Kort svar
AI-workflow-automatisering er software, der tager en trigger, lader en model beslutte, og udfører handlingen i jeres tools. Det er ikke en chatbot i siden. Det er triage, udtræk, udkast og routing inde i det arbejde, I allerede laver. Start med én sti, mål timer, og hold et menneske på de 10% undtagelser.
Hvad er AI-workflow-automatisering?
Klassisk automatisering: hvis X, så Y. AI-workflow: hvis X, så lad modellen læse kontekst og vælge Y (eller skrive Y). Triggeren er den samme — ny lead, ny mail, ny PDF. Forskellen er beslutningslaget. Læs grundformen i hvad er workflow-automatisering.
Hvorfor det tæller nu
Modellerne er billige nok, og instruction-following er godt nok, til at køre i kæder uden at en internships sidder og copy-paster. 2023 var poc’er. 2026 er produktion: cadence, ticket-drafts, invoice-coding. Hvis I stadig »leger med ChatGPT« i en fane, betaler I manuelle timer for et problem, der er løst.
Bedste use cases
- Lead-enrichment + fit-score + første mail-udkast.
- Support-triage med sprog, urgency og makro-udkast.
- Dokumentudtræk til CRM/ERP.
- Møde-notes → opgaver i Linear/Asana/HubSpot.
- Ugentlig pipeline-narrative til ledelsen.
Flere konkrete jobs i 15 eksempler.
Sådan bygger I det
1) Tegn stien på papir. 2) Vælg trigger. 3) Hent kun den kontekst, modellen skal bruge. 4) Systemprompt + JSON-skema. 5) Action i rigtigt system. 6) Human review på lav confidence. 7) Log. Stack: Make, n8n eller kode + Claude/GPT. Claude-guiden viser HTTP-kaldet.
Omkostning
API: ofte <€50/md. for mid-market volumen. Byg: €3.000–€15.000 for første produktion. Drift: nogen skal eje prompts, når produktet ændrer sig. Se prisguiden.
Mål ROI
Timer × rate × 52, minus byg. Tæl også cyklustid (lead til første svar) og fejl. Beregneren tager det første lag.
Almindelige fejl
At automatisere en udefineret proces. At lade modellen skrive direkte til kunden uden skema. At skippe logs. At starte med 12 use cases. At glemme PII.
Kom i gang
Vælg det job, I hader om mandagen. Mål timer i to uger. Byg ét flow. Først når det er kedeligt og stabilt, byg det næste. Eller lad os scape det med jer.
Ofte stillede spørgsmål
Hvad er forskellen på RPA og AI-workflows?
RPA klikker i UI’er. AI-workflows læser ustruktureret input og beslutter. De fleste mid-market-jobs i 2026 er API + LLM, ikke robotter der trykker i et gammelt desktop-program.
Har vi brug for udviklere?
Ikke til første flow, hvis I bruger Make/n8n. I har brug for nogen, der kan designe stien og en prompt. Kode kommer ind, når volume, custom auth eller self-host tvinger det.
Hvilken model?
Claude Sonnet eller GPT-4-klasse til kvalitet. Haiku/mini til klassificering. Test på jeres data — benchmarks lyver, når prompten er jeres.
Hvor lang tid?
MVP på dage. Produktion på 1–3 uger for ét skarpt flow. Programmer over flere afdelinger: måneder, fordi organisationen er langsommere end tool’et.
Er data sikkert?
Kun hvis I vælger vendor, retention og masking bevidst. Self-hosted n8n + API med zero retention er ét mønster. At lime nøgler ind i Zapier og håbe er et andet.
Få AI ind i linjen — ikke i endnu en fane
Vi scoper 1–2 AI-workflows mod jeres rigtige stack. Fast pris, uger, I ejer det.