Compliance er adfærd, ikke information

Hvorfor mere information ikke skaber den adfærd vi vil have

Paper 20 · Pødenphant Lund (2026w) · version 3, udgivet 22. august 2026 · Læs på Zenodo

Papiret hedder Governance Irony: Why Information-Heavy Compliance Directives Mechanically Fail in Large Language Models.

Der findes et godt citat fra Derek Sivers: hvis mere information var svaret, så var vi alle sammen blevet milliardærer med perfekte mavemuskler. Vi ved jo godt hvad vi skal. Vi gør det bare ikke. Og alligevel er hele compliance-faget bygget på den modsatte antagelse: at hvis bare folk fik informationen én gang til, grundigere, med flere detaljer, så ville de gøre det rigtige. Det her er historien om hvorfor det ikke passer, hvad der er målt, og hvad der virker i stedet.

Tag compliance helt alvorligt et øjeblik

Hvad er compliance egentlig? Hvis vi tager det helt bogstaveligt, er det noget folk gør. At huske at låse døren. At lade være med at sende en fil til den forkerte. At sige det højt, når et databrud alligevel er sket. Det er adfærd, hver eneste gang. Det er ikke noget folk ved, det er noget de gør, ofte under tidspres, ofte midt i alt muligt andet.

Men se på hvordan compliance bliver lavet i praksis. Det bliver behandlet som information. Politikken skal have alle detaljer med. Kurset skal dække hver undtagelse. Der opstår nærmest en forhandling om at få hver eneste nuance med, for ellers er man jo ikke "dækket". Resultatet er et dokument eller et e-læringsmodul der er fuldstændigt, juridisk vandtæt, og som ingen ændrer adfærd på baggrund af.

Jeg har lavet den slags træning i mange år. Jeg ved hvornår den ikke virker, fordi jeg har bygget den. Og pointen er ikke at folk er dovne eller modvillige. De fleste vil rigtig gerne gøre det rigtige. Pointen er at vi taler til dem på en måde der ikke kan bygge adfærden, og så undrer vi os over at adfærden ikke kommer.

Papiret går efter en metode, ikke efter fuldstændighed som sådan. Metoden er den monolitiske dump: saml hele regelsættet, læg det frem som én krop til ét væsen, og lad tilstedeværelsen af det fuldstændige regelsæt tælle som bevis for at adfærden er under kontrol.

Den falske kæde

Antagelsen under det hele kan tegnes som en kæde med tre led:

Information → Læring → Adfærd

Giv folk informationen, så lærer de den, og så gør de det. Det lyder selvfølgeligt. Men der er to svage led i den kæde, og de er svage hver for sig.

Det første svage led: information bliver ikke automatisk til læring. At have læst noterne er ikke det samme som at kunne det. Det ved alle der nogensinde har fået 200 sider udleveret før et møde. Det andet svage led er endnu vigtigere: læring bliver ikke automatisk til adfærd. Du kan godt vide præcis hvad du bør gøre, og stadig ikke gøre det, fordi der i selve situationen er noget der trækker den anden vej. Læring er faktisk den længste vej til adfærd.

Så hele kæden hviler på to spring som ikke sker af sig selv. Og når vi gør det vi plejer, nemlig at putte mere information ind i toppen, gør vi ikke springene lettere. Vi gør dem tungere.

Hvorfor det er sådan, og ikke bare et uheld

Det her er hvor friktionsteorien kommer ind, og hvor den gør noget de fleste compliance-bøger ikke kan: den forklarer hvorfor mere information modarbejder adfærd, helt nede på mekanikken. Hvis du vil have billederne bag, ligger de på vand-siden. Kort fortalt er der fire ting:

• Adfærd er en vundet rute, ikke en gemt regel. Når du står ved døren, kører der inde i dig et lille kapløb mellem flere mulige handlinger. Den handling der har det dybeste spor, den du har gjort flest gange, vinder kapløbet. Den skrevne politik er ikke engang med i kapløbet, medmindre den er nået at blive til et spor. Du handler ikke ud fra hvad der står i manualen. Du handler ud fra hvilken rute der er gravet dybest.
• Mere detalje betyder flere konkurrerende ruter, og det gør sporet sværere at grave. Når en politik forsøger at dække hver nuance, præsenterer den hjernen for mange ruter på én gang. Det er det bredeste, mest splittede input der findes. Og netop det input bliver kodet dårligst og er den mindst sandsynlige vinder af kapløbet, når det gælder. Forhandlingen om "at få alle detaljer med" optimerer altså præcis den variabel der ødelægger indkodningen. Vi tror vi gør det grundigere; vi gør det svagere.
• "Lad være med at gøre X" tænder for X. For at forstå et forbud skal du forestille dig handlingen. To adskilte fund peger samme vej. Sprogmodeller regner den ikke-negerede påstand ud først og er ufølsomme over for hvad negationen gør ved betydningen (Ettinger, 2020). Og hos mennesker hæver forsøget på ikke at gøre X netop X's tilgængelighed, stærkest når kapaciteten er sat ned (Wegner, 1994). Det er et sammenfaldende træk på tværs af substrater, ikke en bevist universalitet. Det praktiske greb står fast: "gør Y i stedet" bygger den rute du vil have, hvor forbudslisten navngiver den du ikke vil have.
• "Compliance som skrevet" er en tilstand der ikke kan lade sig gøre. Den perfekt overholdte politik forudsætter et væsen der er fuldstændigt rationelt og har ubegrænset tid og overskud i ethvert øjeblik. Richard Thaler og Cass Sunstein kalder det væsen en "econ", til forskel fra et menneske. Det findes ikke, hverken i kulstof eller i silicium. Det er som lufttomt rum: en idealtilstand man kan regne på, men ikke stå i.

Og så er der en ting der skal holdes skarpt, for det er her de fleste læser forkert. Der skal ikke en krise til. Ordet "pres" dækker to forskellige ting, og papiret holder dem adskilt. Det ene er den helt almindelige, stående tilstand at ressourcerne er begrænsede: opmærksomhed, hukommelse og tid fordelt på mange konkurrerende direktiver. Den begravede regel taber også i rolige omgivelser. Det andet er hvor længe kapløbet får lov at løbe, før væsenet binder sig. De to ting er uafhængige, og de forstærker hinanden: en regel der kun står i teksten, har i forvejen svært ved at slå en dybere trænet rute, og får den kortere tid, taber den hurtigere.

Læg de fire ting sammen, og du får et resultat der ikke er til at komme udenom: en udtømmende, detalje-tung, forbuds-formuleret compliance-tekst er ikke bare ineffektiv. Den arbejder aktivt imod den adfærd den skal skabe. Den optimerer det forkerte.

Det er målt, ikke bare udledt

Det er den del der er ny. Den samme regel, formuleret på to måder. Reglen var: streg alle personnavne ud af teksten. I den ene version stod den alene som en kort recept. I den anden lå den som én klausul blandt fjorten i en helt almindelig procedurehåndbog, altså den realistiske fulde-manual-dump. Hundrede tekststykker i hver celle, scoret automatisk på om navnene faktisk blev streget ud.

Recepten blev fulgt tæt på 100 procent. Den begravede regel blev fulgt langt sjældnere: Qwen2.5-7B 0 procent, Llama-3.3-70B 60 procent i kort kontekst og 88 procent i lang. Den stærkeste model i feltet, cogito-671B, lå på 100 procent hele vejen, altså et kapacitetsloft.

Så er spørgsmålet hvad der egentlig gjorde skaden, og det er dér kontrollerne kommer ind. Var det længden? En kontrol der matchede håndbogens længde med neutral fyldtekst holdt tæt på 100 procent. Var det listeformen eller den obligatoriske overskrift? En kontrol hvor reglen lå begravet blandt tretten klausuler der ikke var regler, under nøjagtig samme obligatoriske overskrift, gav 100 procent på 70B-modellen og 14 til 37 procent på den lille. Mod 88 og 0 procent når de øvrige klausuler var konkurrerende regler. Der er kun én ting tilbage: de konkurrerende regler selv.

Placeringen er også prøvet af. Krydser man konkurrence med placering, falder overholdelsen til 0 procent på hver eneste placering, også først og sidst i teksten. En liste af ikke-regler i samme længde holder 90 til 100 procent i enderne. Der findes altså godt nok en "tabt i midten"-effekt, men den er lille, og den kan ikke forklare at reglen dør i enderne. Effekten holder også på tværs af fem emneområder, fra logistik over pleje til kontrakt, hvor den begravede regel kører 0 procent i hvert eneste af dem.

Den er graderet efter kapacitet, ikke et småmodel-særtilfælde. Skruer man op for antallet af konkurrerende klausuler, altså 14, 28 og 42, knækker hver model på sit sted: Qwen-7B ved 14, Llama-3.3-70B ved 28, gpt-4o-mini ved 42, og gpt-4o var stadig ikke knækket ved 42. Alle knækker når antallet af konkurrerende direktiver overstiger deres kapacitet. De stærke modeller tåler bare flere først.

Regelformen betyder også noget. En formatregel og et komma-forbud, som begge skal holdes hele svaret igennem, kollapsede lige så rent som navnereglen. En regel der kun skal udføres ét sted, nemlig at slutte af med en fast markør, overlevede begravelsen på 100 procent. Det er den vedvarende overholdelse der bider, ikke enkelthandlingen.

Og en detalje der siger noget om hvilken slags fejl det er: bytter man rundt på klausulernes rækkefølge i håndbogen, svinger overholdelsen med omkring 45 procentpoint. Det er ikke en pæn, gradvis forringelse. Det er en historieafhængig, glasagtig opførsel, hvor det betyder noget hvilken vej man kom ind i teksten.

Den konstruktive halvdel ligger i de samme data. Henter man kun den relevante klausul frem i det øjeblik den skal bruges, kommer overholdelsen op på omkring 100 procent igen på hver eneste model, også dér hvor håndbogen kollapsede. Det er ikke et modargument til forklaringen. Det er den samme forklaring set fra den anden side: opslaget virker ved at skære antallet af konkurrerende direktiver ned.

Og læg mærke til hvem der fejlede her. En sprogmodel bliver ikke træt, har ingen modvilje mod reglen, kan holde hele manualen fremme på én gang og har ingen konkurrerende interesse. På præcis de krav dumpen stiller, er den mindst lige så godt stillet som en menneskelig læser. Metoden fejlede altså for den læser der er bedst rustet til at få den til at lykkes.

Menneskerne står allerede på skrift

Det ville være for nemt at sige at det her kun gælder maskiner. Den menneskelige side ligger allerede dokumenteret, i tre litteraturer der ikke rigtig kender hinanden.

I klinisk beslutningsstøtte hedder det alarmtræthed, og det er målt som en dosis-respons. I et studie med 112 klinikere faldt accepten af hver påmindelse med omkring 30 procent for hver ekstra påmindelse i samme konsultation, og drivkraften var kognitiv overbelastning og lav informationsværdi. Det var ikke tilvænning over tid, og det var ikke manglende vilje. Klinikere vil gerne undgå medicineringsfejl (Ancker m.fl., 2017).

I sikkerhedsforskningen hedder det procedureparadokset. Omfattende, topstyrede regelsæt, der behandles som statiske og udtømmende grænser for handlefrihed, fejler for menneskelige operatører, mens det der får regler til at leve er situeret tilpasning (Hale og Borys, 2013). På reguleringsniveau peger den samme logik på at skære ned i regeldetaljen, fordi mål- og procesregler får mere ejerskab og bedre efterlevelse end detaljerede handlingsregler.

Og den generelle form er kendt som informationsoverbelastning: præstationen stiger med information op til et punkt og falder derefter, når belastningen overstiger kapaciteten (Eppler og Mengis, 2004).

Paradigmerne er ikke identiske, og det skal siges højt. Alarmerne kommer sekventielt og afbryder, mens de fjorten klausuler ligger samtidigt i den samme tekst. Det er den samme styringsform under begrænset opmærksomhed, ikke en ny måling af nøjagtig samme mekanisme. Men retningen behøver ikke sprogmodellen. Den menneskelige fejl står der i forvejen. Det modellen tilføjer, er hvorfor.

Kodeordspolitikken, som alle kender

Sikkerhedspolitikken kræver et unikt, langt, svært gættet kodeord til hver eneste konto, og forbyder genbrug. For nogen med mange konti er det ikke bare besværligt. Det er ugennemførligt: ingen uhjulpen hukommelse rummer snesevis af forskellige komplicerede strenge. Den adfærd man så ser, er den forudsigelige: ét eller to huskbare kodeord genbrugt bredt, med et ciffer eller et tegn der roterer, brugt også dér hvor sikkerheden betyder mest.

Det er ikke manglende vilje. Folk vil gerne være sikre. Det er substratet der gør det eneste det kan, nemlig at afgøre kapløbet til fordel for den rute der giver den enkeltes samlede friktion det laveste tal på tværs af alle konti. Personen oplever det som "så sikker som jeg reelt kan magte". Det er en hukommelses-grænse og ikke helt det samme som klausulernes kamp om opmærksomheden i ét vindue, men det er den samme styringsform: et endeligt væsen, et krav ud over dets kapacitet, og en dårligere rute der vinder fordi den kan lade sig gøre.

Her bliver ironien dynamisk. Skruer man hårdere på reglen, med tvungne tegnsammensætninger og tvungen periodisk udskiftning, flytter adfærden sig ikke mod idealet. Den flytter sig til noget værre, altså mere forudsigelige omskrivninger og mere genbrug, fordi man hæver friktionen uden at hæve gennemførligheden. Det er ikke en formodning. Det er grunden til at NIST vendte sin egen vejledning. SP 800-63B fjerner de tvungne sammensætningsregler og forbyder tvungen periodisk udskiftning uden mistanke om kompromittering, netop fordi de fuldstændighedsmaksimerende krav gav forudsigelige, genbrugte og svagere kodeord, og anbefaler længde og tjek mod lækkede kodeord i stedet. En standardorganisation har med andre ord allerede levet princippet: den holdt op med at maksimere reglen, fordi maksimeringen gav mindre af den adfærd den ville have.

Det falske flueben

Her bliver det skarpt. I dag kan afsenderen af et compliance-tiltag sætte et flueben og kalde sig compliant, helt uanset om adfærden ændrer sig. Kurset er afleveret, kvitteringen er i hus, reglen er udsendt. Men ruten er ikke bygget. Jeg kalder det fra e-læringssiden "læringsteater": vi lader bare som om der sker læring. I compliance-verdenen er den tilsvarende ting "compliance-teater". Det er det samme fænomen set fra to fag: et tiltag der ser ud som om det skaber adfærden, sat i verden så afsenderen kan dokumentere at det er leveret, men som mekanisk ikke kan bygge ruten.

Retssociologien har set det samme fra sin egen side: organisationer indfører strukturer der symboliserer compliance, og domstolene begynder at udlede compliance af selve tilstedeværelsen af de strukturer, uanset om de flytter adfærd (Edelman, Uggen og Erlanger, 1999). Institutionsteorien har fået et navn til det skarpere tilfælde, nemlig praksisser der faktisk er indført, men er koblet fra det udfald de skulle skabe (Bromley og Powell, 2012). Det er præcis det her papirs ironi: det fuldstændige regelsæt er til stede, læst og "dækket", og alligevel koblet fra den adfærd det skulle installere. Det papiret leverer, er substratmekanismen under den kobling.

Friktionsteorien gør altså anklagen til en måling. "Det her virker ikke" er ellers bare en fornemmelse, og fornemmelser kan man være uenige om. Men når vi kan sige hvorfor det ikke virker, fordi det taler til en ideal-rute der ikke kan instantieres, fordi det er det bredeste og dårligst kodede input, fordi det tænder for de forbudte ruter, så bliver "teater" til noget man kan teste. Et flueben er ikke compliance, hvis den adfærd det skulle skabe, mekanisk ikke kan bygges af det.

En case: velfærdsteknologi i en kommune

Et konkret eksempel jeg har set tæt på. En kommune vil have mere velfærdsteknologi ud til plejen. Beslutningen bliver: lav et kursus til lederne, så får lederne medarbejderne til at bruge teknologien. Det fejler, og det fejler forudsigeligt.

Lederne er ikke undervisere, og mange af dem er ikke selv optagede af teknologien. For dem skaber den friktion, den løser den ikke. Så kæden "information → ledere → medarbejdere" lækker ved hvert led. Men det dybere problem er en fejldiagnose. Hele udrulningen behandler det som et kan-problem: medarbejderne mangler en færdighed, så vi giver dem et kursus. Sandsynligvis er det et mening-problem. Plejepersonale har valgt faget for kontakten med mennesker, og teknologien reducerer netop den kontakt. Oven i det ligger der ofte en utryghed: føler jeg mig truet, bliver jeg overflødig? Et kursus i knapperne rører ikke ved nogen af de to ting.

Det er her den adfærdsmæssige del af teorien giver et værktøj. Den peger på fire felter en barriere kan sidde i: tryghed, mening, kunnen og besvær. Et tiltag der antager et kunnen-problem og leverer et kursus, mens den virkelige barriere er mening og tryghed, løser den forkerte friktion. Det er ikke bare "kurset var dårligt", men en systematisk fejl i hvilket felt man tror problemet sidder i. Og det er en forudsigelse man kan teste, ikke et afgjort resultat: en indsats rettet mod det rigtige felt flytter adfærd, en indsats rettet mod det forkerte gør ikke.

Den store nye anvendelse: når en AI skal være compliant

Virksomheder lægger mere og mere arbejde over på kunstig intelligens, og ofte netop i de regulerede områder hvor compliance betyder noget. Og så opstår spørgsmålet: hvordan instruerer man den AI? Det første alle gør, er at hælde hele politikken ind i systemets instruktioner. "Så er den dækket."

Det er nøjagtig den samme fejl, bare et lag højere oppe. At lægge hele manualen i systemets instruktion er at give den til arbejdshukommelsen, ikke at bygge en rute. Det giver illusionen af compliance uden det varige spor.

Men man skal være præcis med hvad der driver fejlen, for det er ikke det man tror. Det er ikke længden. Det er ikke placeringen. Det er ikke listeformen eller den obligatoriske overskrift. Kontrollerne holder alle fire faste, og overholdelsen falder kun når de øvrige klausuler er konkurrerende regler. Retningen under belastning er ikke engang entydig: på 70B-modellen hævede en lang optakt faktisk overholdelsen fra 60 til 88 procent, og det viste sig at være en ren tilstedeværelses-effekt af afledningen, uafhængigt af hvad afledningen indeholdt. Konkurrencen mellem regler er det der bider, og det er den der er graderet efter kapacitet.

Så udsagnet for AI-laget er ikke længere kun en forudsigelse. Jo flere konkurrerende direktiver man hælder i, jo før taber den relevante regel kapløbet, og hver model har sit knækpunkt. Den menneskelige fejl reproducerer sig selv på AI-laget, og her kan vi måle den direkte.

Her melder den næste reaktion sig som regel: så fine-tuner vi hele regelsættet ind i modellen (at fine-tune betyder at træne modellen videre på sit eget materiale; på dansk finjustere). Det er ikke enten-eller. Fine-tuning er det rigtige værktøj til den lukkede, deterministiske rest, altså de faste omskrivninger et regelsæt altid udfører: streg dette felt ud, formatér sådan her, sæt den påkrævede oplysning i bunden. Der installerer det en varig rute. Men den åbne, betingede hale er en anden sag. En finjustering på hele regelbogen overanvender reglerne på tilfælde den ikke har set, og dér vinder opslaget. Dertil kommer, at en gammel regel bliver maskeret frem for slettet, når en ny trænes ind oven på. Den ligger stadig som en konkurrerende rute og kommer tilbage når konteksten skifter. Det sidste er nabopapirets fund, ikke det her papirs, men det peger samme vej.

Prøven er til at gå til. Kan adfærden tjekkes af en deterministisk validator, eller er den en omskrivning der altid skal ske? Så træn den ind, eller lad validatoren tage den. Afhænger den rigtige anvendelse i stedet af en vurdering fra sag til sag? Så hent den relevante regel frem i beslutningsøjeblikket, og træn modellen i at sige fra når den er uden for sit område. Der er en ægte gråzone i midten, med tommelfingerregler der har undtagelser og bløde krav, og dér er svaret en lille A/B-test på rigtige sager frem for et gæt. At sige gråzonen højt er en del af reglen, ikke et hul i den.

Og der er et greb mere, som er let at overse. Det at vælge hvilken regel der gælder, er sin egen opgave. Den model der overanvender reglerne, når den skal holde hele regelsættet fremme på én gang, vælger stadig rigtigt når den bliver spurgt om valget alene. Fejlen sidder i at anvende under konkurrence, ikke i at vælge. Så lad være med at bede ét gennemløb om både at vælge og anvende. Det gælder også når udvælgelsen kræver en vurdering og ikke bare et opslag, dog med den pris at vurderingen så ikke bliver fejlfri. De retninger er målt på to åbne modelfamilier i 7 til 8 milliarder parametre på et bygget testsæt, så det er retninger, ikke størrelser.

Det signal vi aflæser undervejs, er gratis. Modellen fortæller ved hvert ord hvor mange ruter der stadig er i spil, og det er samlet helt fremme ved svarets første ord. Det gør kapløbet synligt, men de bærende resultater her hviler ikke på det: de er scoret på om navnene faktisk blev streget ud. Selve instrumentet og dets validering hører til i et nabopapir. Det frie signal er beskrevet på siden om friktionsstyret inferens.

Et sideprodukt: et prøvebord for regelsæt

Der falder et værktøj ud af det her, og det er papirets konkrete bidrag ved siden af argumentet. Fordi substratet gør et regelsæts kognitive belastning målbar, kan man i princippet køre en politik igennem en model, før den bliver sendt ud til mennesker, og se hvor den knækker: ved hvilket antal konkurrerende klausuler den relevante regel begynder at tabe, og hvilke klausuler der er dem der slår den ihjel. Kalibreringen fra model til menneske er det åbne instrumentproblem, så et tal fra prøvebordet er endnu ikke et tal for en organisation. Men rækkefølgen er brugbar allerede.

Hvad der så virker

Hvis adfærd er en rute der skal graves, følger opskriften næsten af sig selv. Den handler ikke om mere information, men om tre andre ting:

• Byg ruten. Lav en kort adfærds-recept i stedet for en lang manual. Få handlinger, klart formuleret, gentaget over tid med lidt variation hver gang, så sporet bliver bredt nok til at vinde. Og læg mærke til hvad "trænet" betyder her: varieret, situeret øvelse, ikke gentagelse af den samme besked. At sige det oftere bygger ikke ruten, og ren terperi bygger en stiv rute der ikke kan afvige når situationen kræver det.
• Sænk trykket dér hvor handlingen sker. Det meste compliance-arbejde sker langt fra selve situationen, i et kursus måneder før. Men kapløbet afgøres i øjeblikket. Et lille hjælpemiddel lige ved hånden, i det øjeblik beslutningen tages, slår et grundigt kursus i forvejen. Det er hele pointen med Atul Gawandes checkliste: den virker ikke fordi den indeholder mest information, men fordi den er kort, situeret og udløser én bestemt rute lige når den skal bruges.
• Fjern de konkurrerende ruter. Kurt Lewin sagde det for længe siden: vil du flytte adfærd, så fjern barriererne i stedet for at skrue op for drivkraften. Hvis det rigtige er besværligt og det forkerte er nemt, taber det rigtige kapløbet uanset hvor meget du informerer. BJ Fogg samler det i en enkel formel: adfærd opstår når motivation, evne og en udløser mødes på samme tid. Information rører kun ved det første led, og det svageste.

Læg mærke til at checklisten og hjælpemidlet ved hånden er menneskets udgave af opslaget. Den menneskelige værktøjskasse er altså ikke et modargument til det her. Den er selve opskriften, sat i verden af folk der ikke ventede på en forklaring.

Hvad det betyder for faget

Compliance er i dag i høj grad et juridisk fag, og den styrende antagelse er: hvis det står der, så gør folk det. Det er præcis den antagelse alt ovenstående modsiger. Juristen optimerer for at reglen er dækket, altså skrevet, udsendt og kvitteret, ikke for at ruten er bygget.

Den skarpe styringspointe er at fuldstændighed i regel-arkivet og virkning i den adfærd det skal installere kan skilles ad. Det juridiske arkiv må gerne være komplet, og det er nødvendigt for ansvar, revision og tilsyn. Det er bare ikke det der bygger adfærden. Så hold de to ting adskilt og mål dem på hver sin målestok: det fulde arkiv til revision, og et separat, kort, hentet og trænet artefakt til adfærden. At de to også rutinemæssigt trækker i hver sin retning, er den læsning jeg lægger oven på, ikke noget forsøgene måler. Det de varierer, er det regelsæt der er til stede i handlingsøjeblikket, ikke et arkiv der ligger et andet sted.

Målet er heller ikke 100 procents overholdelse. Det tal kan et væsen med begrænsede ressourcer ikke nå i noget substrat, og jagten på det forringer resultatet undervejs. Målet er det kalibrerede punkt, hvor den adfærd der betyder noget er installeret, og resten er hentet, valideret eller lukket af. Et fag der startede dér, ville få mere af den overholdelse det vil have, ikke mindre.

Så følger konsekvensen for faget: at arbejde med compliance er også, og først og fremmest, en undervisningsopgave og en adfærdsdesign-opgave. Det handler om at lytte til hvad folk faktisk gør og hvor problemet reelt ligger, og hjælpe med at bygge den nye rute. Ikke at formulere den udtømmende regel endnu mere præcist. Det er også derfor sikkerhedsforskeren Erik Hollnagel peger samme vej med sin skelnen mellem arbejde-som-forestillet og arbejde-som-udført: vil du have fat i virkeligheden, må du starte i hvad folk faktisk gør, ikke i forskriften. Hollnagel observerer at arbejde-som-forestillet fejler. Friktionsteorien leverer et bud på hvorfor det må.

Der er også et felt faget systematisk rammer forkert. Standardsvaret på manglende compliance er mere træning, altså en indsats mod kunnen, mens den bindende barriere ofte er mening eller tryghed. Reglen har ingen plads i den enkeltes eget formål, og en konkurrenceretlig klausul har ingen naturlig plads i en SOSU-assistents. At give det felt der ikke mangler, flytter ingenting.

Så konklusionen er ikke "compliance-afdelinger gør det forkert". Den er mere præcis end det: compliance er en læringsopgave, og vi har indrettet og bemandet den som en juridisk opgave. Derfor producerer den teater.

Hvor sikkert er det her?

Det skal deles op, for de to halvdele står ikke lige stærkt.

Den retningsbestemte påstand står fast: at hælde et mere fuldstændigt regelsæt ind i et væsen med begrænset kapacitet er ikke løsningen. Den hviler på to ben, og ingen af dem venter på nye data. Det ene er den menneskelige litteratur, hvor arbejde-som-forestillet mod arbejde-som-udført og læringsforskningen længe har vist at mennesker fejler den samme dump, endda med checklister, kolleger og eskalering på plads. Det andet er målingen på modellen, hvor fejlen opstår af konkurrerende direktiver alene, med træthed, dårlig vilje og manglende motivation taget ud af ligningen.

Det jeg kun opstiller som en hypotese, er det stærkere: at mennesker og modeller kører nøjagtig den samme mekanisme, og hvor stor den menneskelige effekt er. Det kræver forsøg med mennesker, og det er dér prøvebordet skal kalibreres.

Falsifikationen er konkret: find en befolkning der hæver overholdelsen jævnt opad med regelsættets fuldstændighed, på en opgave hvor reglerne faktisk konkurrerer, uden opslag og uden hjælpemiddel ved hånden. Så er den retningsbestemte påstand forkert.

Og hvad beviset stadig mangler: en bredere modelgradient med ablationer i træningsstakken, og et rigtigt studie med menneskelige bedømmere. Scoringen her er deterministisk match på navne og mønstre, krydstjekket mod to uafhængige model-dommere på et stratificeret udsnit, hvor gpt-5 ramte præcist hver gang og gemini ramte præcist i 85 procent af tilfældene og inden for 0,2 i alle. Det er automatiseret triangulering fra flere metoder, ikke guldstandarden. Resultaterne er i pilot-skala og er demonstrationer af mekanismen, ikke afgjorte størrelser.

Papiret er udgivet. Version 3 kom den 22. august 2026 og ligger på Zenodo med DOI 10.5281/zenodo.20562413. Den her side er argumentet i kort form.