Automatiser rutinearbejdet med AI
AI-automatisering fjerner det rutinearbejde, hvor nogen flytter og retter data i hånden mange gange om ugen. Jeg har bygget automatiseringer siden 2010 og sørger for, at løsningen kører i de systemer, I allerede bruger.
- Få svar samme dag
- Få en fast pris på din opgave

stjernede anmeldelser
Læs alle anmeldelserAI-automatisering
Det jeg oftest automatiserer
- Dokumenthåndtering: udtræk fra fakturaer, ordrebekræftelser, datablade og kontrakter, der kommer som PDF.
- Kundeservice: kategorisering og videresendelse af indgående henvendelser, så de lander hos den rigtige med det samme.
- Produktdata: beskrivelser, specifikationer og oversættelser på tværs af mange varenumre.
- Interne værktøjer: rapporter der i dag samles manuelt fra tre systemer hver mandag.
- Integration med eksisterende systemer: dataflytning mellem webshop, økonomisystem og lager uden manuelle mellemled.
Hvornår det kan betale sig
Regnestykket er enkelt: hvor mange gange om ugen sker opgaven, hvor længe tager hver gang, og hvad koster det at bygge. Kommer tilbagebetalingen inden for overskuelig tid, er det som regel værd at gøre.
Pas på fælden med opgaver, der føles irriterende, men kun laves to gange om måneden. De fylder meget i bevidstheden og er sjældent værd at automatisere, uanset hvor enige alle er om, at de er dumme.
Fejl og kontrol
Automatisering med AI er ikke deterministisk, så der skal være en plan for de tilfælde, hvor systemet er i tvivl eller tager fejl.
Min standardopsætning er en tærskel: er systemet sikkert nok, kører sagen igennem, og ellers ryger den i en kø, som et menneske kigger på. Køen viser samtidig, hvor godt det faktisk går.
Hvad er AI-automatisering?
AI-automatisering bruger sprogmodeller, en form for kunstig intelligens, til at automatisere opgaver, som klassisk automatisering ikke kan klare. Regelbaserede værktøjer kræver strukturerede data og faste formater, mens en sprogmodel kan læse mails, PDF'er og fritekst, der aldrig ligner sig selv to gange. Dermed kan man automatisere arbejde, der før krævede et menneske til at læse og vurdere.
Gevinsten er størst i virksomheder, hvor medarbejdere dagligt taster oplysninger fra dokumenter ind i systemer, sorterer indkommende henvendelser eller samler de samme rapporter uge efter uge. Jo oftere opgaven sker, jo hurtigere tjener automatiseringen sig hjem.
Der er forskel på at anbefale automatisering og at kunne bygge den. Integrationerne til jeres systemer, fejlhåndteringen og tærsklen for hvornår et menneske skal ind over, er udviklingsarbejde, og det laver jeg selv. Efter 16 år som udvikler ved jeg også, hvornår et færdigt værktøj rækker, og hvornår der skal skrives kode.
Jeg starter altid med at se på den faktiske arbejdsgang frem for beskrivelsen af den, bygger derefter den mindste automatisering, der flytter noget, og måler effekten mod udgangspunktet. I ejer koden, prompterne og opsætningen, så I kan fortsætte uden mig.
Start småt: den første automatisering
Den første AI-automatisering skal først og fremmest lykkes. Vælg derfor en arbejdsgang, der sker ofte, hvor indholdet varierer nok til, at almindelige regler ikke rækker, og hvor en fejl er til at rette. Indgående fakturaer eller sortering af en fælles indbakke er typiske kandidater. Undgå at starte med noget, der går direkte ud til kunderne, eller som afhænger af data, ingen helt stoler på.
Byg den ene arbejdsgang færdig fra ende til anden, fra dokumentet eller mailen kommer ind, til resultatet ligger det rigtige sted i jeres system. Det er fristende at automatisere første halvdel af tre forskellige arbejdsgange, men halve automatiseringer flytter sjældent arbejde væk. De flytter det bare til et nyt sted, hvor nogen stadig skal samle op.
Lad automatiseringen køre side om side med den manuelle proces i en periode. Medarbejderne gør, som de plejer, og sammenligner med det, systemet ville have gjort. Det giver tal på, hvor tit systemet rammer rigtigt, før noget overlades til maskinen, og det giver tryghed hos dem, der skal arbejde med den. Først når den første arbejdsgang kører stabilt i den daglige drift, giver det mening at tage den næste.
Shadow AI: når medarbejderne selv finder værktøjerne
Shadow AI er de AI-værktøjer, medarbejderne bruger i arbejdet, uden at virksomheden har godkendt dem eller ved det. Det kan være en kollega, der kopierer kundemails ind i en gratis chatbot for at få et svarudkast, en, der har bygget sine egne arbejdsgange i en automatiseringstjeneste på en privat konto, eller en browserudvidelse, der læser alt, hvad der står på skærmen. Det sker sjældent af ond vilje. Folk prøver at få deres arbejde fra hånden.
Risikoen ligger i datasikkerheden og i driften. Kundedata og fortrolige oplysninger ender hos leverandører, I ikke har en databehandleraftale med, og ingen har overblik over, hvad der er sendt hvorhen. Samtidig opstår der små automatiseringer, som den daglige drift begynder at afhænge af, uden at nogen ved, at de findes. Når medarbejderen skifter job eller lukker sin private konto, holder de op med at virke, og først da bliver de opdaget.
Et forbud virker sjældent, for behovet forsvinder ikke. Brug i stedet shadow AI som et kort over, hvor behovet er. Spørg åbent, hvad folk bruger værktøjerne til, så har I en liste over de opgaver, der er mest oplagte at automatisere ordentligt. Giv dem et godkendt alternativ, der løser det samme, og nogle korte regler for resten. Så har folk ikke længere en grund til at gå uden om.
AI-automatisering til virksomheder i hele Danmark
En automatiseret arbejdsgang kører i jeres systemer og ikke på min adresse, så geografi betyder meget lidt. Jeg arbejder fra Glostrup i Københavnsområdet og har løst opgaver for virksomheder i Aarhus, Odense og Aalborg samt uden for Danmark, ofte uden at vi har mødtes fysisk.
Forløbet er det samme uanset postnummer: et videomøde om arbejdsgangen, adgang til de relevante systemer, en testperiode hvor I kan følge med i køen, og derefter drift. Vil I hellere mødes ansigt til ansigt i opstarten, finder vi ud af det.
Opgaverne, jeg oftest løser på afstand, er fakturabehandling, sortering af indkommende post og mails, og synkronisering af produktdata mellem systemer, der aldrig har talt sammen.
At jeg er freelancer betyder korte beslutningsveje: du skriver direkte til den, der har bygget løsningen, og får svar uden om et ticketsystem. For opgaver i den her størrelse er det tit forskellen på en rettelse samme uge og en rettelse næste sprint.
Fejl, ansvar og persondata i automatiserede arbejdsgange
En sprogmodel kan læse den samme faktura korrekt nitten gange og forkert den tyvende. Det er en egenskab ved værktøjet snarere end en fejl, der kan rettes væk, og løsningen er at bygge omkring den med tærskler, køer og stikprøver.
Ansvaret bliver hos jer. En automatiseret proces fritager ikke virksomheden for at have styr på det, den sender ud, og derfor beholder jeg godkendelsesleddet på alt, der går til en kunde eller flytter penge, uanset hvor godt systemet klarer sig i målingerne.
Persondata fortjener sin egen overvejelse. Mange arbejdsgange kan bygges, så persondata maskeres eller helt udelades, før noget når modellen, og hvor det ikke kan lade sig gøre, vælger vi EU-hosting og databehandleraftaler, der passer til jeres krav. Opsætningen dokumenterer jeg, så I kan fremvise den ved en kontrol.
Det får du
Konkrete leverancer, ikke en rapport med anbefalinger nogen andre skal nå at udføre.
- Automatiseret arbejdsgang
En løsning der kører i de systemer folk allerede bruger, ikke i en ny fane nogen skal huske at åbne.
- Tærskel og kø
En opsætning hvor sikre sager kører igennem, og tvivlstilfælde lander hos et menneske med det samme.
- Før- og efter-tal
En opgørelse af hvor lang tid opgaven tog før, hvor lang tid den tager nu, og hvor mange sager der stadig kræver en hånd.
- Afbryder
En måde at slå det hele fra på uden at ringe til mig. Det lyder banalt og er det, folk oftest efterspørger bagefter.
Sådan foregår det
Fire trin. Du ved hvad der sker hvornår, og du kan stoppe efter hvert af dem.
- 01 / 04
Udpeg processen
Sammen finder vi det stykke arbejde, der gentager sig ofte nok til, at automatisering kan betale sig. Jo mere afgrænset opgaven er, jo hurtigere kommer den første version i drift.
- 02 / 04
Sæt en baseline
Vi noterer, hvor lang tid opgaven tager i dag, hvor ofte den forekommer, og hvor mange fejl der slipper igennem. Uden de tal kan ingen bagefter afgøre, om løsningen var indsatsen værd.
- 03 / 04
Byg mod et testsæt
Jeg samler rigtige eksempler fra jeres hverdag og tester hver ændring af prompt og model op imod dem. Det holder kvaliteten stabil, når der senere bliver skruet på løsningen.
- 04 / 04
Drift med log og nødstop
Løsningen bliver koblet på jeres eksisterende systemer med fuld logning og en kontakt, der kan slukke den. Jeg dokumenterer opsætningen og lærer en hos jer op i at vedligeholde den.
Brands jeg har arbejdet med
Ofte stillede spørgsmål
Hvad er AI-automatisering i forhold til almindelig automatisering?
Klassisk automatisering følger faste regler og kræver strukturerede data. AI-automatisering kan også håndtere tekst og dokumenter, der aldrig ligner hinanden, for eksempel mails og PDF'er i alle mulige formater. Det åbner for opgaver, der før krævede et menneske til at læse og vurdere.
Hvad er shadow AI?
Shadow AI er AI-værktøjer, som medarbejderne bruger i arbejdet uden virksomhedens godkendelse eller viden, for eksempel en gratis chatbot eller en automatiseringstjeneste på en privat konto. Problemet er, at data kan ende hos leverandører uden databehandleraftale, og at ingen har overblik. Løsningen er sjældent et forbud, men et godkendt alternativ og klare regler.
Hvilke opgaver kan man automatisere med AI?
Opgaver, der sker tit og følger et mønster, også når indholdet varierer. Typiske eksempler er sortering af indgående mails, udtræk af data fra fakturaer eller formularer, første udkast til svar, opsummering af sager og møder samt flytning af data mellem systemer. Den slags arbejde findes i de fleste små og mellemstore virksomheder. Hvor det betyder noget, godkender et menneske resultatet, før det går videre.
Hvilket AI-program er bedst?
Til chat er ChatGPT, Claude, Gemini og Microsoft Copilot alle stærke, og det rigtige valg afhænger ofte af, hvad I bruger i forvejen. Til automatisering betyder selve modellen mindre. Det afgørende er, hvordan den er koblet på jeres systemer, og hvordan resultatet bliver kontrolleret.
Hvad koster AI-automatisering?
Prisen følger kompleksiteten. Antallet af arbejdsgange, adgangen til jeres systemer og mængden af dokumenter, der skal igennem, er det, der typisk flytter mest. Beskriv arbejdsgangen i en mail, så får du svar samme dag og et fast tilbud, når et par detaljer er på plads.
Skal vi have en IT-afdeling for at komme i gang?
Nej. Det, der skal til, er en person, der kender arbejdsgangen godt, adgang til de systemer, automatiseringen skal arbejde i, og en, der ejer løsningen bagefter. Integrationerne og den tekniske opsætning står jeg for.
Bruger du færdige værktøjer som Zapier eller Make?
Til enkle kæder, ja, det er hurtigere og billigere. Så snart der skal håndteres fejl ordentligt eller køres store mængder igennem, bliver det billigere at skrive det som kode.
Hvordan håndteres persondata og GDPR?
Første skridt er at afgøre, om persondata overhovedet behøver at komme igennem modellen, for det kan tit undgås med maskering. Hvor det ikke kan, vælger vi hosting og databehandleraftaler, der matcher jeres krav, og det hele bliver dokumenteret, så I kan svare, hvis nogen spørger.
Automatiserer du for virksomheder uden for København?
Sagtens. Løsningen kører i jeres systemer, så det er underordnet, om I sidder i Aarhus, Odense, Aalborg eller uden for landets grænser. Det meste klares over video, og jeg er baseret i Glostrup, hvis I vil mødes.
Betyder det, at nogen mister deres job?
I de projekter jeg har lavet, er svaret som regel nej. Det der forsvinder, er den del af dagen, ingen kunne lide. Beslutningen er dog jeres, og jeg mener, den skal tages åbent frem for at komme bagpå folk.
Kan vi starte småt?
Ja, og det er den bedste måde at starte på. Vælg én arbejdsgang, der sker ofte, og hvor fejl er til at rette, byg den færdig fra ende til anden, og lad den køre ved siden af den manuelle proces, indtil tallene viser, at den rammer rigtigt. Derefter kan I tage den næste med erfaringen fra den første.
Hvor hurtigt kan vi se en effekt?
På en afgrænset arbejdsgang er der som regel noget kørende inden for en måned. Effekten kan gøres op fra dag ét, hvis udgangspunktet er målt inden.
Kan vi selv justere det bagefter?
De dele der handler om regler og formuleringer, ja. Dem lægger jeg et sted, hvor de kan ændres uden at røre koden, mens selve integrationerne kræver en udvikler.
Dit næste skridt
Få et tilbud på AI-automatisering
Fortæl kort om din opgave. Så vender jeg tilbage med spørgsmål, muligheder og et konkret næste skridt.