Din CFO bruger to hele dage hver måned på at samle tal fra fire forskellige systemer i ét regneark. Din kundeservicechef besvarer de samme 50 spørgsmål igen og igen. Og din marketing-manager klipper og klistrer data ind i kvartalsrapporter, som ingen alligevel læser til ende.
De opgaver forsvinder ikke af sig selv. Men de behøver heller ikke fylde så meget, som de gør i dag.
Her er tre konkrete, kedelige opgaver, som AI allerede kan løfte det meste af, og en plan for, hvordan du forbereder dig, så du er klar, når det virkelig rykker i 2026. Hvis du vil se det store billede først, kan du starte med vores komplette guide til AI-transformation for danske virksomheder.
Indholdsfortegnelse
- 1. Dataindsamling og rapportering på tværs af systemer
- 2. Besvarelse af gentagne interne og eksterne spørgsmål
- 3. Mødereferater og opfølgning
- Forberedelse til AI handler ikke om teknologi
- Tre ting du kan gøre i morgen
1. Dataindsamling og rapportering på tværs af systemer
Forestil dig CFO'en i en mellemstor produktionsvirksomhed. Hver måned logger hun ind i fire systemer: økonomisystemet, CRM'et, lagerstyringen og HR-platformen. Hun kopierer tal, dobbelttjekker formler og bruger to arbejdsdage på at lave én konsolideret rapport til ledelsen.
AI-automatisering af rutineopgaver som denne er allerede mulig. Værktøjer som ChatGPT med dataanalyse eller Microsoft Copilot kan tage rå datafiler, sammenligne dem og generere et overblik med de vigtigste afvigelser fremhævede.
Sådan ser det ud i praksis
Du eksporterer dine fire datakilder som CSV-filer og uploader dem til ChatGPT (Plus eller Enterprise). Derefter skriver du en prompt som denne:
"Her er fire CSV-filer med henholdsvis omsætning, kundedata, lagerstatus og medarbejdertal for marts. Lav et samlet dashboard-overblik med de tre vigtigste afvigelser fra februar. Præsentér resultatet som en tabel med kolonnerne: KPI, februar-værdi, marts-værdi, ændring i procent, og en kort vurdering af om afvigelsen kræver handling."
Resultatet er ikke perfekt uden tilpasning. Men det tager 20 minutter i stedet for to dage. CFO'en bruger den sparede tid på at analysere tallene i stedet for at samle dem.
Hvad AI gør godt her: Sammenligner store datamængder, finder mønstre og afvigelser, formaterer output konsistent.
Hvad du stadig skal gøre selv: Validere at tallene giver mening i kontekst, vurdere hvad afvigelserne betyder strategisk, og tage beslutningerne.
Sådan forbereder du dig nu
- Kortlæg dine rapporter. Skriv en liste over alle rapporter, din virksomhed laver manuelt. Notér hvem der laver dem, hvor lang tid de tager, og hvilke systemer data kommer fra.
- Prioritér efter spildtid. Vælg den rapport, der tager længst tid og giver mindst strategisk værdi i selve indsamlingsfasen.
- Test med rigtige data. Eksportér de relevante filer og upload dem til ChatGPT eller Copilot. Brug prompten ovenfor som udgangspunkt, tilpasset jeres KPI'er.
- Sammenlign kvalitet og tid. Tog det kortere tid? Var resultatet brugbart som udgangspunkt? Hvis ja, har du dit pilotprojekt.
Vil du gå dybere ind i automatisering af administrative opgaver, kan du læse vores guide til at automatisere netop den type opgave med AI.
2. Besvarelse af gentagne interne og eksterne spørgsmål
En kundeservicechef i en dansk webshop med 15 medarbejdere fortalte os, at 70 % af alle henvendelser handler om de samme 50 emner. Returpolitik, leveringstider, fakturaforespørgsler. Medarbejderne svarer korrekt, men de keder sig. Og det koster tid, der kunne bruges på de 30 % af henvendelserne, der faktisk kræver et menneske.
På fremtidens arbejdsplads vil AI håndtere det første lag. Ikke som en dårlig chatbot fra 2018, der svarer "Jeg forstod ikke dit spørgsmål." Men som et system, der er trænet på netop jeres returpolitik, jeres leveringsaftaler og jeres tone.
Hvad der er anderledes nu
Forskellen mellem 2018-chatbots og 2026-AI er, at du kan give systemet jeres egne dokumenter som kontekst. En kunde skriver "Hvornår får jeg mine penge tilbage?", og AI'en svarer ikke med en generisk sætning. Den svarer med jeres returpolitik, jeres tidsramme og jeres ordvalg, fordi den har læst jeres dokumentation.
Det kræver, at du bygger virksomhedens egen AI-vidensbase, så AI'en ved, hvad den taler om.
Det samme gælder internt. HR-afdelingen, der svarer på de samme spørgsmål om ferieregler og lønsedler, kan spare timer om ugen ved at lade en intern AI-assistent tage første runde.
Hvad du kan gøre i dag. helt konkret
Trin 1: Saml jeres 20 hyppigste spørgsmål. Bed kundeservice (eller HR, eller hvem der besvarer gentagne spørgsmål) om at notere hvert spørgsmål de får i én uge. Kategorisér dem.
Trin 2: Skriv de korrekte svar ned. Ikke hurtige stikord, men det fulde svar I ville give en kunde eller kollega. Medtag nuancer: "Hvis du bestilte med faktura, tager refusion 5-7 hverdage. Hvis du betalte med kort, tager det 2-3 hverdage."
Trin 3: Test svarkvaliteten. Upload dokumentet til ChatGPT og opret en Custom GPT (eller brug en simpel system-prompt). Bed den besvare de 20 spørgsmål baseret udelukkende på dokumentet. Sammenlign med jeres faktiske svar. Hvor mange rammer den rigtigt?
Trin 4: Identificér grænsen. Notér de spørgsmål, AI'en ikke bør svare på. Disse kræver menneskelig vurdering, empati eller adgang til personfølsomme oplysninger.
Det dokument med spørgsmål og svar er fundamentet for enhver AI-løsning, I vælger senere. Ingen AI kan svare bedre end det materiale, den får at arbejde med. Og husk at tjekke op på GDPR-reglerne, før du fodrer et AI-system med kundedata.
3. Mødereferater og opfølgning
Det her er den opgave, alle hader, og ingen vil indrømme, at de springer over. Mødereferater. Handlingspunkter. Opfølgning på hvem der lovede hvad.
AI i 2026 vil ikke bare transskribere møder. Den vil udtrække beslutninger, tildele opgaver og sende opfølgninger automatisk. Allerede nu kan du bruge værktøjer som Copilot i Teams eller specialiserede mødeværktøjer til at lade AI tage mødenoterne.
En projektleder i et rådgivende ingeniørfirma, der jonglerer otte samtidige projekter, kan spare op mod en time om dagen bare på den opgave. Det er fem timer om ugen. Over et år er det mere end 250 timer, som pludselig kan bruges på fagligt arbejde.
Dit næste skridt. med en realistisk forventning
Test det på ét møde næste uge. Vælg et internt møde, der ikke er fortroligt. Aktivér Copilot i Teams, eller brug et værktøj som Otter.ai, Fireflies.ai eller Read.ai.
Vurdér outputtet på tre parametre:
| Parameter | Spørgsmål du skal stille | Godt nok? |
|---|---|---|
| Korrekthed | Er de centrale beslutninger fanget rigtigt? | Ja/Nej |
| Handlingspunkter | Er det klart hvem der skal gøre hvad og hvornår? | Ja/Nej |
| Redigeringstid | Hvor lang tid tager det at rette udkastet vs. skrive fra bunden? | Notér minutter |
Forvent at redigere. Forskellen mellem at redigere et AI-udkast og at starte fra bunden er typisk 15 minutter vs. 45 minutter. Det er ikke magi. Det er en besparelse på 30 minutter pr. møde, der lægger sig oven på hinanden uge efter uge.
En advarsel: Nogle møder bør ikke transskriberes af AI. MUS-samtaler, fortrolige ledelsesmøder, situationer med personfølsomme emner. Afklar på forhånd, hvilke mødetyper der er egnede.
Forberedelse til AI handler ikke om teknologi
Det mønster, du måske kan se i de tre eksempler, er, at forberedelse til AI sjældent starter med software. Det starter med dokumentation. Med at skrive ned, hvordan I gør tingene. Med at identificere, hvor tiden forsvinder.
Mange organisationer tror, at AI-automatisering kræver en ny IT-afdeling. Det gør det ikke. Det kræver, at de medarbejdere, I allerede har, lærer at bruge værktøjerne. At de overlader kedelige opgaver til AI, så de kan fokusere på det, de er dygtige til.
Det sværeste er ikke at installere et program. Det sværeste er at ændre vanen kl. 08:00 mandag morgen.
Tre ting du kan gøre i morgen
Du behøver ikke vente på den perfekte AI-løsning for at komme i gang. Her er tre konkrete handlinger, du kan tage allerede i denne uge:
- Kortlæg én manuel rapport og test, om et AI-værktøj kan lave et første udkast hurtigere end I gør det i dag. Brug prompten fra afsnittet om dataindsamling som udgangspunkt.
- Saml jeres 20 hyppigste spørgsmål i ét dokument med korrekte, nuancerede svar. Upload det til en Custom GPT og test, om den kan svare troværdigt. Det dokument bliver fundamentet for enhver fremtidig AI-løsning.
- Test et AI-transskriptionsværktøj ved jeres næste interne møde. Vurdér korrekthed, handlingspunkter og redigeringstid med tabellen ovenfor.
Ingen af de tre skridt kræver et budget, en IT-afdeling eller en strategi på 40 sider. De kræver en beslutning om at starte. Og det er præcis dér, forskellen opstår mellem virksomheder, der er klar i 2026, og dem der stadig kopierer tal mellem fire systemer.
