Hvilken AI-agent skal I bruge?

Her er en oversigt over de typiske AI-agenter, vi sætter op på InteraktAI, og hvilke opgaver de løser. For hver agent beskriver vi, hvad den gør, hvilke data den typisk bruger, og hvornår den nødvendigvis ikke er det rigtige valg for jer. Brug oversigten til at finde den agent, der passer til jeres opgave.

Hvad er en AI-agent?

En AI-agent er et AI-system, der løser en afgrænset opgave ud fra virksomhedens egne data og regler. Forskellen fra en almindelig chatbot er, at agenten kan handle: den kan slå op i jeres egne systemer, fx ERP eller PIM, lægge varer i kurv, oprette en supportsag eller sende et lead videre til en sælger. Nogle agenter interagerer med kunder, andre arbejder i baggrunden med produktdata, og nogle er en hjælp til jeres medarbejdere.

Agenter til B2B

AI-agent til B2B-webshop: teknisk produktsøgning

  • Bruges til: At lade professionelle kunder finde og bestille varer i et stort, teknisk sortiment.

  • Sådan virker den: Kunden søger på EAN, varenummer eller en beskrivelse med egne ord. Agenten søger kun i kundens eget sortiment og på kundens aftalepriser og lægger varen i kurven.

  • Den skal bruge: Produktkatalog, kundespecifikke sortimenter og priser, adgang til kurven og login.

  • Passer godt når: Sortimentet er stort, og kunderne kender varen bedre end webshoppens søgefunktion.

  • Passer dårligt når: Produktdata mangler varenumre eller tekniske attributter; så er produktdata-agenten et bedre første skridt.

AI til teknisk support på maskiner og udstyr

  • Bruges til: Førstelinjesupport døgnet rundt på maskiner og udstyr.

  • Sådan virker den: Kunden beskriver fejlen og sender et foto. Agenten slår op i manualer og fejlkoder, foreslår næste skridt og opretter en færdig supportsag med alle oplysninger, hvis problemet ikke kan løses.

  • Den skal bruge: Manualer, fejlkodelister, serviceprocedurer og adgang til sagssystemet.

  • Passer godt når: Mange henvendelser er de samme, og teknikerne bruger tid på at indhente basisoplysninger.

  • Passer dårligt når: Fejlsøgningen kræver fysisk inspektion eller sikkerhedskritiske vurderinger fra første kontakt.

AI-agent til leadgenerering på B2B-website

  • Bruges til: At gøre besøgende på websitet til kvalificerede leads.

  • Sådan virker den: Agenten svarer på spørgsmål om produkter og ydelser, afklarer behov og sender et resumé af samtalen direkte til den rette sælger.

  • Den skal bruge: Website-indhold, kriterier for et kvalificeret lead og en kobling til CRM eller e-mail.

  • Passer godt når: Salget er rådgivende, og besøgende forlader siden uden at tage kontakt.

  • Passer dårligt når: Der er få besøgende, eller salget udelukkende sker gennem forhandlere.

Intern AI-agent til salg og kundesupport

  • Bruges til: At give medarbejdere i kundeservice, salg og drift hos grossister og producenter ét sted, hvor de kan skaffe hurtige svar om kundeaftaler, priser, ordrer og teknik.

  • Sådan virker den: Medarbejderen spørger med egne ord. Agenten kan hente kundens aftalepriser, lagerstatus samt forklare procedurer som fx hvem der godkender særpriser.

  • Den skal bruge: Interne vejledninger og adgang til de relevante systemer, fx ERP og CRM, datablade fra PIM - alt med streng rettighedsstyring.

  • Passer godt når: Viden er spredt over mange dokumenter og systemer eller hvis sortimentet er omfangsrigt og teknisk. Hjælper nye medarbejdere med at komme hurtigt i gang.

  • Passer dårligt når: Sortimentet er begrænset og mindre teknisk - eller hvis mange interne vejledninger er forældede.

Agenter til B2C

AI-shoppingassistent til webshop

  • Bruges til: Guidet køb og gaveråd i webshoppen.

  • Sådan virker den: Agenten spørger ind til behovet, finder passende produkter og lægger det valgte i kurven.

  • Den skal bruge: Et opdateret produktfeed og adgang til kurven.

  • Passer godt når: Kunderne har brug for rådgivning for at vælge, fx ved gaver eller tekniske produkter.

  • Passer dårligt når: Kunderne ved typisk præcis, hvad de vil have, og søgningen allerede virker.


AI-agent til kundeservice i webshoppen

  • Bruges til: At besvare de spørgsmål, webshoppens kunder oftest stiller, døgnet rundt, fx om levering, retur, størrelser og betaling.

  • Sådan virker den: Agenten svarer kun ud fra virksomhedens eget indhold. Når den ikke kan svare, eller kunden beder om at snakke med et menneske, sender den kunden videre til kundeservice med hele samtalen.

  • Den skal bruge: Website-indhold, FAQ, PDF'er, handelsbetingelser og evt. kontaktinformation til kundeservice.

  • Passer godt når: En stor del af henvendelserne er gentagne spørgsmål, hvor svaret allerede står et sted. Fungerer godt i højsæsoner som til jul og Black Friday.

  • Passer dårligt når: De fleste henvendelser kræver adgang til kundens egen sag eller ordre; så skal der kobles systemer på med adgang til ordresystem og tracking.


AI-chatbot med realtidsdata

  • Bruges til: At svare på spørgsmål, hvor svaret ændrer sig hele tiden.

  • Sådan virker den: Agenten slår op i realtid, fx lagerstatus, leveringstider, afgangs/ankomsttidspunkter, eller driftsstatus, og svarer ud fra de aktuelle data.

  • Den skal bruge: API'er eller feeds med de aktuelle data.

  • Passer godt når: Kunderne ofte spørger om noget, der står i et system, men ikke nødvendigvis på websitet.

  • Passer dårligt når: Data ikke kan hentes automatisk.


AI til skadesvurdering ud fra foto

  • Bruges til: At give kunden en første vurdering af en skade.

  • Sådan virker den: Kunden sender et foto, og agenten giver en første vurdering og et klart næste skridt: forsikring, værksted eller booking.

  • Den skal bruge: Regler for vurdering, kriterier for henvisning og eventuelt booking.

  • Passer godt når: Mange kunder er i tvivl om, hvad de skal gøre efter en skade.

  • Passer dårligt når: Vurderingen skal være endelig og bindende; agenten giver kun en første vurdering.


AI til produktsupport og fejlsøgning

  • Bruges til: At hjælpe kunder med at løse problemer med et produkt.

  • Sådan virker den: Agenten guider trin for trin med billeder og sender kunden videre til et menneske med hele samtalen, når det er nødvendigt.

  • Den skal bruge: Manualer, fejlsøgningsguides og billeder.

  • Passer godt når: De samme fejl går igen, og løsningen kan forklares trin for trin.

  • Passer dårligt når: Fejlen kun kan løses af en tekniker på stedet.


AI til vurdering af uploadede dokumenter

  • Bruges til: At give medlemmer eller kunder en første vurdering af et dokument.

  • Sådan virker den: Kunden uploader et dokument, fx en kontrakt eller en regning, og agenten vurderer det ud fra virksomhedens vejledninger og forklarer næste skridt.

  • Den skal bruge: Vejledninger, regler og en vej til en rådgiver.

  • Passer godt når: Mange henvendelser starter med “kan I kigge på det her?”.

  • Passer dårligt når: Vurderingen er egentlig rådgivning, der kræver en fagperson.


Intern AI-agent til butikspersonale

  • Bruges til: At give medarbejdere i butikken hurtige svar om lagerstatus, kampagner og produktinformation, så de kan hjælpe kunden omgående.

  • Sådan virker den: Medarbejderen spørger på en tablet, en håndterminal, eller ved kasseapparatet, fx “Kunden vil returnere en jakke købt online for 35 dage siden. Hvad må jeg gøre?” Agenten svarer ud fra jeres gældende regler og foreslår, hvad medarbejderen kan tilbyde i stedet. Den viser lagerstatus i andre butikker og på webshoppen, hvilke kampagner der gælder i dag, og de vigtigste forskelle på to produkter.

  • Den skal bruge: Lagerdata på tværs af butikker og webshop. Retur- og reklamationsregler fra ERP. Kampagne- og prisoplysninger fra PIM. Butikkens driftshåndbog og procedurer.

  • Passer godt når: I er en kæde med flere fysiske butikker og e-commerce, har mange nye eller sæsonansatte medarbejdere og kampagner.

  • Passer dårligt når: I kun har én butik med et fast, erfarent personale. Det samme gælder, når lagerdata ikke opdateres løbende, for så risikerer agenten at love varer, der ikke er på lager.

Agenter til databerigelse

Disse agenter taler ikke med kunder. De arbejder i baggrunden på store mængder data, og en medarbejder godkender resultatet.

AI til berigelse af produktdata (ETIM)

  • Bruges til: At berige og kvalitetssikre produktdata i stor skala.

  • Sådan virker den: Agenten bruger ETIM-klassifikationen til at foreslå nøgleord, korttekster og manglende attributter og kan oversætte fra alle sprog. Forslagene godkendes, før de skrives tilbage.

  • Den skal bruge: Adgang til PIM eller produktfeed og eventuelt leverandørdata.

  • Passer godt når: Der er tusindvis af varer med mangelfulde eller uensartede data.

  • Passer dårligt når: Sortimentet er lille nok til at blive vedligeholdt manuelt.

  • Resultat: Matchraten på produkter stiger fra ca. 30 % til 80 %. Ud af 100 linjer skal kun ca. 20 nu gennemgås manuelt.


AI til alt-tekster på mange billeder

  • Bruges til: At skrive alt-tekster til store billedbiblioteker.

  • Sådan virker den: Agenten ser billederne og foreslår alt-tekster, som en medarbejder godkender eller retter i et dashboard. Det giver bedre tilgængelighed og billedsøgning.

  • Den skal bruge: Adgang til billederne i CMS, DAM eller PIM og gerne produktdata som kontekst.

  • Passer godt når: Der er tusindvis af billeder uden alt-tekst.

  • Passer dårligt når: Billederne kræver faglig fortolkning, som kun en specialist kan give.

  • Resultat: Alt-tekster til 15.000 billeder kan produceres på ca. 25 timer.


AI-oversættelse direkte i PIM

  • Bruges til: At oversætte produktindhold direkte i PIM-systemet.

  • Sådan virker den: Agenten oversætter i virksomhedens tone og med faste termer, og oversættelserne godkendes, før de publiceres.

  • Den skal bruge: Adgang til PIM, tone-of-voice og gerne en termbase.

  • Passer godt når: Der er mange sprog og mange varer, og en enterprise-licens til oversættelse er for dyr.

  • Passer dårligt når: Teksterne er juridisk bindende og kræver autoriseret oversættelse.

Evner, der kan kobles på alle agenter

Alle agenterne skabes ud fra de samme byggesten. Det betyder, at fx en kundeservice-agent også kan finde nærmeste butik eller læse et foto, hvis det er relevant.

EvneHvad den gør
VidenHolder agenten opdateret ud fra website, dokumenter og feeds
OverdragelseSender leads, sager og opringninger videre til et menneske med hele samtalen
HandlingLægger i kurv, sætter filtre og udfylder formularer
FinderFinder nærmeste butik, værksted eller forhandler
ProaktivTilbyder hjælp, når kunden tøver eller leder
Billede og dokumentForstår fotos, skærmbilleder og uploadede filer
SprogSvarer på kundens sprog
SikkerhedFølger faste regler for følsomme emner og ved, hvornår et menneske skal tage over
IndsigtViser, hvad kunderne spørger om, hvor de sidder fast, og hvor indholdet mangler

FAQ

Ofte stillede spørgsmål om AI-agenter

Kort sagt: En assistent svarer på spørgsmål og hjælper et menneske. En AI-agent kan selv handle i jeres systemer, fx lægge varer i kurv, oprette en sag eller sende et lead videre uden et menneskes involvering. I praksis er det en glidende overgang, og en AI-assistent kan godt have agentiske evner. Men den arbejder ikke i baggrunden uden en samtale.
Start med den opgave, der fylder mest i dag, hvor data er klar og ligger tættest på forretningen. For mange er det kundeservice eller produktdata. Evnerne kan kobles på senere.
Ja. Agenterne svarer på kundens sprog, fx dansk, engelsk og norsk, og I kan træne dem i at bruge virksomhedens tone.
ERP, PIM, webshop, CRM og egne API'er. Koblingen sker via MCP (Model Context Protocol), en åben standard for at give AI adgang til systemer.
Agenterne kan sættes op til at sende samtalen videre til et menneske med hele konteksten, så kunden ikke skal forklare sig igen.
Ja. Agenten svarer ud fra jeres website, dokumenter, feeds og systemer og følger faste regler for følsomme emner.
En demo bygget på jeres eget website kan være klar på få timer. Tiden til hvornår den er i drift afhænger af, hvor mange systemer der skal kobles på. Flere agenter er færdigbyggede og vil kunne sættes i drift, så snart data er tilkoblet. Andre vil tage uger at opsætte og klargøre.
Ja. Hver samtale kan følges ned til mindste detalje, og I kan få indsigt i, hvor kunderne sidder fast, og hvor jeres indhold kommer til kort (såkaldte content gaps).

Nysgerrige?

Book en live demo med jeres egen forretning som udgangspunkt.

Image of Jakob Huus Andreasen

Jakob Huus Andreasen

Director of Sales

Mobile: +45 23 25 26 12

Email: jha@alpha-solutions.com

Thomas Halling

Thomas Halling

Partner & Solution Architect

Mobile: +45 26 22 21 14

Email: tha@alpha-solutions.com