Det vigtigste kort fortalt
- Automatisering og kunstig intelligens klarer dansk sprog, brancheord og ældre PDF dokumenter markant dårligere end strukturerede data på engelsk.
- En dansk virksomheds løsning med AI skal kunne håndtere æ ø og å korrekt, formatere datoer efter dansk standard og skrive beløb med kr.
- Den skal testes, før den rammer din målgruppe.
Dansk sprog, brancheord og gamle PDF filer kan give fejl
Automatisering og kunstig intelligens klarer dansk sprog, brancheord og ældre PDF dokumenter markant dårligere end strukturerede data på engelsk.
Det danske sprog har sammensatte ord, flere betydninger af samme ord og en grammatik, der ikke altid følger logiske mønstre. Et ord som “slag” kan betyde noget helt forskelligt alt efter konteksten. Når en automatiseringsrobot skal læse og forstå tekst, forvandles den slags nuancer let til fejl.
Brancheord gør problemet større. Hver branche har sit eget sprog, og det findes sjældent i standardordbøger. En robot, der skal håndtere byggematerialer, medicinalvarer eller fødevareingredienser, støder konstant på termer, den ikke genkender.
Gamle PDF filer er en særlig udfordring.
De er ofte scannede dokumenter uden søgbar tekst, eller teksten er gemt i et ulogisk format, hvor rækkefølgen af ord ikke matcher det visuelle layout. Når data skal udtrækkes fra et leverandørkatalog eller en gammel faktura, ender resultatet ofte med at være ufuldstændigt eller direkte forkert.
I et forløb med automatisk produktimport til WooCommerce oplevede vi, at leverandørens data kom i en blanding af danske branchetermer og ustrukturerede PDF filer. Løsningen var ikke at droppe automatiseringen, men at bygge et kontrollag ind, der validerede og rettede output, før produkterne gik live. Resultatet blev 24 produkter om dagen helt automatisk.
Pointen er ikke, at dansk sprog og gamle filer gør automatisering umulig. Det kræver en gennemtænkt AI strategi, så fejlene fanges, før de når kunden.
Dæk æ, ø, å, datoer, CPR/CVR, danske beløb, forkortelser og blandet dansk/engelsk
En dansk virksomheds løsning med AI skal kunne håndtere æ, ø og å korrekt, formatere datoer efter dansk standard og skrive beløb med kr. efter tallet, ellers falder kvaliteten hurtigt til et niveau hvor kunderne ikke tager indholdet alvorligt.
Mange modeller er trænet primært på engelsk data.
Det betyder at danske tegn nogle gange konverteres til ae, oe og aa, datoer skrives i amerikansk rækkefølge, og beløb placerer dollartegnet forkert. Når du bygger en automatiseret tekstproduktion eller et custom GPT setup til dansk indhold, skal du derfor lægge eksplicitte instruktioner ind for hvert punkt.
Numre til CPR og CVR er et særligt tilfælde.
Et CPR nummer skrives typisk med en streg imellem, men det tegn forsvinder nemt eller omskrives hvis modellen ikke ved at formatet er fast. CVR numre skal beholdes som otte cifre uden mellemrum eller punktum. Ligeledes skal danske forkortelser som stk., mio. og ca. bevares i stedet for at blive oversat til pieces, mill. eller approx.
Beløb skrives med punktum som tusindtalsseparator og komma for decimaler, og valutakoden kr. skal stå efter tallet med mellemrum. Det virker simpelt, men fejl her er blandt de hurtigste måder at miste troværdighed på.
Blandet dansk og engelsk indhold kræver særlig opmærksomhed. Lynpadden har hjulpet en webshop med tekster på både dansk og engelsk, hvor automatiseringen sparede 16 timer per måned. Nøglen var at definere klare regler for hvornår der skiftes sprog, og sikre at danske tegn og formater ikke smittede af på den engelske tekst eller omvendt.
Gør artiklen praktisk med før lanceringstest
En artikel skal ikke bare skrives. Den skal testes, før den rammer din målgruppe.
Et manuelt tjek før publicering handler om at sikre, at fakta stemmer, links virker, læsbarheden er i mål og tonen matcher dit brand. Det lyder enkelt, men når tekstmængden vokser, bliver det hurtigt en tung proces. Et enkelt brækket link eller en faktuelt forkert påstand kan underminere troværdigheden og sende læseren væk, før budskabet når frem.
Mange springer testfasen over for at spare tid. Det gør de ikke.
En fast tjekliste med punkter som virkende links, korrekte fakta, udfyldt metadata og billedbeskrivelser giver et stabilt fundament. Når du arbejder med mange sider, kan automatiserede flows tage den repetitive del af tjekket. Lynpadden har for eksempel hjulpet virksomheder med at forbedre intern og ekstern linking på 40 sider per måned og optimere 35 tekster per måned i Search Console. Den slags mængder kræver et system, der fanger fejlene, før de går live.
Når du bruger AI på danske dokumenter, skal testen gå bredere end stavekontrol. Danske sprogkonstruktioner, sammensatte ord og tone kan nemt slå skævt i tekst, som AI har produceret. Tjek specifikt for ordstillingsfejl, upræcise fagtermer og automatisk oversættelse af idiomatiske udtryk, der lyder rigtigt på papiret, men forkert i en dansk kontekst. Et enkelt forkert sammensat ord eller en anglicisme kan hurtigt trække troværdigheden ned.
Byg et lille flow til kvalitetssikring, før artiklen når CMS’et. Lad AI gennemgå udkastet for konsistens i overskriftsniveauer, korrekte interne links og om metadata er udfyldt. Et simpelt setup kan scanne teksten for de typiske fejl, der opstår, når dansk indhold skaleres, og du kan udvide logikken med tilpassede GPT løsninger, der matcher din specifikke stilguide.
Faktuelt indhold skal altid verificeres mod originalsproget, især hvis kildematerialet er på engelsk og AI’en har oversat til dansk. Tjek desuden, at billedbeskrivelser, alternative tekster og interne links matcher den faktiske sidestruktur, så du undgår brækkede stier og tomme referencer i det færdige dokument. De små detaljer er ofte dem, læseren bemærker først.
Mål tiden fra udkast til godkendt indhold og reducer antallet af rettelser efter publicering. Når du arbejder med AI danske dokumenter, er en kort feedbackrunde mellem generator og menneske det, der skiller middelmådig kvalitet fra indhold, læserne faktisk stoler på og deler videre. En stram testproces betaler sig i både tid og troværdighed.
Test er ikke en hindring. Det er en forsikring.
Sæt tid af til tjekket, før du trykker publicer. Det er billigere at rette en fejl i udkastet end at rydde op i den efterfølgende trafik og de delinger, der allerede er i gang. Et solidt grundlag giver artiklen længere levetid og større gennemslagskraft fra første linje.
De små ting der driller når AI møder dansk indhold
Det er nemt at få AI til at skrive på dansk. Det er sværere at få den til at holde styr på formatering, fagsprog og kontekst i dokumenter, der skal bruges i produktion. Små fejl bliver til store problemer, når de kopieres fra et udkast til et datasystem.
Her er hvad vi ser gå igen og igen.
En klassisk faldgrube er tegnsætning og specialtegn. AI genererer ofte tekst med engelske anførselstegn eller forkert brug af æ ø og å, når data flyttes mellem systemer. I praksis betyder det, at et produktnavn eller en mail kan se uprofessionel ud, selvom sprogmodellen ellers rammer tonen.
Et andet problem er mangel på validering af inddata. Hos Lynpadden så vi det i et forløb med produktimport til WooCommerce, hvor 24 produkter om dagen helt automatisk bliver oprettet. Flowet fungerer kun, fordi leverandørdataen bliver renset for ugyldige tegn og tomme felter, inden den når webshoppen. Uden det filter skaber fejl i kildedataen kædereaktioner i hele kataloget.
En virksomhed inden for B2B SaaS brugte Lynpadden til lead research og personlige mails med det resultat, at det første svar kunne sendes på to minutter per lead. Hastigheden hjalp ikke, hvis mailen lød som en automatisk oversættelse fra engelsk. Løsningen var at låse fast i en dansk professionel formulering frem for at lade modellen improvisere ud fra generelle salgsskabeloner.
Automatisering kræver ikke fejlfri output, men kontrol.
Det er her de fleste fejl opstår. Ikke i den store strategi, men i de små valg om tegn, tjek og tone, der bliver overset, når hastigheden sættes op.
Ofte stillede spørgsmål
Hvorfor går AI ofte galt med danske dokumenter?
AI modeller trænes primært på engelsk tekst, så dansk behandles ofte som et sekundært sprog. Det giver fejl i bøjninger, ordstilling og tegnsætning. Særligt fagudtryk, dialekter og komplekse sætninger forvrænges nemt, fordi modellen mangler tilstrækkelig dansk kontekst og sprogforståelse.
Hvilke typiske fejl laver AI med dansk grammatik og tegnsætning?
De mest almindelige fejl er forkert nutids r, sammensatte ord delt med mellemrum og kommaer sat efter engelske regler. AI bruger ofte anglicismer i stedet for naturlige danske udtryk og overser finere nuancer i både professionelt og formelt sprog.
Kan AI forstå dansk lovgivning og juridisk sprog?
AI kan genkende juridiske termer, men forstår ikke retspraksis eller det danske lovgivningshierarki. Den kan sammenfatte tekst og forklare begreber, men må aldrig bruges som eneste kilde til juridisk rådvvining, da den kan opfinde paragraffer og fejltolke gældende danske regler.
Hvordan får jeg bedst resultater med AI på dansk?
Skal jeg altid tjekke AI genereret tekst før jeg bruger den?
Ja, altid. AI laver plausibel, men ofte forkert tekst uden at kunne skelne mellem fakta og fiktion. Læs hele teksten grundigt igennem, tjek navne, datoer, kildehenvisninger og formuleringer nøje. Brug AI som udkastværktøj, ikke som et færdigt produkt.
Er det sikkert at uploade fortrolige dokumenter til AI?
Nej, ikke uden forudgående tjek. Mange AI tjenester gemmer indtastet data til træning eller lagrer oplysninger på udenlandske servere. Du bør altid undlade at dele personfølsomme oplysninger, CPR numre eller forretningshemmeligheder med offentligt tilgængelige AI værktøjer.
