AI i jeres egne systemer: derfor slår integration nye platforme

Hvorfor dør nye platforme i login-skærmen?

De fleste virksomheder har prøvet det: et nyt værktøj bliver købt, ser rigtigt ud på demoen og ender som en fane, ingen åbner. Problemet er sjældent værktøjet. Det er afstanden. Hver gang en medarbejder skal forlade det system, arbejdet ligger i, for at bruge AI et andet sted, taber AI'en til vanen.

Derfor er det afgørende spørgsmål ikke, hvilken AI-platform I skal købe, men hvor arbejdet allerede foregår. Ligger kundedata i CRM'et, bilagene i økonomisystemet og kommunikationen i Outlook og Teams, er det dér, AI'en skal bo.

Hvad betyder det at bygge AI ind i egne systemer?

At bygge AI ind i egne systemer betyder, at AI-funktionerne leverer deres arbejde gennem de systemer, I allerede har, via deres officielle API'er. Mødereferatet lander i CRM'et af sig selv. Fakturaen bliver kontrolleret i økonomisystemet. Svarudkastet ligger klar i Outlook, når medarbejderen åbner mailen.

Teknisk er det integrationsarbejde: hente og skrive data gennem dokumenterede grænseflader, reagere på hændelser, og lade AI'en foreslå frem for at bestemme, hvor det er kritisk. Ingen nye logins, ingen ny platform at lære.

Hvilke systemer kan der bygges ind i?

De systemer, danske virksomheder oftest arbejder i, har modne, veldokumenterede API'er. Det gør integrationsvejen kortere, end de fleste regner med.

• •Økonomi: e-conomic og Microsoft Dynamics 365 Business Central, fx til bilagshåndtering, kontrol og rapportering.
• •CRM: HubSpot, fx til mødereferater, opfølgning og pipeline-hygiejne.
• •Microsoft 365: Outlook, Teams og SharePoint, fx til svarudkast, resuméer og dokumentflows.
• •Egne systemer: alt med et API eller en database kan som udgangspunkt integreres.

Hvordan ser en integration ud i praksis?

De fleste integrationer følger samme anatomi, uanset system: en hændelse starter flowet, kontekst hentes, AI'en producerer sit bidrag, og resultatet lander i systemet med en log. Tag bilagshåndtering som eksempel. En faktura ankommer i indbakken eller økonomisystemet. Integrationen trækker de relevante data ud, holder dem op mod ordrer og historik, og lægger et færdigt bogføringsudkast klar. Medarbejderen godkender i det system, de alligevel sidder i, og godkendelsen logges.

Bemærk, hvad medarbejderen ikke skulle: åbne et nyt værktøj, kopiere data frem og tilbage eller lære en ny arbejdsgang. Forskellen lyder banal, men det er den, der afgør, om løsningen stadig bliver brugt om tre måneder.

Samme mønster skalerer op. Hos CPH Erhverv blev leads, sager, fremvisninger og publicering samlet i én platform, koblet til Microsoft-login, Outlook, WordPress og eksterne portaler. Det er fem moduler og flere integrationer, men princippet er det samme som ved den enkelte faktura: data flyder derhen, hvor arbejdet foregår, uden manuel genindtastning.

Hvordan holder man AI ansvarlig i drift?

Integration uden kontrol er en risiko, ikke en løsning. I drift skal tre ting være på plads: logning, så det altid kan ses, hvad AI'en har gjort og hvorfor; godkendelsesflows, så mennesker godkender de handlinger, der er kritiske; og adgangsstyring, så AI'en kun kan se og gøre det, den skal.

Reglen er enkel: jo større konsekvens en fejl har, jo tættere skal et menneske stå på beslutningen. Automatisér det rutineprægede fuldt ud, og lad AI'en foreslå frem for at udføre, hvor det gør ondt at tage fejl.

Hvad med GDPR og datasikkerhed?

Integration ændrer ikke på, hvor jeres data bor. Det er netop pointen. Kundedata bliver i CRM'et, bilag i økonomisystemet, dokumenter i SharePoint. AI'en får adgang til det, den skal bruge til opgaven, ikke til det hele, og adgangen styres med de roller og rettigheder, systemerne allerede har.

Tre ting skal på plads, før persondata indgår i et AI-flow: en databehandleraftale med de leverandører, der behandler data, klarhed over hvor data behandles og opbevares, og dataminimering, så modellen kun ser de felter, opgaven kræver. Datatilsynets vejledninger er det naturlige udgangspunkt, og kravene er lettest at opfylde, når de tænkes ind i integrationen fra start i stedet for at blive eftermonteret.

Hvor lang tid tager det at bygge?

Kortere end de fleste forventer, netop fordi API'erne er modne. Den første afgrænsede integration, fx mødereferater der lander i CRM'et eller svarudkast i en delt indbakke, er typisk dage til få ugers arbejde, ikke måneder. Det er ikke et udtryk for lave ambitioner, men for den rigtige rækkefølge: den smalle integration beviser værdien og afslører de praktiske forhindringer, mens indsatsen stadig er lille.

Større løsninger findes også. Radiometers oversættelsesflow samler tre dokumentformater med translation memory, glossarer og et valideringsworkspace til sprogspecialister. Men den slags bygges oven på samme fundament af API'er og veldefinerede flows, og selv her gælder rækkefølgen: ét dokumentformat i drift slår tre formater i et slidedeck.

Hvad koster en integration i vedligehold?

Mindre end en platform i licenser, men ikke nul, og det skal med i regnestykket fra start. En integration lever af de API'er, den bygger på, og leverandører opdaterer deres grænseflader. Med officielle, versionerede API'er som e-conomics og Microsofts er ændringer varslede og dokumenterede, og vedligeholdet er typisk timer om året, ikke dage om måneden.

Faldgruben er skrøbelige genveje: automatisering, der klikker rundt i skærmbilleder eller læser data ud af layouts, knækker, hver gang leverandøren flytter en knap. Vælg dokumenterede grænseflader, også når genvejen ser hurtigere ud. Og afklar ejerskabet, inden løsningen går i drift: hvem overvåger, at flowet kører, hvem justerer, når et system opdateres, og hvor er det dokumenteret? En integration med en ejer bliver vedligeholdt. En uden bliver opdaget den dag, den er stoppet.

Hvor meget betyder valget af AI-model?

Mindre, end debatten antyder. Sprogmodellerne udvikler sig hurtigt, og den model, der er bedst i dag, er det næppe om et år. Derfor er det en fejl at bygge løsningen rundt om én bestemt model. Byg den rundt om jeres proces og jeres data, og hold modellaget udskifteligt, så en bedre eller billigere model kan sættes ind uden at røre resten.

Det er endnu en grund til at eje integrationen frem for at leje hele platformen: når AI'en bor i jeres egne flows, bestemmer I selv, hvornår modellen skiftes, og jeres data og arbejdsgange skal ikke flytte med. Modellen er en komponent. Processen, datagrundlaget og integrationen er investeringen.

Hvornår giver en ny platform alligevel mening?

Ærligheden kræver et forbehold: har processen ikke noget system i dag, fx fordi den lever i regneark og indbakker, kan et nyt, skræddersyet værktøj være det rigtige. Det så vi hos Relationsformidlerne, hvor et webbaseret opgavestyringssystem med to-vejs e-conomic-integration samlede opgaver, kunder og økonomi ét sted.

Men bemærk rækkefølgen: værktøjet blev bygget rundt om deres eksisterende økonomisystem, ikke ved siden af det. Spørgsmålet er aldrig integration eller nyt system. Det er, hvor arbejdet allerede bor.

Hvordan kommer I i gang?

Start med at følge arbejdet, ikke teknologien. Vælg én arbejdsgang, der irriterer i hverdagen, og skriv ned, hvor data faktisk bor undervejs: hvilke systemer, hvilke felter, hvilke mennesker. Det kort afslører næsten altid det manuelle led, der er dyrest at beholde og billigst at fjerne.

Byg så den smalleste integration, der fjerner det led, sæt et før-tal på processen, og mål efter en måned. Derfra vokser løsningen med behovet i stedet for med licensaftalen.