De fleste virksomhedsledere jeg møder har investeret kraftigt i BI. De har pæne dashboards, Power BI-rapporter der viser alt fra omsætning til leveringstider til lagerdage. Og næsten intet af det, ændrer hvad der sker i morgen. Dashboards viser hvad der var. Ofte ændrer de pæne dashboards desværre ikke, hvad der sker bagefter mødet.
Og det er der noget interessant i. Det er nemlig præcis her AI kan overhale klassisk, gammeldags BI på en måde, der betyder noget for din virksomheds økonomi og drift. Det her skriv handler om hvad der sker, når AI sættes ind direkte i selve arbejdsgangen hvor værdien skabes, i stedet for i rapporterne bagefter.
BI-fælden er reel
Det er måske lidt karikeret, men jeg har set det så mange gange, at jeg godt tør kalde det en klassiker: En virksomhed bruger 250.000 kroner på Power BI, datawarehouse og den gode ETL-proces, og får fantastiske dashboards som kan vise alt muligt. Mandag morgen ser ledelsen på dem. Mandag over middag fortsætter resten af virksomheden med at gøre præcis det samme, som de gjorde sidste mandag.
Det er ikke en kritik af BI i sig selv, fordi data er ekstremt værdifuldt og helt nødvendigt. Det er helt nødvendigt til at tage rette beslutninger, og det er eneste disciplin som kan fortælle jer at leveringstiden er steget 12 procent siden sidste måned og lign. Men BI ændrer ikke den arbejdsgang, der forårsager problemet. Brancheanalyser peger konsekvent på at størstedelen af data- og analyseinitiativer i virksomheder aldrig fører til reelle procesændringer. Virksomheder investerer i måling, men handler for sjældent på det.
Man investerer mange penge i at kunne se meget præcis data og grafer, at leveringstiden stiger. Men man bruger næsten ingen tid på at ændre den proces, der forårsager stigningen. Så hvis jeg skal drille alle os virksomhedsledere, vil jeg sige:
Vi har et dashboard der viser hvad problemet er. Det, vi mangler er handlingen som løser udfordringen.
Hvor værdi skabes: i arbejdsgangen, ikke i rapporten
I min optik er den mest nyttige form for AI i en forretning ikke en der analyserer hvad der skete. Det er derimod en AI som handler på situationen direkte. Der, hvor værdi skabes mod slutkunderne eller hvor penge tabes hver eneste dag på manuel håndtering.
Forskellen er ret fundamental. BI analyserer bagud: hvad er der sket? AI handler og kan hjælpe med beslutninger og actions: hvad skal ske nu?
BI giver jer en graf der viser at I har for mange forsinkede leverandørfakturaer. AI behandler den næste faktura der kommer helt automatisk. BI viser måske at lønomkostningen til produktionen er steget med 17% i Q2. Men den rette brug af AI i en kerneproces kan nok sænke behovet for manuelt indtastningsarbejde med 17% per produktionsordre.
Basisfunktionaliteten eksisterer allerede. I Microsoft Business Central kan en AI-agent overvåge en mailpostkasse, læse kundemails der ankommer, identificere hvilke varer der bliver spurgt om, og oprette tilbud automatisk. En anden agent kan modtage leverandørfakturaer, udtrække data automatisk, matche dem mod kontoplan og oprette bogføringsklare kladder der bare venter på godkendelse.[1]
(Men lad os være ærlige: Det er ikke der vi kommer til at flytte en masse forretning, for Microsoft har altså stadigvæk noget uforløst potentiale i de her agenter. Jeg forventer at agenterne bliver bedre over tid. Lige nu er de ikke stærke nok.)
Men ideen bag agenterne er essensen: Det er procesautomatisering inde i jeres forretningssystemer. AI skal applikeres hvor arbejdet sker. Det er der hvor investeringen begynder at give afkast.
Et konkret eksempel om indkøb
Lad mig give et konkret eksempel, der ikke handler om dashboards eller grafer.
Lad mig tage et tænkt eksempel fra en produktionsvirksomhed. De kunne måske lave køkkener i egen produktion og derfor have behov for indkøb af alt fra opvaskemaskiner til håndtag. Indkøbsafdelingen modtager hundredvis af mails om måneden fra leverandører omkring leveringstidspunkter på Purchase Orders. Leverandøren sender dispatch-dokumenter eller skriver at noget er forsinket eller lign. Det kan være, de skriver, at de kan levere 3 ud af 4 linjer, og at de vil levere til første sending denne dato, og sidste leverance vil de levere om 14 dage. Det er normalt en indkøbers fornemmeste opgave at holde styr på og opdatere leveringstidspunkter per Purchase Order Line, splitte den oprindelige linje med 4 stk. ud på 2 linjer. Første linje med 3 stk. næste linje med 1 stk. Indsæt datoen for den forsinkede dato på den nye linje. Opdater. Gem. Osv.
Men sagen er jo den, at en velbeskrevet AI jo kunne hjælpe med dette ret nemt. Det er ikke en out-of-the-box Microsoft Payables Agent som kan løse det, men en velbeskrevet agent via Power Automate eller en lille, smart kode-komponent, som kan løse det.
Hvor mange timer sparer man så? Mange. Men nok ikke en besparelse i lønkroner her og nu. I stedet frigører man tid på en ressource til at skabe reel værdi på at lave bedre forecasts, trykke leverandøren mere for at få bedre priser eller lave de gode kampagner. Og det skaber den reelle forretningsværdi.
Pointen er så bare, at intet ved ovenstående handler om BI eller dashboards. Det handler om at AI afhjælper en konkret proces inde i den daglige drift, og leverer besparelser, der kan måles i kroner og timer. (Det kunne man så måle og vise i et dashboard?)
Lidt flyvehøjde fra Gartner, som i øvrigt allerede er outdated
Gartner forudså i 2025 at over 40 procent af agentbaserede AI-projekter vil fejle inden 2027.[2] De beskrev allerede dengang, at årsagen primært er organisatorisk og ikke teknologisk. Det har jeg i øvrigt kloget mig på i et helt andet indlæg her på siden. Men sagen er så den, at der er sket uendeligt meget med AI’s kompetencer siden 2025, så analysen er outdated allerede.
Der er dog læringer at tage med fra analysen. AI’en er sådan set klar, men arbejdsgangene, change management og selve governance er den svære del.
AI har brug for datagrundlag og procesdokumentation, og et klart scope. Så kan det lykkes i 2026.
Heldigvis blander ERP-branchen AI og BI sammen
Lad mig være klar i spyttet. Jeg siger ikke at BI er et forkert fokus for en virksomhed. Tværtimod. Men hvis jeg skal være ærlig, så glæder jeg mig faktisk i mit stille sind over at de fleste af vores kollegaer i ERP-branchen har lagt AI og BI i samme afdeling. Det er nemlig forkert. Og det er en konkurrencefordel jeg gerne tager imod.
For det er to vidt forskellige skill-sets. BI kræver at al data er tilgængelig og en platform til rapportering. Det er en vigtig disciplin som involverer datawarehousing og den helt rette ETL-proces osv. At applikere AI (som det så fint hedder) i en virksomheds arbejdsgange kræver noget helt andet. Det kræver en konsulent som forstår jeres processer ned i detaljen, intern eller ekstern. Men det starter med at dokumentere den nuværende proces grundigt og få alle i afdelingen til at følge samme proces fra nu af. Og så skal man ellers i gang med første version af en AI-model som forbedres i anden version, og så videre.
Det handler om klassisk forretnings- og procesforståelse som er alt fra dyb viden om ERP-systemet over procesdesign til change management. Man kan nemlig ikke bare forvente at AI skal kompensere for stamdata der ikke er konsekvent, eller at Poul, Søren og Dorthe gør tingene forskelligt. Det er ikke teknologien der løser den slags. Det er selve processen og den rette procesforståelse.
De virksomheder der om nogle år får mest værdi af AI er ikke dem med de flotteste dashboards. Det er dem som har veldokumenterede arbejdsgange og processer, samt viljen til at lade teknologi ændre måden arbejdet udføres på. Det er sjældent en BI-afdeling som løser dét. Det er nok nærmere en proceskonsulent eller en dygtig ERP-konsulent med AI som en del af den samlede værktøjskasse.
Den rigtige rækkefølge er ikke AI first
Vejen til at få AI ind i dine arbejdsgange starter ikke med AI overhovedet. Den starter med procesvurdering, oprydning i data og ordentlig systemkonfiguration. Det er ikke sexet. Men det er fundamentet.
Min anbefaling vil være at identificere de tre arbejdsgange, der årligt koster flest manuelle timer og håndtering. Vurder om de er veldefinerede nok til at en AI-agent kan overtage en væsentlig del.
Det kræver at I kender jeres processer ned i detaljerne. Hvem gør hvad? Hvor lang tid går der? Hvad koster det? Hvad er fejlraten eller risikoen for menneskelige fejl? Hvis I ikke endnu kender de tal, er det første skridt ikke AI. Det er at forstå jeres egen drift tilstrækkeligt til at vurdere hvor AI giver mening.
Hvis I vil have et uvildigt blik på hvilke af jeres arbejdsgange der reelt er klar til AI, er det den slags vi gerne kigger på. En halv dag giver typisk svar nok til at I kan beslutte næste skridt.
Kilder
- Microsoft Learn, Set up agents in Business Central. ↩
- Gartner, Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027 (juni 2025). ↩
