AI-automatisering: hvad kan betale sig at automatisere?

Hvad AI-automatisering er, og hvad den ikke er

AI-automatisering er software, der flytter data mellem jeres systemer og bruger en sprogmodel til de trin, hvor en almindelig regel ikke kan læse input. Klassisk procesautomatisering kan flytte en ordre fra webshoppen til bogholderiet, fordi felterne altid hedder det samme. Den kan ikke læse en pdf-faktura fra en ny leverandør eller forstå, at en mail på info@ i virkeligheden er en reklamation. Det kan en sprogmodel. Det er hele forskellen, og det er derfor, det hedder AI-automatisering og ikke bare automatisering.

Når automatiseringen selv begynder at træffe valg og handle i flere systemer, kalder man den en agent. Hvordan de fungerer, og hvad de koster i den tunge ende, står i min gennemgang af AI-agenter. Her handler det om det spørgsmål, der kommer før: hvilke opgaver kan overhovedet betale sig at automatisere?

Det spørgsmål bliver stillet af flere og flere. Ifølge Danmarks Statistik, gengivet af Ingeniøren 16. september 2026, bruger 59 % af danske virksomheder nu AI-værktøjer, op fra 42 % i 2025. Men brugen er mest medarbejdere, der skriver i ChatGPT. I Danmarks Statistiks opgørelse for 2024 brugte kun omkring 10 % AI til automatisering af arbejdsgange. Der er altså langt fra at have AI i huset til at have AI, der laver arbejdet uden at nogen trykker på en knap.

Fire kendetegn ved en opgave, der kan betale sig

Jeg bygger automatiseringer til mine egne sites og til kunder, og de projekter, der tjener sig hjem, ligner hinanden. Opgaven har fire ting til fælles:

• Den kommer ofte. Hundredvis af gange om måneden, ikke ti. Volumen er det, der betaler opsætningen.
• Den følger et mønster. En erfaren medarbejder kan forklare reglen på et halvt A4-ark, også selv om undtagelserne fylder et ark mere.
• En fejl kan fanges, før den koster noget. En forkert kontering i en kladde er billig. En forkert betaling eller en forkert besked til en kunde er dyr.
• Data ligger i systemer med en API. e-conomic, Dinero, HubSpot, Shopify og Outlook kan alle tales med. Et lokalt Excel-ark på en enkelt pc kan ikke.

Mangler et af de fire, bliver regnestykket dårligt hurtigt. Mangler to, så lad være.

Hvad der typisk kan betale sig at automatisere med AI

Ud fra de fire kendetegn er listen ret kort, og den ser ens ud i de fleste små og mellemstore virksomheder:

• Indgående fakturaer og bilag. AI læser pdf'en, finder leverandør, beløb og moms, foreslår konto og lægger bilaget i kladden. Et menneske godkender. Det kræver en integration til e-conomic eller det bogholderi, I bruger, og det er her, jeg oftest ser timerne komme tilbage.
• Sortering af fælles indbakker. Mails på info@ og ordre@ klassificeres og sendes til den rigtige person med kundens historik og et udkast til svar.
• Dataindtastning fra formularer og mails. Henvendelser fra hjemmesiden oprettes som leads i CRM med firma, behov og budget udfyldt, i stedet for at nogen kopierer felterne over.
• Ordrebekræftelser og statusbeskeder. Kunden spørger, hvor pakken er. Svaret ligger i et system, og AI kan formulere det.
• Rapporter, der samles hver måned. Tal fra tre systemer samles, opsummeres og sendes, så en medarbejder kun skal læse og rette.

Det, der sjældent betaler sig, er opgaver, hvor svaret afhænger af en vurdering, ingen har skrevet ned: prisforhandling, klagesager med følelser i, rekruttering og alt, hvor en fejl rammer en kunde direkte, før nogen opdager den.

Hvad AI-automatisering koster

Prisen har tre dele: værktøjet, der binder systemerne sammen, sprogmodellen, der læser, og timerne til at bygge og vedligeholde det. De to første er billigere, end de fleste tror: de AI automation tools, der går igen, n8n, Zapier og Make, koster fra et par hundrede kroner om måneden. Den tredje er den, der afgør prisen.

Løsning	Opsætning	Drift pr. måned	Hvad der er inkluderet
Værktøj, I selv sætter op	Jeres egen tid	n8n fra 20 euro, Zapier fra 19,99 dollar, Make gratis op til 1.000 credits	Platformen. Ingen hjælp, ingen garanti, ingen vedligehold.
Simpel automatisering	5.000-30.000 kr.	0-2.000 kr.	Én datakilde og én handling, fx mailsortering eller bilag til kladde.
Mellem	30.000-92.000 kr.	2.000-8.000 kr.	Flere systemer, fx fakturabehandling med opslag i e-conomic og CRM.
Kompleks	80.000-250.000 kr.	5.000-12.000 kr.	Mange systemer, eskalering, logning og flere trin, der afhænger af hinanden.

Kilder, tjekket 1. november 2026: værktøjspriserne er fra n8n (Starter 20 euro om måneden for 2.500 kørsler, Pro 50 euro for 10.000, ved årlig betaling), Zapier og Make. Leverandørpriserne er fra Webia, der angiver 5.000-25.000 kr. for en simpel og 67.500-92.000 kr. for en standardløsning som fakturabehandling, og AI-AG, der angiver 10.000-30.000 kr. for en simpel løsning og 5.000-15.000 kr. pr. ekstra systemintegration. Webia lægger 1-5 timers vedligehold om måneden ind til 1.995 kr. i timen.

Sprogmodellen er den mindste post. På Anthropics prisside koster Claude Sonnet 5.5 2 dollar pr. million input-tokens og 10 dollar pr. million output-tokens. Antag, at et bilag med instruktioner fylder 2.000 tokens ind og 300 ud. Det er mit regneeksempel, ikke en måling. Så koster ét bilag cirka 0,7 cent, og 1.000 bilag om måneden cirka 7 dollar. Med den mindste model, Haiku 5.5, er det under en halv dollar. Modelprisen er sjældent grunden til, at et projekt ikke betaler sig.

Regnestykket: hvornår tjener det sig hjem

Udgangspunktet er, hvad en time koster jer. En bogholder i Danmark har en samlet fortjeneste på 45.757 kr. om måneden ifølge Danmarks Statistiks tabel LONS20 for 2024, gengivet af Løn.dk. Det er omkring 285 kr. pr. arbejdstime, før ferie, lokaler og andet overhead. Den reelle pris er højere, så tallet er et forsigtigt gulv.

Tag nu en simpel automatisering til 30.000 kr. i opsætning og 1.000 kr. om måneden i drift, og regn på, hvor mange timer den sparer:

Ved fem sparede timer om måneden tager det næsten seks år, og inden da har jeres systemer ændret sig to gange. Ved 20 timer er pengene hjemme på et halvt år. Grænsen ligger et sted omkring ti timer om måneden for en simpel løsning, og højere for en dyrere. Det er det tal, I skal kende, før I indhenter tilbud.

Hvornår AI-automatisering ikke kan betale sig

• Volumen er lav. Ti bilag om ugen klares billigere med bankregler og bilagsscanning i det bogholderi, I allerede betaler for.
• Processen er ikke beskrevet. Kan ingen forklare reglen, kan ingen bygge den. Start med at skrive den ned. Det koster ingenting og afslører ofte, at opgaven kan fjernes helt.
• Data ligger forkert. Ligger kunderne i tre systemer, der ikke taler sammen, er første projekt en integration, ikke AI. Automatisering oven på rodede data laver bare fejl hurtigere.
• Ingen ejer den. En automatisering skal følges de første måneder. Læser ingen loggen, opdager I fejlene, når en leverandør rykker for betaling.

Sådan kommer du i gang

1. Skriv de fem opgaver ned, der stjæler mest tid. Mål timerne en uge, gæt ikke.
2. Stryg dem, der ikke opfylder de fire kendetegn ovenfor.
3. Gang de tilbageværende timer med jeres timepris, og sammenlign med tabellen.
4. Byg den ene med størst volumen først, med et menneske, der godkender, indtil fejlraten er kendt.
5. Kræv at eje integrationerne og koden, så I kan skifte leverandør uden at starte forfra.