som SAP – løbende former det reelle datagrundlag, uden at disse aktiviteter fremgår af systemets formelle logfiler.

    I episodens tredje del kastes der lys over de politiske filosofier og værdier, der er indbygget i digitale platforme. Gennem konkrete eksempler forklares det, hvordan søgemaskiner som Google prioriterer autoritet og citationer, sociale medier som Facebook vægter netværksrelationer og nærvær, mens platforme som Twitter fremhæver dagsordener og øjeblikkets opmærksomhed.

    Afslutningsvis diskuteres det, hvorfor kritisk datadokumentation og tværfaglig indsigt er afgørende for organisationer, der ønsker at skabe reel datadrevet værdi uden at blive blinde for datagrundlagets usynlige antagelser.

    Show More Show Less
    23 mins
  • Quantification, Proxies, and the Limits of Numerical Control
    Oct 27 2026

    Episode Description: In this episode, the hosts examine the complex relationship between quantitative data metrics and the human realities they aim to measure. The discussion focuses on the process of commensuration, where qualitative experiences, professional judgments, and complex social interactions are transformed into standardized numbers, ratings, and performance indicators.

    The hosts explore how the drive to measure and optimize can inadvertently distort organizational priorities, creating proxies that measure easily countable behaviors rather than true value or wellbeing. The conversation details how algorithmic risk scoring and predictive metrics can obscure structural issues, shift responsibility onto individuals, and create feedback loops that reinforce existing biases, as illustrated by examples such as predictive risk modeling in municipal child welfare cases in Silkeborg Kommune and Hjørring Kommune.

    Furthermore, the episode addresses the phenomenon of surveillance capitalism and behavioral tracking, analyzing how data metrics shape human behavior in both public institutions and private platforms. The hosts conclude by highlighting the critical need for ethical governance, domain expertise, and human judgment to balance quantitative metrics with contextual understanding, ensuring that data serves as a meaningful tool rather than a distorting lens.

    Show More Show Less
    50 mins
  • Ledelsens rolle i den datadrevne organisation
    Oct 26 2026

    I denne episode tager værterne lytteren med på en dybdegående rejse ind i ledelsens rolle, ansvar og strategiske tilgange, når organisationer skal udvikles til at blive reelt datadrevne. Samtalen undersøger den nødvendige transformation fra at træffe beslutninger baseret på traditionel leder-intuition og mavefornemmelse til at opbygge en evidensbaseret beslutningskultur.

    Værterne stiller skarpt på det grundlæggende spændingsfelt mellem at anvende data i et klassisk styringsparadigme med fokus på kontrol, rapportering og faste nøgletal over for at bruge data som et eksplorativt lærings- og udviklingsværktøj. Med udgangspunkt i begrebet datafantasi belyses det, hvordan organisationer ved at arbejde langs datadiamantens forskellige akser kan anvende både strukturelle og ustrukturerede data til at afdække og gentænke komplekse organisatoriske problemstillinger. Dette illustreres med konkrete eksempler som undersøgelser af trivsel i Helsingør Kommune samt arbejdet med Smart City-initiativer og datarammer i Københavns Kommune.

    Derudover drøftes det, hvordan ledelsen skal navigere i interne modstridende opfattelser af data og teknologi, samt hvordan sammenkoblingen af dyb fagekspertise og moderne teknologianvendelse kan skabe markante effektforbedringer i både kvalitet og produktivitet. Episoden afrundes med centrale læringspunkter for ledere, der ønsker at skabe reel forretningsmæssig og organisatorisk værdi gennem data.

    Show More Show Less
    18 mins
  • Fra Excel til datafantasi: Hvordan algoritmer og sprogmodeller former vores dataforståelse(8_3)
    Oct 26 2026

    Episodebeskrivelse: I denne episode tager værterne lytteren med på en dybdegående udforskning af, hvordan ny teknologi og sprogmodeller forandrer vores tilgang til dataanalyse og organisatorisk læring. Samtalen bevæger sig fra den klassiske anvendelse af strukturelle Excel-ark og fastlåste nøgletal til opbygningen af en mere eksplorativ og nuanceret datafantasi.

    Episoden stiller skarpt på det grundlæggende tekniske og matematiske spørgsmål om, hvordan computere og sprogmodeller genkender mønstre i ustrukturerede data. Værterne forklarer, hvordan tekst og data omdannes til talværdier og vektorer i flerdimensionale rum, hvor algoritmer beregner sandsynligheder og statistiske sammenhænge uden at besidde menneskelig forståelse. Derudover behandles den videnskabsteoretiske debat om teoriens rolle i dataalderen, hvor påstanden om, at store datamængder gør teoretiske modeller overflødige, udfordres. I stedet vises det, hvordan data og algoritmer fungerer som eksplorative undersøgelsesredskaber, der skaber produktiv dissonans og udfordrer organisationens eksisterende antagelser.

    Sammenspillet mellem menneske og maskine belyses med fokus på opbygningen af velfungerende socio-tekniske systemer. Gennem princippet om at kombinere stærk fag- og domæneekspertise med kompetent AI-anvendelse vises det, hvordan organisationer kan opnå markante effektforbedringer i både kvalitet og produktivitet. Dette illustreres blandt andet med eksempler fra undersøgelser af trivsel i Helsingør Kommune. Afslutningsvis afdækkes de skjulte antagelser, klassifikationsvalg og utilsigtede skævheder, der ligger begravet i algoritmisk modeludvikling fra dataindsamling til fortolkning, samt vigtigheden af kritisk faglig refleksion.

    Show More Show Less
    17 mins
  • Om usynlige klassifikationer og indbyggede politiske filosofier (10)
    Oct 23 2026

    I denne episode stiller værterne skarpt på de usynlige strukturer, der former vores digitale hverdag og beslutningsprocesser. Data er aldrig blot neutrale tal eller objektive kendsgerninger – de er resultatet af menneskelige valg, kategoriseringer og standarder, som ofte forbliver skjult i baggrunden.

    Værterne undersøger først, hvordan klassifikationssystemer opstår, og hvilke konsekvenser det har, når virkeligheden presses ind i faste kasser. Hvad sker der med det arbejde eller de informationer, der ikke passer perfekt ind i systemerne? Gennem eksempler fra sundhedssektoren – blandt andet arbejdet med at skabe faste klassifikationer og standarder for sygepleje – belyses dilemmaet mellem at gøre usynligt arbejde synligt og målbart kontra risikoen for at reducere kompleks faglighed til bureaukratiske kategorier. Episoden gennemgår her fire tilgange til at opdage disse skjulte infrastrukturer ved at fokusere på systemernes skævheder, deres fysiske og digitale materialitet, deres historiske forudsætninger samt de kontroverser, der opstår, når systemerne svigter.

    Derefter vendes blikket mod de algoritmer, der sorterer og prioriterer vores informationer. Værterne forklarer, hvordan algoritmer ikke blot er tekniske beregningsværktøjer, men indeholder indbyggede politiske filosofier og bestemte opfattelser af, hvad der er værdifuldt. Som eksempler diskuteres det, hvordan store digitale platforme som Google, Facebook og Twitter benytter vidt forskellige logikker – fra autoritet og citationer over socialt engagement til øjeblikkets aktuelle dagsordener – til at strukturere den information, vi møder.

    Afslutningsvis drøftes det, hvordan man som fagperson kan forholde sig kritisk og konstruktivt til de underliggende antagelser i datamodeller. Lytteren får en dybere forståelse for, hvorfor arbejdet med data kræver mere end blot teknisk indsigt: Det kræver opmærksomhed på de valg, værdier og usynlige grænser, der ligger indlejret i moderne teknologiske systemer.

    Show More Show Less
    17 mins
  • Fra tekst til tal - til AI understøttet forståelse (8_2)
    Oct 22 2026

    I denne episode udforsker værterne den fascinerende rejse fra klassisk databehandling i regneark og nøgetal til avanceret analyse af ustruktureret tekst som elevers fristile. Samtalen stiller skarpt på, hvordan ustrukturerede fortællinger kan transformeres til beregnelige størrelser gennem samforekomster og matematiske vektorer, hvilket gør det muligt for organisationer at udføre distanceret læsning og opdage tværgående mønstre uden at være låst af forudindtagede spørgeskemaer.

    Med udgangspunkt i datadiamanten og begrebet datafantasi drøfter værterne, hvordan organisationer kan bevæge sig væk fra et snævert styringsparadigme med faste resultatkontrakter og i stedet anvende data som et redskab til udforskning, nysgerrighed og organisatorisk læring. Episoden gennemgår de centrale mekanismer i semantisk netværksanalyse, herunder hvordan knudepunkter og kanter danner visuelle netværkskort. Værterne forklarer pædagogisk, hvordan klynger samler tæt forbundne emnekredse, mens centrale broer og hubs forbinder adskilte samtalerum.

    Derudover belyses forskellen på en svag topologi bestående af enkelte ranglister og en stærk topologi i form af todimensionale netværkskort skabt via algoritmer som ForceAtlas2\. Gennem dette visuelle overblik synliggøres ikke blot de dominerende temaer, men også de tomrum og adskillelser i kortet, som peger på oversete faglige perspektiver. Dette illustreres med eksempler fra arbejdet med elevers trivselsfortællinger i Helsingør Kommune. Afslutningsvis understreges vigtigheden af den faglige dømmekraft samt samspillet mellem fagekspertise og AI-kompetencer i moderne dataanalyser.

    Show More Show Less
    18 mins
  • Fra simpel matematik til fysiske verdensmodeller: En dybdegående rejse gennem AI-træning og datadreven udvikling
    Oct 19 2026

    I denne episode tager værterne dig med på en grundig og faglig rejse gennem den teknologiske udvikling af kunstig intelligens og maskinlæring, fra de tidligste matematiske principper til nutidens mest avancerede verdensmodeller. Episoden giver en dyb forståelse af de centrale databegreber og træningsmetoder, der ligger bag moderne datadrevne systemer.

    Værterne starter med at afmystificere, hvad der reelt sker under træningen af en AI-model. De gennemgår kredsløbet mellem parametre, tabsfunktioner, backpropagation og optimeringsalgoritmer som gradient descent. Der stilles desuden skarpt på den vigtige skelnen mellem fire fundamentale begreber: træning, validering, test og inferens, herunder hvorfor hurtig eller realtidsbaseret inferens ikke må forveksles med løbende eller kontinuerlig træning.

    Derefter udforskes den historiske og faglige udvikling i netværksarkitekturer. Episoden dækker Frank Rosenblatts perceptron fra 1950'erne og dens lineære begrænsninger, opgavespecifik deep learning som konvolutionelle neurale netværk (CNN) og forstærkningslæring med Deep Q-networks. Værterne forklarer overgangen fra dyre mærkede datasæt til selv-superviseret læring gennem modeller som Word2vec og BERT, samt generative tilgange som GANs, diffusionsmodeller og multimodal træning som CLIP.

    Lytteren får også indsigt i processen med eftertræning, herunder superviseret finjustering og reinforcement learning from human feedback (RLHF), som former rå grundmodeller til reelle assistenter. Episoden rundes af med en fokuseret gennemgang af nyere world models, der evner at repræsentere og forudsige dynamiske miljøer og handlinger, illustreret med enkelte eksempler på teknologier fra aktører som DeepMind og NVIDIA.

    Afslutningsvis perspektiveres der til 10 til 100-princippet som ledetråd for, hvordan kombinationen af fagekspertise og optimal AI-anvendelse kan løfte både produktivitet og kvalitet i en datadrevet organisation.

    Show More Show Less
    18 mins
  • Nye muligheder kræver omtanke: Menneskelig faglighed og kritiske fælders spil i AI-tidsalderen (8_1)
    Oct 14 2026

    I denne episode tager værterne et dybdegående kig på forholdet mellem store datamængder, kunstig intelligens og værdien af den menneskelige fagekspertise. Selvom avancerede algoritmer og Big Data giver os mulighed for at opdage mønstre med uovertruffen hastighed, rejses det helt centrale spørgsmål: Kan statistiske korrelationer erstatte en egentlig forståelse af årsag og virkning, eller gør datamængderne os i virkeligheden endnu mere afhængige af menneskelig dømmekraft?

    Diskussionen dækker en bred række af de muligheder og faldgruber, der opstår, når organisationer og fagpersoner forlader sig på datadrevne modeller. Værterne gennemgår blandt andet, hvordan mønsterigenkendelse bruges succesfuldt i e-handel som eksempelvis Amazon til tilpassede anbefalinger, men også hvordan anvendelse af historiske data kan skabe alvorlige blinde vinkler. Som eksempel belyses det, hvordan algoritmisk risikovurdering i kommunale børnesager kan indbygge aldersmæssig bias og skabe selvopfyldende profetier, hvis softwaren blindt vægter fortidens mønstre uden hensyntagen til børnenes reelle situation.

    Derudover sætter episoden fokus på fænomenet automation bias – faren for, at fagpersoner som eksempelvis jurister eller sagsbehandlere udviser blind tillid til AI-genererede svar og dermed slukker for deres egen kritiske sans.

    Afslutningsvis præsenteres et strategisk pejlemærke for arbejdet med datadrevet forretningsudvikling: 10-til-100-princippet. Her vises det, hvordan ibrugtagning af AI i sig selv kan give beskedne effektiviseringer på omkring 10 %, men at det først er i krydsfeltet mellem dyb domæneindsigt og stærke kompetencer i AI-anvendelse, at man kan frigøre produktivitets- og kvalitetsløft på over 100 %. Lytterne får dermed en klar forståelse for, hvorfor kritisk sans og faglig sparrepartner-rolle er uundværlig, når algoritmer integreres i komplekse beslutningsprocesser.

    Show More Show Less
    19 mins