AI

AI Automations

Lad systemerne tage sig af gentagelserne.

Fra manuelle rutiner til workflows i drift

En kunde spørger til sin ordre. En faktura skal matches med en indkøbsordre. Ugens rapport mangler tal fra tre systemer.

Vi forbinder jeres systemer og bygger AI-agenter og workflows, der henter oplysninger, klargør svar og sender opgaver videre. I aftaler, hvad der må ske automatisk, og hvornår en medarbejder skal godkende.

Vi bygger på de systemer, I allerede bruger

  • Shopify
  • Make
  • n8n
  • Claude
  • ChatGPT
  • Zendesk
  • Gorgias
  • + jeres egne systemer

Fra data til et konkret næste skridt

AI'en læser opgaven, slår op i jeres systemer og forbereder resultatet. En medarbejder har altid sidste ord.

Kundeservice
  1. 01
    Opgaven kommer ind
    En mail fra en kunde
    Hvor er min ordre?

    Kan I hjælpe mig med at finde min pakke?

    Ordrenummeret følger med
  2. 02
    Data kontrolleres
    Ordresystem
    Slå ordren op
    Ordre
    Fundet
    Status
    Afsendt
    Sporing
    Tilgængelig
    Oplysningerne er fundet
  3. 03
    Resultatet klargøres
    Klar til gennemgang
    Et svarudkast med ordrestatus

    Din ordre er afsendt. Du kan følge pakken via sporingslinket.

    En medarbejder gennemgår og sender svaret.

Produkt- og lagerdata
  1. 01
    Opgaven kommer ind
    Et tjek af produktdata
    En variant mangler lagerstatus

    Kontrollen finder en variant, som skal sammenholdes med lageret.

    Variantens ID er tilgængeligt
  2. 02
    Data kontrolleres
    Webshop og lager
    Sammenhold varianten
    Variant
    Samme ID
    Lager
    På lager
    Webshop
    Lagerstatus mangler
    Afvigelsen kan beskrives
  3. 03
    Resultatet klargøres
    Klar til gennemgang
    En konkret rettelsesopgave

    Varianten og oplysningerne fra begge systemer samles i en fejlliste til den ansvarlige.

    Den ansvarlige kontrollerer ændringen, før webshoppen opdateres.

Fakturaer
  1. 01
    Opgaven kommer ind
    En faktura på mail
    Et bilag skal behandles

    Fakturaen modtages og læses sammen med oplysningerne på indkøbsordren.

    Faktura og indkøbsordre er tilgængelige
  2. 02
    Data kontrolleres
    ERP og indkøb
    Match faktura og ordre
    Indkøbsordre
    Fundet
    Leverandør
    Matcher
    Beløb
    Matcher
    Faktura og ordre stemmer
  3. 03
    Resultatet klargøres
    Klar til gennemgang
    Et bilag klar til godkendelse

    Faktura, indkøbsordre og kontrolgrundlag samles, så medarbejderen kan gennemgå bilaget.

    En medarbejder godkender bilaget, før det bogføres.

Agenten forbereder, I beslutter

Agenten arbejder kun med de data, I giver adgang til. Vi aftaler på forhånd, hvilke systemer den må læse fra, og hvad den må bruge oplysningerne til. Alt andet forbliver lukket.

Inden for de rammer gør agenten forarbejdet. Den slår op, sammenholder og klargør, så jeres medarbejdere slipper for at lede efter oplysninger på tværs af systemer. Opgaven kommer frem, når den er klar til gennemgang.

Den sidste beslutning ligger altid hos jer. En medarbejder godkender, før noget bliver sendt eller ændret. Alle hændelser logges, så I kan følge, hvad agenten har gjort, og justere rammerne, når I er klar til at give den mere ansvar.

Læser data
Agenten henter de aftalte oplysninger fra jeres systemer, fx ordresystem, webshop eller ERP. Den ser kun det, I har givet adgang til.
Laver udkast
Agenten samler oplysningerne til et svar, en rettelse eller et bilag, så opgaven er klar til gennemgang. Mangler der noget, gætter den ikke. Opgaven bliver i stedet markeret til manuel afklaring.
I godkender
En medarbejder gennemgår udkastet og sender eller godkender det. Alle hændelser logges, så I altid kan se, hvad der er sket.

Det kan vi hjælpe jer med

Vælg et område, og åbn en opgave. Se, hvordan data bliver til indsigt, handling og hjælp i hverdagen.

Data og indsigt

Salgstal, konvertering og afvigelser

Daglig overvågning med besked, når noget afviger.

Eksempel i praksis

Et fald i mobilkonverteringen udløser en besked med datagrundlag og mulige forklaringer, som teamet kan undersøge.

MobilkonverteringOvervåges
Afvigelse
Forventet niveauUdvikling over tid →
Et fald kræver et nærmere kigDatagrundlag og mulige forklaringer samles til teamet.
Fra udsving til en konkret opgave

Analyse af returårsager

Kategorisering af returkommentarer og mønstre pr. produkt.

Eksempel i praksis

Returkommentarer peger på, at en model ofte beskrives som lille i størrelsen. Teamet får et forslag til at præcisere størrelsesguiden.

“Den er lille i størrelsen”“Jeg skulle have valgt en større”“Pasformen var for smal”
Et tema går igenStørrelse og pasform
Muligt næste skridt

Gennemgå størrelsesguiden og produktteksten.

Kundernes ord bliver til et mønster

Analyse af interne søgninger uden resultat

Finder søgninger uden hits og foreslår løsninger.

Eksempel i praksis

Søgninger på et synonym uden resultater bliver til nye tags eller et sortimentsforslag.

regnjakke
SøgeordregnjakkeskaljakkeMuligt synonym
Forslag: Tilføj synonymet og kontrollér sortimentet.
En tom søgning viser, hvad der mangler

Automatisering og AI-agenter

Shopify Flow-automatiseringer

Regler for lager, ordrer, tags og kundesegmenter.

Eksempel i praksis

Varer med lavt lager tagges, og indkøb får automatisk besked.

Hvis
En variant har lavt lager
SåTilføj et produkttagGenbestil
OgGiv indkøb beskedVariant + lagerstatus
En lagerhændelse sætter næste trin i gang

MCP-servere og AI-agenter på egne systemer

Vi forbinder AI-assistenter med udvalgte systemfunktioner via MCP og afgrænser adgange, handlinger og logning.

Eksempel i praksis

Kundeservice spørger en agent om ordrestatus, og den slår op direkte i ERP.

“Hvad er status på denne ordre?”
AI-assistent
MCPUdvalgte handlinger
ERP
Tilladt opslagHent ordrestatus
Ordren er afsendtSvaret bygger på opslaget i jeres system.
Assistenten får afgrænset adgang til et opslag

AI-agenter til administrative opgaver

Vi bygger flows til fakturaer, indbakker, ordrer og dokumenter med svarudkast og godkendelse ved aftalte handlinger.

Eksempel i praksis

En agent prioriterer indbakken, henter ordreoplysninger og klargør et svar. Fakturaer kan tilsvarende matches med ordrer og sendes til godkendelse.

Faktura
Leverandør Fundet
Ordrenummer Fundet
Bilag Vedhæftet
Match med indkøbsordre
Klar til godkendelseEn medarbejder får bilaget og datagrundlaget.
Fra indbakke til et bilag klar til godkendelse

Udvikling og drift

Interne værktøjer og dashboards

Skræddersyede værktøjer, der samler data fra flere kilder.

Eksempel i praksis

Et dashboard samler webshop, annoncer og lager i ét overblik til ledelsen.

WebshopAnnoncerLager
Jeres overblik
Salg og udvikling
Kræver et kig

Produktdata

Lagerstatus

Kampagneafvigelser

Et fælles sted at begynde dagens arbejde
Flere kilder bliver til ét arbejdsrum

Automatiseret rapportering

Faste rapporter genereres og sendes automatisk.

Eksempel i praksis

Hver mandag samles ugens aftalte nøgletal og afvigelser i en rapport, der sendes til de valgte modtagere.

Aftalte datakilderFast format
Ugens overblikRapportudkast
01Udvikling i nøgletal
02Vigtige afvigelser
03Kommentarer til opfølgning
Klar til de valgte modtagereGenereres og sendes på den aftalte tidsplan.
Den samme rapport, på den aftalte tidsplan

Webshop apps og udvidelser

Apps og funktioner til fx Shopify.

Eksempel i praksis

En intern app gør det muligt at opdatere hundredvis af produkter i ét trin.

Produktværktøj
✓Produkt AKlargjort
✓Produkt BKlargjort
✓Produkt CKlargjort
Valgte produkterOpdatér fælles oplysninger

Gennemgå ændringerne samlet før opdatering.

Mange produkter kan håndteres i ét værktøj

Rådgivning

AI-strategi og roadmap

Hvor skaber AI mest værdi, prioriteret efter effekt og indsats.

Eksempel i praksis

En workshop munder ud i en prioriteret plan med de første tre automatiseringer.

Forventet effekt ↑Mulige opgaver
Start herOrdreopslag
Produktdata
Rapportering

Placeringen er et eksempel. Prioriteringen afhænger af jeres data og systemer.

Vælg den første opgave med effekt og indsats i blik

Udrulning af Claude eller ChatGPT

Opsætning, retningslinjer, træning og integration.

Eksempel i praksis

Teamet får en fælles opsætning med retningslinjer, introduktion og adgang til de datakilder, der er godkendt til formålet.

Jeres fælles AI-arbejdsrum
Fælles retningslinjer
Godkendte datakilder
Instruktioner til opgaverne
Marketing
Kundeservice
Administration

Introduktion og træning kobles til teamets egne opgaver.

Fælles rammer gør værktøjet brugbart for teamet

Vi starter småt og bygger på det, der virker

Mange AI-projekter går i stå, fordi de starter for stort. Vi begynder med én konkret opgave, der fylder i hverdagen, og får den til at virke i jeres egne systemer. Når den kører stabilt, bygger vi videre.

I er med hele vejen. Vi aftaler på forhånd, hvilke data løsningen må bruge, hvor en medarbejder skal godkende, og hvad der skal være på plads, før den tages i brug.

Fra første opgave til en løsning i drift

Vi begynder med en afgrænset opgave og aftaler, hvad der skal være på plads, før løsningen tages i brug.

01

Analyse og flaskehalse

Vi gennemgår opgaven, data og jeres nuværende systemer. Sammen prioriterer vi, hvad der er relevant at bygge først.
02

Arkitektur og data

Vi vælger platforme og integrationer og afklarer adgange, databehandling, godkendelser og ansvar.
03

Udvikling og integration

Vi bygger og forbinder løsningen. Test på aftalte scenarier viser, hvor den virker, og hvor en medarbejder skal overtage.
04

Udrulning og overvågning

Vi aftaler overdragelse, overvågning og vedligeholdelse, så fejl og ændringer i systemerne bliver håndteret.

Hvilken arbejdsgang skal vi begynde med?

Tag udgangspunkt i én konkret opgave, som I vil have vurderet. Vi ser på systemer, data og de vigtigste afhængigheder.

Spørgsmål om AI Automations

Gentagne opgaver med tilgængelige data og tydelige regler er et godt sted at begynde. Det kan være ordreopslag, fakturahåndtering, rapportering eller kontrol af data mellem systemer.

Vi bygger en vej til manuel behandling. Grænser for sikkerhed, beløb, datakvalitet og handlinger fastlægges i løsningen, så relevante sager sendes til en medarbejder.

Vi aftaler ansvar for drift, overvågning og ændringer før udrulning. Adgange, fejlalarmer og vedligeholdelse beskrives som en del af overdragelsen.

Vi afklarer datakilder, formål, adgange, lagring og leverandørvilkår før udvikling. Krav til GDPR og brug af data til modeltræning indgår i valg af tjenester, opsætning og aftaler.