Guide · AI i praksis

AI-agenter i virksomheden: hvad kan de, og hvordan starter I sikkert?

En AI-agent er et program, der får et mål, læser input som mails eller dokumenter og selv vælger, hvilke værktøjer den skal bruge for at nå målet, fx at oprette en ordre i e-conomic. I 2026 fungerer agenter godt til afgrænsede opgaver med et menneske, der godkender. Start med en agent, der laver kladder, og giv den mere frihed, efterhånden som tallene viser, at den rammer rigtigt.

11 min. læsning · Opdateret 1. oktober 2026

Hver morgen åbner en medarbejder hos en grossist indbakken og finder 40 ordrer. Nogle er PDF’er, nogle er fotos af en håndskrevet seddel, nogle er en mail med “det samme som sidst, bare dobbelt op”. Hun taster dem ind i e-conomic, slår varenumre op, retter adresser og sender bekræftelser. Det tager det meste af formiddagen, og fejlene opdages først, når kunden ringer. Det er en typisk opgave for en AI-agent: læse rodet input, forstå det, slå op i systemerne og lægge en færdig ordre klar til godkendelse.

Hvad er en AI-agent, og hvordan adskiller den sig fra en chatbot?

En chatbot svarer. En agent handler. Den får et mål, for eksempel “opret ordren fra denne mail”, og har adgang til en række værktøjer: slå kunde op, slå vare op, beregn fragt, opret kladde. Sprogmodellen vælger selv rækkefølgen, læser resultatet af hvert trin og fortsætter, indtil målet er nået, eller den støder på noget, den skal spørge et menneske om. Det er den fleksibilitet, der gør agenter nyttige til opgaver, som er for varierede til almindelig automatisering.

Tre måder at automatisere på. De fleste gode løsninger bruger alle tre, hver til det de er bedst til.

TypeHvad den gørStyrkeEksempel
Regelbaseret automatiseringFølger faste regler: hvis A, så BForudsigelig, billig, hurtigBetalt ordre sendes til PostNord
AI-chatbotForstår spørgsmål og svarer ud fra videnHåndterer fri tekst og mange formuleringerSvarer på spørgsmål om returnering
AI-agentPlanlægger trin og bruger værktøjer for at nå et målHåndterer variation og flere systemerLæser en ordremail og opretter ordrekladde

Hvilke opgaver kan AI-agenter reelt løse i en virksomhed i dag?

Der er meget støj om agenter, der skal drive hele virksomheder. Det, der virker i praksis, er mere jordnært: opgaver med rodet input, et klart mål og et sted, hvor et menneske kan kigge resultatet igennem. Tabellen viser de opgaver, vi oftest ser give mening i små og mellemstore virksomheder.

Realistiske agentopgaver i 2026. Kolonnen med kontrolpunkt er den vigtigste: den viser, hvor et menneske godkender i starten.

OpgaveVærktøjer agenten brugerMenneskeligt kontrolpunkt
Ordremails til ordrekladderMail, varekatalog, kunderegister, ERPGodkend kladden før bekræftelse
Bilag til konteringsforslagBilagsmappe, kontoplan, e-conomic eller DineroBogholder godkender i bunker
Supportsager: sortér, slå op, foreslå handlingHelpdesk, ordresystem, fragtsporingMedarbejder sender svar og udfører handling
Research af leads før salgsmødeCVR-opslag, hjemmeside, CRMSælger læser briefen
Planlægning og ombookingKalender, bookingsystem, SMSGodkend ændringer over en vis grænse
Datarens og berigelseDatabase, CVR, adresseopslagStikprøver før ændringer gemmes

Hvad agenter stadig er svage til

Agenter har det svært med lange kæder af trin, hvor én lille fejl tidligt ødelægger alt bagefter. De er også svage til opgaver, hvor de vigtigste regler er uskrevne og kun findes i hovedet på en erfaren medarbejder, og til beslutninger, der kræver forhandling eller kendskab til en kunderelation. Jo flere trin og jo flere skøn, jo mere menneskelig kontrol skal der til. Derfor er det klogt at dele store opgaver op i små agenter med hver sin afgrænsede rolle.

Hvordan arbejder en AI-agent, trin for trin?

1

1. Udløser

En ny mail lander i ordreindbakken.

2

2. Forstå

Agenten læser mail og vedhæftninger og finder kunde, varer og antal.

3

3. Slå op

Kunde, varenumre, priser og lager hentes via API.

4

4. Tjek

Faste regler kontrollerer beløb, kreditgrænse og ukendte varer.

5

5. Kladde og godkendelse

Ordrekladden vises for en medarbejder med agentens begrundelse.

6

6. Log

Input, trin, beslutning og resultat gemmes til opfølgning.

Anatomien i en typisk forretningsagent, her med en ordremail som eksempel.

Læg mærke til trin fire. De vigtigste kontroller i en agent udføres af almindelig, regelbaseret kode, som ikke kan snakkes uden om. Sprogmodellen er god til at forstå og foreslå, og koden er god til at sige nej. Hvis I vil vide mere om, hvordan systemerne taler sammen, så læs hvad et API er.

Hvilke sikkerhedsregler skal en AI-agent have?

En agent med adgang til jeres systemer er en ny medarbejder, der arbejder meget hurtigt og aldrig bliver træt. Det er en fordel, når den gør det rigtige, og en risiko, når den gør det forkerte i stor skala. Brug listen her, før en agent får adgang til noget som helst.

  1. Mindst mulige rettigheder: agenten har sin egen bruger og kan kun det, opgaven kræver.
  2. Kladdetilstand først: agenten forbereder, et menneske udfører, indtil tallene viser andet.
  3. Faste grænser i koden: maksimalt beløb, antal handlinger pr. time og hvilke kunder der er omfattet.
  4. Godkendelse over en tærskel: alt over et aftalt beløb eller uden for normalen sendes til et menneske.
  5. Fuld logning: input, hvert trin, begrundelse og resultat gemmes og kan søges i.
  6. Nødstop: én knap, der lukker agentens adgang med det samme.
  7. Testsæt: 50–100 rigtige eksempler, som agenten skal bestå, før hver ændring går live.
  8. Loft over forbrug: månedlig grænse hos AI-udbyderen og alarm ved usædvanligt forbrug.
  9. Beskyttelse mod manipulation: indhold fra mails og dokumenter behandles som data og aldrig som instruktioner.
  10. Persondata: databehandleraftale, behandling i EU og en slettefrist for logs med persondata.

Hvordan starter I småt med AI-agenter?

Vi anbefaler en trappe med fire trin. Hver agent starter nederst og rykker kun op, når den har bevist i målinger, at den rammer rigtigt på det nuværende trin. Det giver medarbejderne tid til at stole på den og jer data til at beslutte.

  • Trin 1, foreslå: agenten læser og foreslår, medarbejderen gør alt arbejdet. Måler, hvor ofte forslaget var rigtigt.
  • Trin 2, kladde: agenten laver en færdig kladde i systemet, medarbejderen godkender eller retter.
  • Trin 3, udfør inden for grænser: agenten udfører selv opgaver under en aftalt grænse og sender resten til godkendelse.
  • Trin 4, udfør med stikprøver: agenten kører selvstændigt, og et menneske gennemgår en stikprøve hver uge.

Trinvis indførelse

  • Én opgave, én agent, én ansvarlig medarbejder
  • Starter i kladdetilstand
  • Målt på et testsæt før og efter
  • Medarbejderne er med til at sætte reglerne

Stor lancering

  • Mange opgaver på én gang
  • Fuld frihed fra dag ét
  • Fejl opdages af kunderne
  • Mistillid, der er svær at vende
To måder at introducere en agent på. Den venstre tager et par uger længere og når typisk længere.

Hvad koster en AI-agent at bygge og drive?

Typiske prisintervaller i Danmark i 2026. Prisen drives af antal systemer, agenten skal tale med, og hvor meget kontrol og logning der kræves.

LøsningTypisk prisHvad I får
Forsøg på automatiseringsplatformEgen tid plus platformens abonnementHurtig test af idéen med få eksempler
Én agent, ét eller to systemer40.000–100.000 kr.Kladdetilstand, godkendelsesskærm, log, testsæt
Flere agenter på tværs af systemer100.000–300.000 kr.Roller, grænser, dashboards, revisionsspor
Drift og forbrugDrift efter aftale plus forbrug hos AI-udbyderHosting, overvågning, opdatering af model og testsæt

Tilbage til grossisten med de 40 ordrer om dagen. Hvis hver ordre i dag tager 6 minutter, og en kladde fra agenten kan godkendes på 1 minut, sparer det over 3 timer om dagen eller cirka 15 timer om ugen. Med en intern timepris på 400 kr. er det omkring 300.000 kr. om året. En agent til 70.000 kr. plus drift og forbrug er tjent hjem på få måneder, og fejlene falder, fordi varenumre og priser slås op automatisk. Det er den slags regnestykke, I skal have på plads, før I går i gang. Vores guide til digitalisering af arbejdsgange viser, hvordan I finder tallene.

Hvilke myter om AI-agenter skal I se igennem?

  • Myte: En agent kan overtage en hel stilling. Den kan overtage dele af mange stillinger, og det er dér, gevinsten ligger.
  • Myte: Jo mere frihed, jo mere værdi. Værdien kommer fra pålidelighed, og den bygges op trin for trin.
  • Myte: Agenten lærer af sig selv. Den bliver bedre, når I forbedrer instruktioner, data og testsæt.
  • Myte: Det kræver store mængder data. De fleste forretningsagenter klarer sig med jeres eksisterende systemer og et godt testsæt.
  • Rødt flag: En leverandør kan ikke vise, hvordan I ser loggen, eller hvordan I slukker agenten.
  • Rødt flag: Agenten skal have administratoradgang for at virke.

Hvordan bygger Ceptiv AI-agenter?

Vi bygger agenter som en del af jeres egen løsning i TypeScript, med godkendelsesskærm, log og grænser fra første dag, og med vores mere end 40 færdige integrationer, blandt andet til e-conomic, Dinero og PostNord. I ejer koden, og modellen kan skiftes, når markedet flytter sig. Se, hvad vi typisk automatiserer under automatisering, og hvis I endnu ikke har valgt jeres første opgave, så start med AI i virksomheden. Er det kundespørgsmål, I vil have besvaret, er en AI-chatbot til hjemmesiden ofte det rette første skridt. Når I har en opgave, kan I få en fast pris inden for 24 timer.

Spørgsmål om AI-agenter

Hvad er forskellen på en AI-agent og RPA?
RPA, robotic process automation, er software, der efterligner klik og tastetryk efter et fast script. Det er stabilt, når input altid ser ens ud, og går i stykker, når en skærm eller et dokument ændrer sig. En AI-agent forstår indholdet og kan håndtere variation, fx ordrer, der kommer i forskellige formater fra forskellige kunder. I praksis kombinerer mange løsninger de to: AI’en læser og fortolker, og faste regler og API-kald udfører selve handlingen.
Hvilke systemer kan en AI-agent arbejde i?
Alle systemer med et API, og det gælder de fleste moderne forretningssystemer som e-conomic, Dinero, CRM-systemer, helpdesks, kalendere, webshops og fragtbookning. Systemer uden API kan i nogle tilfælde betjenes via skærmen, men det er mere skrøbeligt. Det afgørende er, at agenten får sin egen bruger med præcis de rettigheder, den skal bruge, så I altid kan se, hvad agenten har gjort, og lukke for adgangen med ét klik.
Hvem har ansvaret, hvis en AI-agent laver en fejl?
Det har virksomheden, der bruger agenten, på samme måde som hvis en medarbejder havde lavet fejlen. Derfor bør agenter starte med at lave kladder, som et menneske godkender, og have faste grænser for beløb, antal og hvilke kunder de må handle på vegne af. Hver handling skal logges med input, begrundelse og resultat, så I kan rette op og forklare, hvad der skete. Ved tvivl om ansvar over for kunder, så tal med en advokat.
Kan vi bygge en AI-agent selv med Zapier, Make eller n8n?
Ja, til mange enkle opgaver. Automatiseringsplatforme som Zapier, Make, n8n og Microsoft Copilot Studio har fået agentfunktioner, hvor I kan koble en sprogmodel til jeres apps uden at kode. Det er en god måde at teste en idé på. Grænsen nås typisk, når agenten skal følge komplekse forretningsregler, håndtere mange undtagelser, logge til revision eller køre stabilt i stor volumen. Så er det ofte billigere at bygge den ind i jeres egen løsning.
Hvor præcis er en AI-agent?
Det afhænger helt af opgaven, og derfor skal I måle det på jeres egne data. Lav et testsæt med 50–100 rigtige eksempler, hvor I kender det rigtige resultat, og kør agenten igennem dem, før den går live. På velafgrænsede opgaver som at læse ordrelinjer fra en mail er resultaterne ofte gode, mens opgaver med mange skøn og uskrevne regler kræver mere menneskelig kontrol. Gentag testen, hver gang I ændrer instruktioner eller model.
Bliver AI-agenter dyrere at drive med tiden?
Prisen pr. opgave hos AI-udbyderne er generelt faldet de seneste år, men det samlede forbrug stiger, når agenten får flere opgaver, eller når den bruger mange trin på hver opgave. Sæt et månedligt loft, mål forbruget pr. løst opgave, og vælg en mindre model til de simple trin. Byg desuden løsningen, så modellen kan skiftes, så I kan følge med, når en billigere eller bedre model kommer på markedet.

Skal vi bygge det for jer?

I får et fastpristilbud inden for 24 timer.

Dennis Nielsen

Dennis Nielsen

Driftschef, Ceptiv

Gratis konsultation

En gratis time med gode råd, før I går i gang.

Beskriv jeres projekt, så kontakter jeg jer hurtigst muligt, og vi aftaler et uforpligtende møde. I går derfra med gode råd til, hvordan projektet kommer godt fra start.

  • Gratis
  • 1 time
  • Uforpligtende