Hvad koster det at automatisere med AI?
At automatisere en proces med AI koster normalt 160.000 DKK–1,1 mio. DKK pr. proces afhængigt af kompleksitet og integrationsbehov. Rentabiliteten beregnes med formlen sparede timer × timeomkostning × volumen pr. år. Processer med høj volumen, klare regler og meget dokumenthåndtering giver den hurtigste tilbagebetaling.
AI-automatisering er den kategori af AI-investeringer hvor regnestykket er nemmest at lave, og derfor også den hvor det er lettest at se om et projekt er pengene værd før det går i gang. Omkostningen ligger normalt på 160.000 DKK–1,1 mio. DKK pr. automatiseret proces. Spørgsmålet er ikke om det er mange penge, men hvad processen koster jer i dag.
Prisniveau pr. proces
| Procestype | Typisk omkostning | Eksempel |
|---|---|---|
| Enkel, ét system | 160.000–370.000 DKK | Sortere og registrere indgående mails eller formularer i et sagssystem |
| Mellemkompleks, flere systemer | 370.000–740.000 DKK | Tolke leverandørfakturaer eller ordrer og føre dem ind i ERP-systemet med kontroller |
| Kompleks, med vurderingstrin | 740.000 DKK–1,1 mio. DKK | Forberede sager med materiale fra flere kilder og foreslå afgørelser til sagsbehandlere |
Omkostningsdriverne er de samme på alle niveauer: hvor mange systemer der skal kobles sammen, hvor varieret materialet er, og hvor meget der står på spil når noget går galt. En højere fejlomkostning kræver mere test og flere kontroltrin.
ROI-formlen der afgør beslutningen
Grundformlen er enkel: sparede timer pr. sag × timeomkostning × sagsvolumen pr. år. Det er det tal investeringen skal holdes op imod.
Et regneeksempel: En virksomhed behandler 2.500 leverandørfakturaer om måneden. Manuel håndtering (kontering, matchning mod ordre, håndtering af afvigelser) tager i gennemsnit 6 minutter pr. faktura. En medarbejder i regnskabs- og bogføringsarbejde tjener i gennemsnit ca. 340 DKK pr. præsteret time inkl. pension (Danmarks Statistik, 2024), og hertil kommer overhead (kontor, udstyr, ledelse). Alene lønnen gør processen til 2.500 × 0,1 time × 340 DKK = 85.000 DKK om måneden, altså ca. 1 mio. DKK om året før overhead.
En AI-automatisering der klarer 80 procent af fakturaerne uden menneskelig indblanding, sparer dermed mindst ca. 820.000 DKK om året. Koster løsningen 640.000 DKK at bygge og 11.000 DKK om måneden i drift, er den tjent hjem på under et år. Selv hvis virkeligheden ender på 60 procents automatisering, er den tjent hjem på under halvandet år, og det er præcis sådan du skal stressteste det: Regn på et forsigtigt udfald, ikke på salgspitchen.
Glem ikke de bløde poster der ikke står i formlen, men som kan mærkes: kortere gennemløbstider, færre fejl der skal rettes bagefter, og medarbejdere der slipper for de monotone opgaver.
De processer der egner sig først
Ikke alle processer er lige gode kandidater. De processer der tjener sig hurtigst hjem, har tre kendetegn:
- Høj volumen. Formlen ganger med volumen: Hundrede sager om dagen kan regnes hjem, ti om måneden sjældent.
- Regelstyrede. Beslutningerne følger mønstre der kan defineres selvom materialet varierer. AI’en klarer variationen i input; reglerne gør udfaldet kontrollerbart.
- Dokumenttunge. Fakturaer, ordrer, kontrakter, ansøgninger, fejlmeldinger: steder hvor meget af arbejdstiden går med at læse, tolke og overføre information mellem systemer.
Typiske første kandidater i virksomheder: fakturahåndtering, ordreregistrering fra mails, sortering af sager i kundeservice, kontraktgennemgange og sammenstilling af materiale forud for beslutninger. Dårligere første kandidater er processer med lav volumen, uklare regler eller store konsekvenser ved fejl. De kan automatiseres senere når organisationen har opbygget erfaring og tillid.
Undtagelserne afgør den reelle omkostning
Når du gennemgår tilbud, så se især på hvordan undtagelserne håndteres. At automatisere de 80 procent af sagerne der følger skabelonen, er den nemme del; det er de sidste 20 procent der afgør både pris og nytte. En seriøs leverandør kortlægger processens reelle varianter før den lover en automatiseringsgrad, bygger et klart eskaleringsflow til det AI’en ikke klarer, og måler resultatet pr. sagstype efter idriftsættelse. Et tilbud der lover “fuld automatisering” uden at nævne håndtering af undtagelser, er et advarselstegn, ikke et kup.
Start med én proces, ikke et program
Den mest almindelige fejl er at forsøge at “automatisere med AI” bredt i stedet for at vælge én proces, måle hvad den koster i dag, og sætte et målbart mål. Vores erfaring hos Weapp er at en vellykket første automatisering gør mere for AI-modenheden end nogen strategipræsentation: Den skaber intern efterspørgsel efter den næste.
Vil du vide hvad det ville koste at automatisere netop jeres proces? Læs mere om hvordan vi arbejder med AI og automatisering, eller kontakt os med en beskrivelse af processen og volumenerne, så hjælper vi med regnestykket.
Ofte stillede spørgsmål
Hvad er forskellen på AI-automatisering og almindelig RPA?
Klassisk RPA følger præcise regler og klikker sig gennem brugerflader, og den går i stå når noget afviger. AI-automatisering kan håndtere variation: tolke fritekst, læse forskellige dokumentformater og vurdere sager der ikke følger skabelonen. Mange gode løsninger kombinerer begge dele: AI tolker, regelmotoren udfører.
Forsvinder der job når vi automatiserer med AI?
I de fleste projekter handler det om at fjerne arbejdstrin, ikke stillinger: registrering, afstemning, sortering og sammenstilling. Tiden flyttes til sager der kræver dømmekraft og kundekontakt. Vær åben om formålet internt, for medarbejdernes proceskendskab er afgørende for at automatiseringen bliver rigtig.
Hvor lang tid tager det at automatisere en proces?
En afgrænset proces med god systemunderstøttelse tager ofte 6–12 uger fra start til drift. Komplekse processer med flere systemer og håndtering af undtagelser tager 3–6 måneder. Kortlægningen af processens reelle varianter, ikke det tegnede idealbillede, er ofte det der tager længst tid.
Hvad sker der med sager som AI’en ikke kan klare?
De skal eskaleres til et menneske via et defineret undtagelsesflow. En god automatisering ved hvornår den er usikker, og sender sagen videre med kontekst i stedet for at gætte. Regn med at en del af sagerne altid håndteres manuelt; målet er at den andel skrumper over tid.
Skal vi skifte system for at kunne automatisere?
Sjældent. De fleste AI-automatiseringer bygges oven på eksisterende systemer via API’er eller filudveksling. Mangler et system helt integrationsmuligheder, bliver det dyrere, og i enkelte tilfælde er et systemskifte det rigtige svar. Men det er en separat beslutning som ikke skal sniges ind i automatiseringsprojektet.