Hvad er dataopsummering med AI?
Dataopsummering med AI er brugen af sprogmodeller til at destillere store mængder tekst og data ned til de pointer, der skal til for at handle: hovedkonklusioner, action items, afvigelser og risici. Det gælder mødereferater, lange mails tråde, rapporter, sagsakter og kundelogs. Formålet er ikke kortere tekst for korthedens skyld, men hurtigere beslutning uden at miste det væsentlige.
Opsummering er et trin i processen, ikke slutproduktet
Vi ser ofte dataopsummering solgt som "spare tid på at læse". Det rigtige spørgsmål er: hvad sker der med opsummeringen bagefter? En referat-robot, der skriver pænt dansk, men efterlader noterne i et dokument ingen læser, har ikke automatiseret noget. Værdien opstår, når opsummeringen lander i CRM, sagen eller opgavelisten og udløser næste trin uden manuelt kopieri.
Derfor hører dataopsummering sammen med integration og procesautomatisering, ikke med generativ AI som legetøj.
Hvor det betaler sig i danske SMV'er
Typiske flows med reel effekt:
- Møder: transskription og referat med action items til opgavestyring.
- Sager: kort sagshistorik til den, der skal tage over.
- Indbakker: klassificering og opsummering af lange tråde før svar.
- Rapporter: uddrag af afvigelser, så lederen ser undtagelserne først.
SYBO Games havde brugt 300.000 kroner på at få bygget et værktøj eksternt uden at nå i mål. På én workshopdag byggede de selv det, der virkede, fordi opgaven var konkret og outputtet skulle bruges i hverdagen, ikke vises i en demo. Samme princip gælder opsummering: start med den mødetype eller sagstype, hvor alle alligevel skriver referat manuelt, og mål timerne før I ændrer noget.
Kom i gang med én mødetype eller én sagstype
Vælg det sted, hvor flest timer går til at læse og skrive det samme indhold igen. Sæt et før-tal, definer formatet for opsummeringen, og kobl den til det system, hvor opfølgning sker. Mål effekten efter en måned. Først når kvaliteten holder på rigtige sager, er det værd at udvide til flere kanaler.