AI sparer mest tid på administrative opgaver, der er gentagne, bygger på tekst eller dokumenter og følger et genkendeligt mønster: bilag og dataindtastning, delte indbakker, mødereferater, interne spørgsmål, rapporter, tilbud og onboarding. Den sikreste måde at komme i gang på er at vælge én opgave, der fylder meget og er let at måle, lade AI lave udkastet og et menneske godkende det – og først udvide, når det virker.
Her gennemgår vi otte konkrete administrative og interne opgaver, hvor AI typisk kan hjælpe, hvad det kræver, og hvordan I kommer fra idé til drift uden at skabe nye risici.
Hvilke administrative opgaver egner sig til AI?
Ikke al administration er lige velegnet. Før I vælger, så hold opgaven op mod disse spørgsmål:
- Er den gentagen? Opgaver, der udføres mange gange om ugen på næsten samme måde, giver mest igen.
- Handler den om tekst eller dokumenter? Mails, fakturaer, referater og kontrakter er netop det, sprogmodeller er gode til at læse og skrive.
- Følger den et mønster? Hvis en erfaren medarbejder kan forklare reglerne, kan AI ofte lære at følge dem eller foreslå det rigtige.
- Ligger dataene digitalt? AI kan kun arbejde med det, den har adgang til.
- Kan fejl fanges? Det skal være muligt for et menneske at kontrollere resultatet, før det får konsekvenser.
Omvendt er AI et dårligt første valg til enkeltstående vurderinger, beslutninger om mennesker uden menneskelig kontrol og opgaver, hvor de nødvendige data ikke findes eller er i dårlig stand.
8 administrative opgaver, hvor AI kan spare tid
1. Bilag, fakturaer og kontering
Indkomne fakturaer og bilag kommer i mange formater: PDF, scannede billeder og mails. AI kan læse dokumenterne, trække de relevante felter ud – leverandør, beløb, datoer, varelinjer – og foreslå kontering ud fra jeres egen historik. Bogholderen godkender i stedet for at taste. Det kræver adgang til økonomisystemet og en klar regel for, hvad der altid skal ses af et menneske, fx usædvanlige beløb eller nye leverandører. Se, hvordan det kan se ud i praksis med AI til e-conomic.
2. Dataindtastning mellem systemer
Ordrebekræftelser fra leverandører, bestillinger på mail og kundeoplysninger, der skal fra én indbakke ind i CRM eller ERP. Meget administrativ tid går med at flytte oplysninger fra ét sted til et andet. AI kan udtrække de relevante data fra ustrukturerede dokumenter og lægge dem det rigtige sted, fx leveringsdatoer og varenumre fra en leverandørmail direkte ind i ordren. Hvor dataene allerede er strukturerede, er en almindelig integration ofte bedre og billigere end AI. AI giver mest værdi, hvor input er rodet og varierende.
3. Delte indbakker: sortering og svarudkast
Info-, ordre- og supportindbakker fyldes med henvendelser, der skal læses, sorteres og sendes videre. AI kan kategorisere og prioritere mails, sende dem til den rette person og foreslå svar på de typiske spørgsmål om leveringstid, ordrestatus eller dokumentation. Medarbejderen retter og sender. Det giver hurtigere svar og frigør tid til de henvendelser, der kræver en egentlig vurdering.
4. Mødereferater og opfølgning
Referater bliver ofte skrevet sent eller slet ikke, og aftaler forsvinder. AI kan transskribere møder, lave et kort referat med beslutninger, ansvarlige og næste skridt og sende det til deltagerne eller lægge det i CRM'et. Husk at informere deltagerne om, at mødet bliver optaget, og at aftale, hvor lydfiler og referater gemmes. Vi har skrevet mere om AI til mødeopsummeringer og næste skridt.
5. Intern vidensøgning og procedurer
"Hvor finder jeg skabelonen til …?" "Hvordan registrerer jeg udlæg?" Mange interne spørgsmål går til de samme få kolleger. En intern AI-assistent, der kan søge i jeres håndbøger, procedurer og dokumenter, kan svare på dem og henvise til kilden. Det forudsætter, at jeres interne viden er skrevet ned og nogenlunde opdateret – ellers giver assistenten bare forældede svar hurtigere. Ofte er det første skridt derfor at rydde op i vidensbasen.
6. Rapporter og statusopdateringer
Den ugentlige salgsrapport, månedens nøgletal til ledelsen og statusopdateringen til bestyrelsen bliver ofte bygget manuelt i et regneark. AI kan samle data fra økonomisystem, CRM og andre kilder, skrive et første udkast med kommentarer til udviklingen og pege på afvigelser, der er værd at se nærmere på. Den ansvarlige kontrollerer tallene og konklusionerne, før rapporten sendes.
7. Tilbud og standarddokumenter
Tilbud, ordrebekræftelser og standardkontrakter består ofte af de samme byggeklodser. AI kan hente produkt- og prisdata, foreslå tekst ud fra tidligere tilbud og jeres skabeloner og tjekke, at de faste betingelser er med. Sælgeren eller den ansvarlige tilpasser og godkender. Læs mere om, hvor AI giver mening i tilbudsforberedelse.
8. HR-administration og onboarding
Nye medarbejdere har mange spørgsmål om ferie, udlæg, IT-adgang og procedurer. En AI-assistent kan svare på de typiske spørgsmål og guide gennem de første uger, og AI kan hjælpe med at skrive jobopslag og interne meddelelser. Vær derimod varsom med at bruge AI til at vurdere eller frasortere kandidater. AI-systemer, der bruges til at målrette jobopslag, sortere ansøgninger eller vurdere kandidater, er højrisiko efter EU's AI-forordning. Det giver skærpede krav til jer som bruger: Løsningen skal bruges efter leverandørens anvisninger, et menneske skal føre reelt tilsyn og træffe beslutningen, logs skal gemmes, og ansøgere og medarbejdere skal informeres. Lad derfor AI hjælpe med opslag, planlægning og praktiske spørgsmål, og lad mennesker stå for udvælgelsen.
Sådan kommer I i gang
De fleste gode AI-projekter i administrationen starter småt og konkret. Et typisk forløb kunne se sådan ud:
- Lav en liste over de administrative opgaver, der fylder mest. Spørg medarbejderne, hvad der tager tid og skaber frustration, og få et groft skøn over, hvor mange timer der går med hver opgave om ugen.
- Vælg én opgave. Vælg den, der både fylder meget og er nem at afgrænse og måle. Succes her giver erfaring og opbakning til de næste.
- Undersøg data og systemer. Hvor ligger dataene, hvilke systemer skal AI læse fra eller skrive til, og indeholder opgaven persondata?
- Beslut, hvor mennesket er med. Start med AI som udkast og forslag, og lad en medarbejder godkende. Automatisér først fuldt, når I har set, at kvaliteten holder.
- Kør en afgrænset pilot. Prøv løsningen af i én afdeling eller på én type opgave i en periode, og mål tidsforbrug og fejl før og efter.
- Evaluer og beslut. Virker det, så gør løsningen til en fast del af arbejdsgangen og vælg den næste opgave. Virker det ikke, så find ud af hvorfor – ofte er det data eller proces, ikke AI, der er problemet.
Mange af opgaverne kan løses med AI-funktioner i værktøjer, I allerede har, fx Microsoft 365 eller Google Workspace. Andre kræver en integration mellem AI og jeres forretningssystemer. Det afgørende er at starte med opgaven og ikke med værktøjet.
Hvad skal være på plads, før AI rører jeres data?
Administrative opgaver indeholder ofte persondata og fortrolige oplysninger: kundedata, løn, kontrakter og interne forhold. Før I går i gang, bør I have styr på:
- Hvilke værktøjer medarbejderne må bruge, og hvilke data der må deles med dem.
- Databehandleraftaler med de leverandører, der behandler persondata på jeres vegne, og hvor dataene behandles.
- Ansvar og kontrol: Hvem godkender AI'ens output, og hvem har ansvaret, hvis noget går galt?
- Logning og sporbarhed, så I kan se, hvad AI har foreslået, og hvad der blev godkendt.
Det behøver ikke at være et stort projekt, men det skal være besluttet, før løsningen kommer i drift. Vi hjælper med de rammer under AI-governance.
Lige så vigtigt er medarbejderne. Mange frygter, at AI skal erstatte dem. Vær tydelige om, at formålet er at fjerne de gentagne dele af arbejdet, så der bliver tid til det, der kræver erfaring og dømmekraft, og inddrag dem, der kender opgaven bedst, fra starten. De ved, hvor faldgruberne er.
Typiske faldgruber
- At starte for stort. Et projekt, der skal automatisere hele administrationen på én gang, bliver sjældent færdigt. Start med én opgave.
- At automatisere en dårlig proces. Hvis arbejdsgangen er uklar, gør AI den bare hurtigere uklar. Ret processen først.
- Dårlige data. AI er kun så god som det, den arbejder med. Forældede procedurer og rodede kundedata giver dårlige resultater.
- Ingen ejer. Nogen skal have ansvaret for, at løsningen fungerer, og for at justere den, når forretningen ændrer sig.
- Værktøjer uden spilleregler. Når medarbejderne selv vælger AI-værktøjer uden fælles rammer, mister I overblikket over, hvor jeres data ender.
Vil I have hjælp til at finde de administrative opgaver, hvor AI giver mest mening hos jer, og få dem sat i drift, kan I læse mere om, hvordan vi arbejder med AI i administration.