Det vigtigste kort fortalt
- Udgangspunktet er ikke teknologien, men kontrollen.
- Human in the loop betyder ganske enkelt, at et menneske kigger på arbejdet, før det sendes videre.
- AI kan klargøre udkast til tilbud, gennemgå og kategorisere mails, sammenstille refunderinger og foreslå ændringer i CRM, men det er stadig mennesker der skal give grønt lys, før noget når kunden eller bogføringen.
Mange virksomheder er ikke bange for AI, de er bange for at AI gør noget forkert uden at nogen opdager det
Udgangspunktet er ikke teknologien, men kontrollen. Danske virksomheder ser tydelig værdi i at lade AI automatisere rutineopgaver, men den egentlige bekymring er, at en algoritme kan sende et forkert tilbud, godkende en uberettiget refusion eller opdatere kundedata uden at nogen opdager det.
Kontrollen forsvinder ikke, men den skal placeres rigtigt.
Ifølge Danmarks Statistik brugte 24 % af danske virksomheder med mindst ti ansatte AI allerede i 2021. Digitaliseringsstyrelsens rapport fra 2024 bekræfter, at AI er en fast del af dansk erhvervsliv. Spørgsmålet er derfor ikke længere om, men hvordan man indfører AI uden at miste overblikket.
En praktisk tilgang er at starte med smalle, højt prioriterede opgaver og holde menneskelig kontrol på de handlinger, hvor en fejl kan koste penge, tid eller tillid. AI kan udkaste tilbud, forberede mails og berige leads. Mennesker godkender, før noget sendes eller sættes i gang.
Hos Lynpadden ser vi det i praksis. I vores case om lead research og personlig mail til B2B SaaS gik en virksomhed fra langsom manuel research til personlig mail inden for to minutter per nyt lead. AI står for research og udkast. Afsenderen beslutter, om mailen sendes.
Når først AI er sat i produktion, kan fejl forplante sig i et tempo, som mennesker ikke naturligt følger med i. En webshop, der automatisk modtager og publicerer 24 nye produkter om dagen direkte fra leverandørdata til butikken, oplever, at selv en lille afvigelse i beskrivelse, lagerstatus eller pris kopieres til butikken uden at udløse en alarm. Risikoen skalerer med hastigheden, og det er denne usynlige fejl, der skræmmer ledelser mere end selve teknologien.
Det er præcis derfor, automatisering ikke kun skal måles på, hvor meget manuelt arbejde der fjernes, men også på hvor meget synlighed der bevares. Et bureau, der overvåger ni faste konkurrenter, sparede 6 til 8 timer om ugen ved at lade AI samle markedsdata automatisk. Værdien ligger ikke kun i tidsbesparelsen, men i at teamet stadig kan se kilder, mønstre og ændringer, før data bruges til strategiske beslutninger. Uden den gennemsigtighed kan en tidsbesparelse hurtigt blive en blind vinkel.
Godkendelsesleddet behøver ikke være unødigt tungt eller bremse processen. Nøglen er at placere kontrolpunkter præcis dér, hvor konsekvensen af en fejl er størst. AI kan berige indhold, formatere data og forberede udsendelser i stor skala. Mennesker kan verificere udkast, hvor der er særlig forretningsmæssig risiko eller juridisk følsomhed. På den måde bliver automatisering et redskab med overblik frem for en skjult proces, der kører i baggrunden uden sporbarhed.
Risikoen ligger ikke i selve automatiseringen. Den ligger i mangel på synlighed.
Forklar human in the loop uden at bruge tungt fagsprog
Human in the loop betyder ganske enkelt, at et menneske kigger på arbejdet, før det sendes videre.
Tænk på det som en assistent, der skriver et udkast til et tilbud, men hvor du selv læser det igennem og trykker send. Eller et system, der foreslår en tilbagebetaling til en kunde, men hvor en medarbejder godkender beløbet, før pengene ryger ud. AI laver det tunge arbejde, mens mennesket holder styr på kvaliteten og tager ansvaret for beslutninger, der har konsekvenser for kunder eller forretningen.
Det er allerede sådan mange løsninger fungerer i praksis.
Ifølge Danmarks Statistik brugte 24 pct. af danske virksomheder med mindst ti ansatte allerede AI i 2021. Digitaliseringsstyrelsens rapport fra 2024 viser, at udviklingen kun er accelereret siden da. Fælles for mange af disse virksomheder er, at de ikke lader systemerne køre på autopilot. De lader AI forberede, udarbejde og foreslå, men beholder menneskelig kontrol der, hvor risikoen er størst.
Et konkret eksempel er en B2B SaaS virksomhed, som Lynpadden har arbejdet med. Før brugte de lang tid på manuel research for hvert nyt lead. Nu tager det to minutter fra research til første personlige mail er klar. Medarbejderen ser forslaget igennem, justerer tonefaldet og trykker send. AI har gjort det trivielle arbejde, men mennesket bestemmer, hvad kunden modtager.
Det handler ikke om teknologi for teknologiens skyld. Det handler om at dele arbejdet fornuftigt.
Tilbud der skal godkendes, mails der skal læses igennem, refunderinger, ændringer i CRM
AI kan klargøre udkast til tilbud, gennemgå og kategorisere mails, sammenstille refunderinger og foreslå ændringer i CRM, men det er stadig mennesker der skal give grønt lys, før noget når kunden eller bogføringen.
En fejl i et tilbud kan æde hele marginen. En misforstået mail kan skade et kundeforhold i årevis.
Lynpadden har hjulpet en B2B SaaS virksomhed med at reducere tiden fra lead til personlig mail til 2 minutter per lead. AI undersøger baggrund, skriver udkastet og placerer det klar i indbakken. Sælgeren læser den igennem, justerer tonefald og trykker send. Hastigheden kommer fra forberedelsen, sikkerheden fra det menneskelige blik.
En refundering kan trækkes frem på samme måde. AI finder ordrehistorik, beregner beløb og skriver besked til kunden, men udbetalingen skal godkendes af en medarbejder med kompetence til at vurdere sagen.
CRM ændringer bør aldrig køre helt uden overvågning. Data berigelse og opdatering kan automatiseres, men når felter ændres, skal det ske med menneskeligt overblik. I Lynpaddens arbejde med CRM berigelse til B2B er der sparet 8 minutter per lead på forberedelsen, mens den endelige opdatering stadig ligger hos den ansvarlige medarbejder.
Digitaliseringsstyrelsens rapport fra 2024 om AI i danske virksomheder viser at danske virksomheder i stigende grad implementerer AI med fokus på kontrol og pålidelighed. Det understøtter netop tilgangen om at lade automatiseringen klargøre arbejdet og lade mennesker stå for den endelige afgørelse.
AI må forberede, mennesker godkender det der har risiko
Den mest praktiske måde at arbejde med AI i en virksomhed er at lade teknologien klargøre arbejdet, mens mennesker godkender det, der har konsekvenser.
Det betyder konkret, at AI må udarbejde tilbud, skrive mails og foreslå refusioner. Men den må ikke trykke på send, godkende beløb eller ændre i CRM uden et menneske imellem. Hos en B2B SaaS virksomhed bruger vi AI til at researche leads og skrive personlige mails. Resultatet er klarhed på bare 2 minutter per lead til første svar. Læs mere i casen om lead research og personlig mail til B2B SaaS.
Det er en enkel måde at få tempo uden at slippe kontrollen.
Allerede i 2021 brugte 24 procent af danske virksomheder med mindst 10 ansatte AI ifølge Danmarks Statistik. Digitaliseringsstyrelsens rapport fra 2024 viser, at udbredelsen er vokset siden. Det betyder, at danske virksomheder ikke spørger, om de skal bruge AI, men hvordan de gør det ansvarligt. Se tallene i Digitaliseringsstyrelsens rapport om AI i danske virksomheder 2024.
Jeg ville starte med ét område, hvor AI kan forberede arbejdet, og hvor en kollega godkender, før noget sendes videre.
Når først denne arbejdsgang sidder i rygraden, kan I udvide til flere processer uden at miste overblikket. Vil I vide, hvor der er risiko i jeres eget setup, kan I få en gratis AI audit.
Praktisk indsats: Godkendelse før handling
Den mest robuste automatisering i danske virksomheder er ikke den, der kører fuldstændigt usynligt. Det er den, hvor AI klargør arbejdet, og mennesker godkender de skridt, der har økonomisk eller kunderelateret konsekvens. Uden denne arbejdsdeling vokser risikoen for dyre fejl, som først opdages, når skaden er sket.
Godkendelsen skal fungere som et filter, ikke som noget der stopper hverdagen.
Start med at sætte stopklodser dér, hvor en fejl koster penge eller kunder. Et tilbud med forkert pris, en refundering uden dækning, eller en CRM opdatering, der overskriver korrekte data, er klassiske eksempler. Her skal AI udarbejde udkastet, men aldrig trykke på knappen selv. Til gengæld kan opgaver som research og dataindsamling køre frit. Lynpadden har eksempelvis bygget en løsning til B2B SaaS virksomheder, hvor research og personlige mails til nye leads klargøres på to minutter per lead. I den type flow bør afsendelse af tilbud eller kontrakter ligge i en godkendelseskø, mens fasen med research kører uden forsinkelse.
CRM ændringer er et andet område, der fortjener et ekstra blik. Når AI beriger leaddata eller opdaterer kundeposter, risikerer man at sprede forkerte oplysninger i hele organisationen. Lynpaddens CRM berigelse til B2B sparer otte minutter per lead, men værdien forsvinder hurtigt, hvis fem forkerte poster skal rettes op bagefter. Et simpelt godkendelsesled før skrivning til CRM systemet er ofte nok, uden at tidsbesparelsen forsvinder.
Hvis godkendelsen tager længere tid end opgaven selv, er ledet for tungt.
Hold godkendelsesfladen skarp. Modtag en notifikation med kontekst, tag stilling med ét klik, og lad systemet logge beslutningen. Jo lettere det er at sige ja eller nej, jo mindre vil medarbejderne omgå systemet. Målet er ikke at bygge en bureaukratisk mur, men at give ledelsen og medarbejderne ro til at lade automatiseringen køre bredt.
De virksomheder, der får mest ud af AI i 2025, er ikke dem med den mest avancerede teknologi. Det er dem, der har lært at stole på automatiseringen i det forudsigelige og beskytte sig selv i det risikobærende. Den balance er ikke et spørgsmål om budget, men om disciplin.
En godkendelse er et styringsredskab. Den skal hjælpe jer videre, ikke få arbejdet til at gå i stå.
Ofte stillede spørgsmål
Hvad er AI godkendelser automatisering?
Det er en arbejdsmetode, hvor AI forbereder udkast og foreslår handlinger, mens mennesker godkender det, der har forretningsmæssig risiko. Systemet håndterer rutineopgaver med machine learning og sprogbehandling, mens virksomheden beholder kontrollen over vigtige beslutninger.
Hvilke opgaver egner sig bedst til AI med godkendelse?
Start med smalle opgaver, der kommer igen ofte: tilbud før afsendelse, mails før udsendelse, refunderinger før udbetaling og CRM ændringer før de påvirker kundedata. Det sparer tid, samtidig med at fejl fanges, inden de når kunden.
Hvorfor skal vi ikke lade AI køre helt automatisk?
Fordi virksomheder normalt ikke frygter AI i sig selv, men dyre og usynlige fejl. Når AI handler uden kontrol, kan små fejl hurtigt vokse sig store. Et godkendelsesflow gør det tydeligt, hvem der har sagt ja, og sikrer at risikable handlinger altid får et menneskeligt blik.
Hvordan kommer vi i gang uden at investere for meget?
Start med én snæver, vigtig opgave. Tjek kvalitet og nøjagtighed i det, AI laver, før du udvider. Behold menneskelig kontrol der, hvor det giver mening. Det minimerer risikoen og giver erfaring før større investeringer.
Hvor udbredt er AI i dansk erhvervsliv?
Ifølge Danmarks Statistik brugte 24% af danske virksomheder med mindst 10 ansatte AI i 2021. Digitaliseringsstyrelsen udgav i 2024 en rapport om AI i danske virksomheder, som viser at teknologien allerede er en realitet i erhvervslivet.
Hvad sker der hvis vi ikke implementerer godkendelsesflow?
Uden godkendelsesflow risikerer du, at AI begår fejl der påvirker kundeforhold, økonomi eller compliance, uden at nogen opdager det i tide. Fejl i tilbud, refunderinger eller kundedata kan blive dyre at rette op på bagefter.
