Gustav "AI-agent" lyder abstrakt. Konkrete eksempler er nemmere. Her er otte brugscases der løser reelle problemer for danske små og mellemstore virksomheder. Alle er ægte, baseret på arbejde jeg eller andre har lavet.
Hvad gør en AI-agent anderledes?
En kort opfriskning: en AI-agent vurderer og handler, hvor en almindelig automatisering blot udfører regler. Se forskellen i detaljer her. Det er forskellen mellem "send altid samme svar" og "læs hvad personen skriver og svar passende".
1. Kundeintag-agent (advokatfirma)
Ny klient sender en henvendelse. Agenten læser den, kategoriserer sagen (familieret, erhverv, strafferet), foreslår de rigtige standarddokumenter, og laver udkast til engagementsbrev baseret på sagstypen.
Tid sparet: 30-45 minutter per ny klient. Læs mere om klientintag på autopilot her.
2. Fakturarykker-agent (tømrerfirma)
Agenten gennemgår alle åbne fakturaer, identificerer hvilke der er forsinkede, vurderer hvilken type rykker der passer baseret på kundens historik (har de altid betalt sent? Eller er det første gang?), og laver et udkast i den rigtige tone. Mester godkender og sender.
Tid sparet: 2-3 timer om ugen for et mindre firma.
3. Mødeforberedelse-agent (konsulent)
Inden et klientmøde læser agenten alle tidligere emails, mødenotater, og dokumenter fra den klient. Den producerer en kort briefing: hvor er vi i forhold til sidste møde, hvad er åbne spørgsmål, hvad bør jeg være forberedt på at diskutere.
Tid sparet: 20-30 minutter per møde. Kvaliteten af møderne stiger målbart.
4. Tilbudsgenerator (VVS-firma)
Mester skriver 5 stikord om opgaven: lokation, type opgave, omfang, tidsestimat, materialer. Agenten genererer et komplet professionelt tilbud baseret på firmaets standardskabeloner og prisstruktur. Mester tjekker og sender.
Tid sparet: 30-60 minutter per tilbud. Læs mere her.
5. Email-triage (revisorkontor)
Agenten gennemgår indbakken om morgenen, kategoriserer hver email (kræver svar fra revisor / kan håndteres af assistent / spam / nyhedsbrev), og laver foreløbige udkast til de der kræver svar.
Tid sparet: Cirka en time hver morgen, der ellers gik til at navigere indbakken.
6. Lead-kvalificering (ejendomsmægler)
Når en lead kommer ind (besøg på en bolig, henvendelse via form), læser agenten leadens information, sammenholder med tidligere data om lignende køberprofiler, og prioriterer hvor varmt leadet er. Sælger ringer kun til de rigtige.
Tid sparet: 5-8 timer om ugen sparet på dårlige leads.
7. Indkøbsoptimering (café)
Agenten gennemgår salgsdata for de sidste fire uger, vejret for den kommende uge, kalenderbegivenheder lokalt, og foreslår et indkøb til næste uge der minimerer spild. Cafe-ejer justerer og sender til leverandør.
Tid sparet: 2-3 timer om ugen + målbar reduktion i fødevarespild.
8. FAQ-agent på hjemmesiden (mange)
En chat-widget på hjemmesiden der ikke bare svarer på spørgsmål med skabelon-svar, men faktisk forstår hvad brugeren spørger om og finder det rigtige svar i firmaets dokumentation. Hvis den ikke kan svare, viderestiller den til en menneske med kontekst.
Tid sparet: 50-70% reduktion i support-emails for en velintegreret løsning.
Det fælles mønster
Bemærk, at i alle otte tilfælde: agenten foreslår, mennesket godkender. Det er det, der gør forskellen mellem en useriøs løsning og en der faktisk virker. AI-agenten er en assistent - ikke en erstatning.
Hvis nogle af de her eksempler ligner noget du selv brænder af tid på, så skriv til mig. Vi kan tage en 20-minutters snak om, hvad der ville være muligt for din specifikke situation.