AI-agenter er fantastiske – men de er ikke gratis
For nylig sad jeg i et møde med en virksomhed, hvor spørgsmålet lød: "Kan vi ikke bare lade en AI-agent overvåge alle vores fakturaer?" Mit svar overraskede dem.
"Jo – men det ville jeg faktisk ikke anbefale."
Ikke fordi AI ikke kan løse opgaven. Men fordi AI ikke altid bør løse opgaven.
Det er en problemstilling, jeg møder oftere og oftere. Begejstringen for AI er enorm – og med god grund. Mulighederne er imponerende, og teknologien udvikler sig hurtigere end nogensinde.
Men efter min erfaring starter mange virksomheder det forkerte sted.
De spørger:
"Hvordan kan vi bruge AI?"
Jeg mener, at det første spørgsmål bør være:
"Har vi overhovedet brug for AI til denne opgave?"
Den forskel virker måske lille.
I praksis er den ofte forskellen mellem en løsning med høj forretningsværdi og en løsning med unødigt høje driftsomkostninger.
AI er en specialist – ikke en praktikant
Forestil dig, at du ansætter en af virksomhedens dygtigste specialister.
Du ville næppe bede vedkommende om at arkivere mapper eller sortere dagens post. Specialisten skal bruges der, hvor erfaring, analyse og dømmekraft skaber værdi.
Det samme gælder AI.
AI skal ikke bruges til rutinearbejde.
AI skal bruges, når der er behov for analyse, vurdering eller beslutningsstøtte.
Derfor arbejder jeg efter en enkel tommelfingerregel:
Hvis opgaven kan beskrives med en fast regel, er AI sjældent den bedste løsning.
Fra 100.000 hændelser til 2.000 intelligente beslutninger
En af de største misforståelser omkring AI er, at alle hændelser i en virksomhed skal analyseres af en AI-agent.
Det er sjældent den mest effektive eller økonomiske løsning.
I en moderne ERP-arkitektur bør Business Central håndtere virksomhedens data og processer, mens Power Automate automatiserer de regelbaserede arbejdsgange.
Først når en hændelse afviger fra normalen eller kræver en vurdering, bør en AI-agent aktiveres.
På den måde bruges AI der, hvor den skaber størst værdi – i stedet for at behandle tusindvis af hændelser, som allerede kan håndteres automatisk.
Diagrammet nedenfor illustrerer princippet. Ud af 100.000 hændelser bliver langt de fleste behandlet automatisk, mens kun de få komplekse eller usædvanlige sager sendes videre til AI for analyse og beslutningsstøtte.
Hvad koster det at lade AI analysere alt?
Med udgangspunkt i mit eksempel på en en virksomhed der behandler 100.000 hændelser om måneden via AI-agenter (ordrer, fakturaer, e-mails, betalinger osv.).
Lad os antage, at en AI-analyse i gennemsnit koster 0,10 kr. (inkl. model, API, infrastruktur mv. – illustrativt eksempel).
Bemærk: Tallene er udelukkende illustrative. De faktiske omkostninger afhænger af AI-model, licenser, antal tokens, integrationsplatform, Azure-forbrug m.m.
Det interessante er ikke, om AI-kaldet koster 0,05 kr. eller 0,50 kr.
Det interessante er, at arkitekturen bestemmer omkostningen.
Hvis du designer løsningen rigtigt, kan du reducere AI-forbruget med 90-99 %, uden at brugerne oplever mindre værdi.
AI er en investering i flere komponenter
Når virksomheder planlægger AI-løsninger, handler dialogen ofte om, hvad AI kan.
Efter min erfaring bliver der derimod talt alt for lidt om, hvordan AI skal anvendes, og hvad den samlede løsning kommer til at koste over tid.
Prisen er nemlig ikke kun selve AI-modellen.
Den samlede driftsomkostning består typisk af en række komponenter:
- AI-kald og token forbrug
- API-kald mellem systemer
- Databehandling og lagring
- Integrationer til ERP og øvrige systemer
- Power Automate-flows og orkestrering
- Overvågning og logning
- Sikkerhed og compliance
- Drift, vedligeholdelse og løbende optimering
Isoleret set kan hver enkelt omkostning virke beskeden.
Men når en AI-agent aktiveres tusindvis af gange hver dag, vokser de samlede driftsomkostninger hurtigt.
Derfor bør virksomheder ikke kun spørge: "hvad koster et AI-kald"
Et langt vigtigere spørgsmål er: "Hvornår giver det mening at bruge AI?"
AI Governance begynder med de rigtige valg
Jeg er overbevist om, at AI kommer til at ændre den måde, vi arbejder på. Men succes handler ikke om at implementere mest mulig AI.
Succes handler om at designe en arkitektur, hvor automatisering og AI supplerer hinanden.
Når Business Central håndterer data, Power Automate styrer processerne, og AI kun aktiveres, når der er behov for intelligens, får virksomheden en løsning, der er:
- økonomisk bæredygtig
- skalerbar
- lettere at vedligeholde
- nemmere at styre
- mere værdifuld på lang sigt
For mig handler AI Governance ikke om at styre AI. Det handler om at vide, hvornår AI skal bruges – og hvornår den ikke skal.
Tre spørgsmål, jeg altid stiller
Før jeg anbefaler en AI-agent, stiller jeg altid tre enkle spørgsmål:
👉 Kan opgaven løses med faste regler?
👉 Kan Business Central eller Power Automate løse opgaven mere enkelt og billigere?
👉 Skaber AI en reel forretningsværdi, der opvejer de samlede driftsomkostninger?
Hvis gevinsten ikke overstiger de samlede driftsomkostninger, bør arkitekturen gentænkes.
Min anbefaling
Efter mere end 25 år med ERP og digitalisering har jeg lært at den bedste løsning er sjældent den med mest teknologi. Den bedste løsning er den, hvor hver teknologi bruges til det, den er bedst til.
Derfor er mit råd enkelt:
Automatiser det, der kan automatiseres. Brug AI der, hvor der skal tænkes!
Jeg tror, det bliver den afgørende forskel mellem virksomheder, der blot implementerer AI – og virksomheder, der skaber reel forretningsværdi med AI.