Fra afskedigelse til AI-karriere
Et år hvor mere end 100.000 tech-ansatte afleverede deres ID-kort slutter overraskende: De som hurtigt tænker AI ind i deres kompetencer, finder nye muligheder – med læringsforløb der koster under 350 kroner.
Lige ved siden af mig åbner Jana, tidligere QA-leder, sin laptop og søger på "Coursera generative AI". Hun trækker hovedtelefonerne over ørerne, som skulle hun rejse til en helt anden by. Udenfor stopper el-løbehjul ved lysene, indenfor starter en video om prompting og små projekter designet til at vise hvad man kan – uden at skulle holde treårig pause. Og så sker der noget uventet.
Hvorfor afskedigede lander i AI-roller
De store tech-virksomheder skærer ned bredt, men AI-afdelingerne fortsætter med at ansætte. Produktteams bliver mindre, mens AI-teams vokser, fordi hver proces pludselig kan måles og accelereres. AI-stillinger udgør undtagelsen i ansættelsesstoppet, og netop her åbner nye døre sig.
Et eksempel jeg ikke glemmer: Mara fra Hamburg, support-engineering, 38 år, to børn. Hun tager gennem et abonnement til omkring 350 kroner "Machine Learning"-sporet på Coursera, følger "AI For Everyone" gratis som audit og bygger samtidig et lille værktøj der automatisk tagger tickets – intet spektakulært, men nyttigt. Tre uger senere deler hun det i et LinkedIn-opslag, og næste mandag taler hun i telefon med et e-handels-team om en rolle som "AI Operations Specialist".
Skiftet virker fordi mange færdigheder allerede findes. Den der tænker produkt, bliver til AI Product Manager, den der elsker data, til Data Analyst med GenAI-værktøjer, den der kender support, lander i AI Ops. Broen hedder "tilstødende kompetencer": en kerne, et nyt lag der gør AI anvendeligt. AI lever ikke længere i elfenbenstårne.
Under 350 kroner: læringsforløb der rent faktisk bærer
Metoden er ligetil: vælg rolle, byg sti, lever projekt. For produktroller: følg "AI For Everyone" fra DeepLearning.AI som audit, derefter "Generative AI with Large Language Models" fra DeepLearning.AI og AWS, certifikat for cirka 350 kroner, og til slut et to-ugers projekt som "AI-feature-canvas plus klik-demo". For data-roller: "Google Data Analytics Professional Certificate" månedligt omkring 280-350 kroner, plus en lille notebook der sammenfatter teksttunge data med LLM-API'er.
Lad os være ærlige: ingen gør det virkelig hver dag. Det hjælper at sætte en seks-ugers sprint med to læringssessioner ugentligt og en fast demo til slut. En simpel rytme bærer langt: lær, byg efter, del. En synlig mini-portefølje slår fem certifikater gemt i et CV-bilag.
Hvad der blokerer de fleste, er to fælder: at samle certifikater uden output og projektmonstrene der aldrig bliver færdige. Start småt, lever noget håndgribeligt og tal åbent om begrænsninger.
"Læring er en serie af små leverancer. Den der kan levere, bliver inviteret til at tænke større."
- Rolle: vælg en målrolle med maksimalt to nye kompetencelag
- Kursus: tag et kursus du kan følge gratis, certifikat kun ved behov
- Projekt: byg et problem-til-resultat miniværktøj på 10-14 dage
- Opslag: del resultat, målepunkter, GitHub-link i 8-12 sætninger
Logikken bag det stille boom
AI flytter arbejde fra "skrive" til "gennemgå og orkestrere". Den der tidligere har bygget broer – mellem business og teknologi – får nu værktøjer der synligt skaber værdi. Efterspørgslen efter AI-produkt og ops-roller eksploderer så snart teams mærker et lille, pålideligt plus i hastighed. Forløbene til 350 kroner virker fordi de sænker barrierer og skaber fokus: præcis nok til at få et resultat ud i verden der kan måles. Vi kender alle det øjeblik hvor en lille ting pludselig flytter det store billede.
Finjustering: sådan bliver læring til en ny jobtitel
Start med et "Job Map" på én side: til venstre din nuværende kerne – for eksempel QA, PM, support – til højre målrollen som AI PM, AI Ops, Data plus GenAI. Definer to huller imellem, ikke ti: eksempelvis prompting plus metrics, eller LLM-API'er plus dataoprydning. Fastlæg præcis ét kursus og ét projekt per hul, alt sammen under 350 kroner månedligt. Resten handler om takt: to sessioner ugentligt, én leverance hver fjortende dag.
Typiske fejl: for meget teori, for lidt demo; for mange værktøjer, for lidt klarhed; ingen offentlig læring. Skriv korte fremskridtsnotater på LinkedIn, selv hvis de er ujævne. Fortæl hvad du har afprøvet, hvad der gik galt, hvad du gør anderledes næste gang. Det virker tilgængeligt, giver feedback og sommetider en invitation i kalenderen.
Et ord om valg: tag kurser der bringer dig ind i reelle værktøjer, ikke i slides. Byg på audit-muligheder og brug certifikatet strategisk når det afrunder en ansøgning.
"Rekrutteringsfolk vil se at du løser problemer, ikke at du kan slides udenad."
- DeepLearning.AI: "AI for Everyone" kan følges gratis, certifikat cirka 350 kr.
- Google: "Data Analytics Professional Certificate", månedligt abonnement cirka 280-350 kr.
- DeepLearning.AI og AWS: "Generative AI with LLMs", praksisnær, certifikat cirka 350 kr.
- Google Cloud: "MLOps Fundamentals" kan følges gratis, godt fundament for AI Ops
Hvad der bliver tilbage: en åben dør og en kort sprint
Markedsregnskabet er nøgternt: færre generalister, flere folk der bygger AI ind i eksisterende arbejde. Den der blev afskediget i dag har sjældent tid eller penge til lang uddannelse, men ofte nok substans til en rolle med AI-komponent. Et seks-ugers forløb under 350 kroner, to små demoer, tre klare opslag – det vender samtaler i en ny retning. Måske ikke hvert job, men netop det næste opkald. Og sommetider er ét opkald nok.
| Kernepunkt | Detalje | Værdi for læseren |
|---|---|---|
| Præciser rolle | To kompetencehuller i stedet for ti, klar målrolle | Hurtigere beslutninger, mindre frustration |
| Kursus til projekt | Ét kursus under 350 kr., ét 10-14 dages miniprojekt | Synligt resultat i stedet for teori |
| Lær offentligt | Korte opslag med målepunkter, GitHub eller Colab-link | Mere rækkevidde, varme kontakter, muligheder |
Ofte stillede spørgsmål:
- Hvordan holder jeg mig under 350 kroner om måneden? Brug gratis audit-muligheder, book kun certifikat i sidste måned eller tag et enkelt måneds-abonnement til et fokuseret læringsforløb.
- Jeg kan næsten ikke programmere – findes der passende roller? Ja: AI Product Management, AI Ops, data-indsigter med GenAI, content-ops. Start med prompting, dataklargøring i regneark og små no-code automationer.
- Hvordan vælger jeg det første projekt? Tag et problem du kender: ticket-tagging, sammenfatning af mødenotater, FAQ-generering fra interne dokumenter. Mål: en målbar forbedring på en uge.
- Hvor lang tid tager skiftet realistisk? Fire til otte uger til første demoer og samtaler, afhængig af forhåndsviden. Hold omfanget lille og frekvensen høj.
- Skal jeg kunne perfekt engelsk? Ikke perfekt, men solid læseforståelse hjælper fordi kursusmateriale er på engelsk. Skriv gerne ansøgninger tosproget, hovedsagen er at dine demoer taler klart.
