Use cases
Sådan ser AI og automation ud i praksis.
Fire eksempler på typer af projekter vi bygger til danske SMV'er. Beskrivelserne er anonyme eller sammensat af flere lignende opgaver — så du kan se mønstrene uden at vi afslører kunder.
- Case 01Engros / B2B-handel
AI-agent håndterer 65% af kundehenvendelser
Udfordring
Kunderne stillede de samme spørgsmål dagligt — leveringsstatus, fakturakopier, produktinfo. Kundeservice brugte halvdelen af deres tid på simple sager og kom bagud med det vigtige.
Løsning
Vi byggede en AI-agent baseret på Anthropic Claude, der læser hver indkommende mail og enten besvarer direkte ud fra ERP-systemet eller eskalerer til medarbejderen med kontekst og forslag til svar.
Stack
- Anthropic Claude
- e-conomic API
- n8n
- Next.js dashboard
Resultat
65% af henvendelser besvares uden manuel håndtering. Gennemsnitlig svartid faldt fra 4 timer til under 5 minutter.
- Case 02Håndværker / Servicefag
Automatisk leads-håndtering fra formular til kalender
Udfordring
Leads fra hjemmesidens kontaktformular blev manuelt overført til kalenderen, prisestimater blev lavet i Excel, og opfølgnings-mails blev glemt. Halvdelen af leads faldt mellem to stole.
Løsning
Workflow-automation der opretter et CRM-emne, foreslår et estimat baseret på opgavebeskrivelse, booker første tilgængelige tidspunkt i kalenderen og udsender bekræftelse + reminder.
Stack
- n8n
- Microsoft 365 Graph API
- OpenAI
- Google Calendar
Resultat
100% af leads bliver fulgt op inden for 30 minutter. Konverteringen til ordrer steg med 40%.
- Case 03Produktion / Industri
Dokumenthåndtering: leverandørfakturaer i e-conomic
Udfordring
Bogholderiet brugte 8-12 timer om ugen på at indtaste leverandørfakturaer manuelt i e-conomic. Hyppige fejl og overarbejde i månedslukninger.
Løsning
En AI-løsning der modtager fakturaer pr. mail eller upload, ekstraherer linjedata, matcher leverandører i e-conomic, og opretter posteringen klar til godkendelse — bilag automatisk vedhæftet.
Stack
- Anthropic Claude (vision)
- e-conomic API
- Microsoft 365
Resultat
90% af fakturaer behandles fuldautomatisk. Bogholderiet bruger nu 1-2 timer/uge på godkendelse i stedet for indtastning.
- Case 04Bygge / Entreprise
Intern AI-assistent på 12 års projektarkiv
Udfordring
Tekniske projektledere brugte timer på at finde tilbud, kontrakter og specifikationer fra tidligere projekter. Viden lå spredt på fildrev, mails og lokale computere.
Løsning
En privat AI-assistent der har læst hele projektarkivet og besvarer spørgsmål med kildehenvisning. Hosted on-premise — ingen data forlader huset.
Stack
- Lokal LLM (Llama)
- Vector database
- Egen infrastruktur
Resultat
Søgetid på historisk projektinfo gik fra ~30 min til under 1 min. Brugt dagligt af projektlederne.