De fleste teams bruger allerede AI på arbejdet. Microsoft og LinkedIn Work Trend Index 2024 viste, at 75% af vidensarbejdere bruger generativ AI, og at 60% af lederne er bekymrede for, at deres virksomhed ikke har nogen plan for det. Det, de fleste teams bruger, er en generel assistent: god til at skrive, men blind for virksomhedens egne data og ude af stand til at ændre noget i de systemer, hvor arbejdet faktisk foregår.
En afdelingsagent lukker det hul. Den er koblet til CRM-, økonomi- og produktsystemerne, den kender de rapporter, et bestemt team har brug for, og den har et defineret sæt handlinger, som teamet må udføre.
Hvad gør en afdelingsagent med AI?
En afdelingsagent med AI udfører to opgaver for ét team. Den henter data: besvarer spørgsmål og bygger rapporter på tværs af CRM-, økonomi- og produktsystemerne i almindeligt sprog. Og den sender data: opdaterer poster, udløser processer og sender det, der skal sendes, inden for hver persons rettigheder, med godkendelse, hvor det er nødvendigt, og med hver handling logget.
Hent og send: de to halvdele
Hent er rapportering og opslag. I stedet for at finde den rigtige skærm, eksportere til et regneark eller vente på den ene person, der ved, hvordan rapporten køres, spørger alle med rettigheder bare. Agenten når på tværs af alle forbundne systemer, så ét spørgsmål kan kombinere det, CRM siger, med det, økonomi har faktureret, og det, produktet har registreret.
Send er handling. Agenten opdaterer aftalen, åbner fornyelsen, sender påmindelsen, logger opkaldet. Hver handling er en defineret færdighed med rettigheder, ikke en åben instruks til en model. Det er forskellen på en agent, du kan stole på inde i dine systemer, og en, du ikke kan.
Begge halvdele afhænger af dataene nedenunder. En agent, der rapporterer fra et CRM, som er uenigt med økonomi, giver tal, ingen stoler på, og derfor kommer datafundamentet først.
Økonomi: fra månedsafslutning til likviditet
Rapportering. “Hvad er vores likviditet, og hvad er forfaldent?” Økonomiagenten svarer ud fra systemerne, ikke ud fra sidste måneds regneark: likviditet og tilgodehavender; MRR, ARR og margin måned for måned; omsætning bogført over for faktureret over for betalt; og tallene til månedsafslutning og bestyrelse.
Handlinger. Den rykker for forfaldne fakturaer, afstemmer betalinger mod fakturaer, markerer fakturaer, der ikke stemmer med kontrakten, og udsteder en kreditnota efter godkendelse.
Værdien er dels tid, dels tillid: Når CFO’en og den administrerende direktør stiller det samme spørgsmål, får de det samme svar. Månedsafslutningen holder op med at være en uge med eksport og afstemning i regneark, og bestyrelsestallene bygges ud fra de samme poster, som økonomiteamet arbejder i hver dag.
Salg: pipelinen uden administrationen
Rapportering. “Hvad lukker vi i dette kvartal?” Pipeline efter fase, ejer og alder, prognosen og årsager til vundne og tabte aftaler, uden at en sælger bruger fredag eftermiddag på at opdatere felter, så rapporten bliver rigtig.
Handlinger. Den logger opkaldet og næste skridt, flytter aftalen og opdaterer prognosen og opretter tilbuddet ud fra de aftalte vilkår, inden for dine prisregler.
CRM-administration er der, hvor meget salgstid forsvinder. Når det tager én sætning at logge et opkald, holdes CRM ajour, og alle rapporter bygget på det bliver bedre. Det hjælper også teamene længere nede i kæden: Når en aftale markeres som vundet, kan overdragelsen til customer success starte med det samme, med alt, hvad salg har aftalt, allerede dokumenteret.
Customer success: fornyelser, før de bliver til risici
Rapportering. “Hvilke fornyelser forfalder næste måned, og hvilke er i risiko?” Fornyelser, der forfalder, kundesundhed og forbrugstendenser, risiko for kundeafgang og de åbne sager på hver konto.
Handlinger. Den åbner fornyelsen og forbereder tilbuddet, planlægger den kvartalsvise forretningsgennemgang og eskalerer en konto i risiko til dens ejer.
For en SaaS-virksomhed er det ofte her, agenterne betaler sig først, fordi fornyelser følger regler, som kontrakterne allerede definerer. Der er mere om det på vores side om AI til SaaS.
De regler, der gør det sikkert
En agent, der kan ændre dine systemer, har brug for faste grænser. Vores er de samme i alle afdelinger:
- Rettigheder. Folk ser og ændrer kun det, deres rolle tillader, og agenten kan kun gøre det, den har fået færdigheder til.
- Godkendelser. Handlinger med konsekvenser, såsom en kreditnota, venter på, at en person godkender dem.
- Et revisionsspor. Hvert spørgsmål og hver handling logges med, hvem der spurgte, og hvornår.
- En skærm, hvor en skærm er bedre. Ikke alt bør gøres ved at spørge en AI. En Admin-portal, bygget til den forretning, den driver, står ved siden af agenterne til at oprette og udfase poster, uploade indhold, sætte rettigheder og gennemgå, hvad agenterne har gjort.
- Europæisk fra starten. GDPR og EU AI Act er en del af designet, dataene forbliver i EU under udviklingen, og AI-modellen er virksomhedens eget valg: en europæisk model, en model hostet privat eller en amerikansk.
Det bedste sted at starte er som regel én afdeling og én proces: den, der koster mest i dag. En agent, der målbart tager rigtigt arbejde fra ét team, er det klareste argument for den næste, og de færdigheder og det datafundament, den har brug for, kan genbruges i de afdelinger, der følger efter.
NordOps AI Agent fungerer inde i den AI-assistent, et team allerede bruger, via MCP (Model Context Protocol), så der er intet nyt værktøj at lære og intet ekstra login. Hvordan det hele hænger sammen, fra datafundamentet til afdelingsagenterne, kan du se på siden om NordOps AI Agent.