AI-automatisering

AI-automatisering er software, der overtager gentagne arbejdstrin og selv træffer de vurderinger, der før krævede en medarbejder: læser en mail, forstår en faktura, formulerer et svar eller klassificerer et dokument. Den bruger en sprogmodel til at tolke tekst og træffe valg på baggrund af mønstre, ikke faste regler.

Sådan virker AI-automatisering i praksis

AI-automatisering svarer til at give en rutinepræget opgave til en kollega, der kun laver én ting, men gør det hurtigt og konsekvent. I stedet for at bygge et sæt faste regler, får systemet eksempler på, hvordan opgaven skal løses: e-mails med bestillinger, fakturaer med forskellige layouts, svarskabeloner. Modellen lærer mønstre i teksten og foreslår handlinger, for eksempel at oprette en ordre, sende en bekræftelse eller markere en sag som krævende opfølgning. Resultatet er fleksibilitet: systemet håndterer afvigelser, som en ren RPA-løsning ikke kan.

Modellen kan dog begå fejl. Den gættebaserede del betyder, at nogle tilfælde skal sendes til en menneskelig godkender, især i starten. Derfor sættes ofte en gennemsynsregel op: under en vis tillidsscore sendes sagen til en medarbejder. Det holder kvaliteten, mens automatiseringen lærer mere.

Hvorfor AI-automatisering er det I egentlig vil købe

Som leder skal du ikke tænke teknologi først, men opgave. Kig efter arbejdsgange med mange gentagelser, klar forretningslogik og få undtagelser. Det kan være ordremails, kundeserviceforespørgsler, fakturahåndtering eller genkendelse af dokumenttyper. De rigtige valg betyder, at I får værdi hurtigt, fordi løsningen reducerer rettelser og frigiver folk til arbejde, der kræver dømmekraft.

Når du vælger kandidatopgaver, spørg: Kommer opgaven ind som tekst eller PDF? Er der et regelmønster, der kan trænes? Hvor mange sager om ugen? Høj volumen og lav variation er guld. Husk omkostningen: opsætning tager tid, træning tager eksempler, og I skal planlægge en periode med overvågning. Kort sagt, vælg opgaver, hvor automatiseringen hurtigt kan aflaste en medarbejder.

Eksempel: AI-automatisering hos en dansk ordremodtager

En ordremodtager i en lille industrivirksomhed modtager typisk 120 ordre-e-mails om ugen. Det er mandag morgen i uge 42, lige før en produktionsplan skal låses. Ordrene kommer fra både faste kunder og nye forhandlere, nogle med vedhæftede PDF-prislister og andre med brødtekst. Når virksomheden indførte AI-automatisering, begyndte systemet med at udtrække kundens navn, varelinjer og ønsket leveringsdato og foreslog oprettelse af ordrekladde i virksomhedens ERP.

Det gik ikke gnidningsfrit. De første to uger blev 18 procent af mailene sendt til manuel gennemgang, fordi sprogmodellen havde svært ved ustrukturerede beskrivelser og gamle prislister fra 2018. Ordremodtageren brugte ekstra 4 timer pr. uge på at rette fejltagelser og give feedback, som blev brugt til at træne modellen videre. Efter en måned faldt manuel gennemgang til et lavere niveau, men virksomheden beholdt en regel om, at ordrer over et vist beløb altid gennemgås manuelt.

Læringen var klar: opgaven var god til automatisering, men krævede initial tid til at rydde i gamle prislister og definere grænsetilfælde. Implementeringen gav ikke øjeblikkelig magi, men det frigav i dagligdagen plads i ordremodtagerens kalender til kundekontakt. Næste skridt blev at koble automatiseringen til lagerdata, men den del krævede flere tekniske ressourcer.

AI-automatisering er ikke det samme som RPA (Robotic Process Automation)

RPA følger faste, forudsigelige regler: klik her, kopier der, indsæt her. Det virker godt, når skærmbilleder og formularer aldrig ændrer sig. AI-automatisering bruger en sprogmodel, som kan forstå og tolke tekst, altså håndtere variation i måden noget er skrevet på. Derfor kan AI-automatisering tage beslutninger, hvor RPA kun kunne følge instrukser. Begge teknologier kan dog samarbejde: RPA kan udføre faste kliktrin, mens AI-modellen tager beslutninger om, hvad der skal klikkes.

Relaterede begreber er netop RPA (Robotic Process Automation) og sprogmodel. Sprogmodellen er den del, der læser og forstår tekst; RPA er værktøjet, der udfører mus- og tastetryk. Bland dem, når opgaven kræver både fortolkning og faste systemhandlinger.

Sådan kommer du i gang med AI-automatisering

1. Kortlæg opgaver: find 2-4 processer med højt volumen og lave undtagelser. Prioritér dem.
2. Saml eksempler: hent 100 til 1000 rigtige sager per proces, e-mails, fakturaer, beskeder, og rens private oplysninger.
3. Kør en pilot: start med en model i et lukket miljø, og sæt automatiseringsregler for manuel gennemgang ved usikkerhed.
4. Mål og justér: følg fejlprocenter og behandlingstid, og brug feedback fra medarbejdere til at træne modellen videre.
5. Skaler trinvis: når kvaliteten er stabil, udvid til flere processer og forbind automatiseringen til jeres systemer.

En sidste tanke: AI-automatisering kan føles som Infinity-handsken, hvor alle små opgaver samles i én bevægelse, men den gør ikke komplekse strategiske vurderinger for jer. Brug den derfor som et værktøj til at flytte tid fra gentagelser til arbejde, der kræver mennesker.

Det er svært at læse sig til AI-automatisering. I kommer længere med en workshop, hvor I bygger på jeres egne opgaver.