Prioritering af investeringer: AI-lag vs. nyt CRM

I sidder med et CRM-system, der føles en smule træt. Måske er det et ældre setup i Business Central, et basis-abonnement hos Pipedrive eller noget helt tredje, som medarbejderne kender, men tit brokker sig over. Når manglerne hober sig op, melder et klassisk dilemma sig for danske B2B-virksomheder med 10-150 ansatte: Skal vi trække stikket, bruge 3-6 måneder og 100.000-300.000 kr. på et splinternyt CRM-system? Eller kan vi bygge et "AI-lag" ovenpå det gamle og løse de konkrete problemer for en fjerdedel af prisen?

Hos Optify ser vi ofte ledelser stirre sig blinde på store systemudskiftninger. Men et nyt system løser ikke automatisk dårlige vaner. Vi ser her konkret på, hvornår det kan betale sig at lappe det eksisterende med kunstig intelligens, og hvornår I rent faktisk er nødt til at skifte grundmuren ud.

Uddyb emnet i vores artikel om chatgpt ads vs. google ads: hvornår giver hvilken kanal mening?.

Forståelse af begreberne

Hvad er et CRM-system i praksis?

Et CRM-system (Customer Relationship Management) er jeres kundedatabase. Det er her, I gemmer stamdata, salgsmuligheder, korrespondance og kontrakter. Om det er HubSpot, SuperOffice eller et simpelt setup koblet på jeres e-conomic, er funktionen den samme: Et digitalt arkivskab, der skaber struktur.

Hvad er et AI-lag?

Et AI-lag er ikke et stort nyt system, I skal logge ind i. Det er en integration – ofte bygget ret simpelt med standardværktøjer eller API'er – der trækker data ud af jeres eksisterende CRM, lader en sprogmodel (som fx ChatGPT's motor) behandle dataene, og sender dem tilbage igen.

Det svarer til at ansætte en assistent, der kigger ned i jeres nuværende kartotek, sorterer bunkerne, læser noterne og gør forarbejdet for jer, uden at tvinge jer til at købe nye ringbind.

Hvornår er et nyt CRM den rigtige løsning?

Lad os slå det fast med det samme: AI kan ikke redde et elendigt fundament. Vi fraråder ofte at bygge AI på et system, hvis I kan genkende følgende:

  • Lukkede systemer uden API: Hvis jeres nuværende CRM er et gammelt "on-premise"-system (installeret på en lokal server i kælderen), som ikke tillader moderne integrationer, kan et AI-lag teknisk set slet ikke lade sig gøre.
  • Kaotiske data: Hvis jeres kundedata primært lever i sælgernes private Excel-ark og Outlook-mapper, er der ingen formel data for AI at arbejde med. Start med at etablere den nødvendige struktur for et bedre kundeoverblik i et standardsystem.
  • Manglende ERP-integration: Hvis jeres CRM ikke taler sammen med jeres økonomisystem (fx Business Central eller Dinero), bruger I for meget tid på dobbeltindtastning. Her er ny basis-infrastruktur vigtigere end kunstig intelligens.
  • Compliance og GDPR: Hvis jeres systemudbyder ikke kan redegøre for, hvor data hostes i EU, har I et grundlæggende problem. Læs vores guide: AI og kundedata: hvad må man bruge?.

At bygge AI oven på et system, der lider af ovenstående, er som at lægge nyt tag på et hus, der synker i fundamentet. Det er spild af penge.

Hvornår giver et AI-lag mere mening end et nyt CRM?

Jeres nuværende CRM vinder måske ingen designpriser, men det virker. Den historiske data er der, og medarbejderne ved, hvilke knapper de skal trykke på. Her er en decideret udskiftning ofte en uforholdsmæssig stor belastning af organisationen. Her kan et AI-lag implementeres på 2-4 uger til typisk 15.000-40.000 kr.

1. Optimering af eksisterende arbejdsgange

Frem for at tvinge sælgere til at lære et nyt system, kan I automatisere det, de hader allermest ved det nuværende.

  • Rutineopgaver: Hvis jeres kundeservice bruger 3 minutter pr. mail bare på at kategorisere henvendelser i CRM, kan en AI-model overtage dette og automatisk sætte sagen i den rette kø. Se 5 administrative opgaver hvor AI kan spare tid.
  • Oprydning: AI kan køre over jeres historik og identificere dubletter. Det hjælper markant med at strukturere supporthenvendelser.
  • Handling i stedet for data-tastning: Nogle af de mest banale AI-lag skaber stor værdi blot ved at læse, hvornår en kunde senest har købt, og automatisk generere en påmindelse – det styrker jeres opfølgning i salgsarbejdet.

2. Udnyttelse af eksisterende data

Et typisk B2B-CRM indeholder årevis af tilbud og ordrehistorik, som ingen nogensinde kigger på.

  • Salgspotentiale: En AI kan analysere 5 års fakturahistorik og markere de 20 kunder, der normalt bestiller reservedele i fjerde kvartal, men endnu ikke har gjort det. På den måde får I mere værdi ud af eksisterende kundedata.
  • Kundeafgang (Churn): Ved at analysere fald i supporthenvendelser og ordrevolumen kan I spotte kunder, der er på vej væk. Læs mere i 6 use cases for AI i kundeservice.

3. Automatisering af kommunikation og indhold

En af de tungeste poster i tidsbudgettet er at formulere tekst baseret på data.

4. Agilitet og lavere investering

En udskiftning af ERP eller CRM i en virksomhed med 50 ansatte ender nemt med at tage luften ud af organisationen i et halvt år.

  • Ingen nedetid: Et AI-lag bygges ved siden af og forstyrrer ikke hverdagen. Se evt. mere om processen: AI til mødenoter, opsummeringer og opfølgning.
  • Lavere risiko: Hvis AI-laget ikke virker efter hensigten, slukker I for det. I står ikke med et fejlslagent millionprojekt.

Konkret situation: En dansk engrosvirksomhed med 45 ansatte benyttede et ældre, tilpasset Dynamics-CRM. Sælgerne kørte 3-5 kundebesøg om dagen og klagede over at bruge op til en time dagligt på at skrive mødenoter ind i systemet og opdatere felter. I stedet for et nyt CRM til over 200.000 kr. byggede vi et AI-lag. I dag taler sælgerne en lydfil ind på telefonen i bilen efter mødet. AI-systemet omsætter lyden til tekst, trækker de vigtigste aftaler ud og opdaterer automatisk det gamle CRM via et simpelt API. Investeringen var ca. 35.000 kr. i opsætning og koster nu under 500 kr. om måneden i drift. Sælgerne sparer erfaringsmæssigt 15-20 minutter pr. møde.

Faldgruber: Hvornår et AI-lag falder til jorden

Vi ser jævnligt AI-tiltag, der strander. Det er sjældent teknologien, den er gal med. Problemerne opstår, når man ikke respekterer begrænsningerne. For det første kan AI ikke gætte sig til manglende intern viden. Hvis jeres produktspecifikationer kun bor i hovedet på jeres erfarne tekniker og ikke i CRM-systemet, kan AI'en ikke skrive et teknisk tilbud for jer. For det andet lider mange virksomheder under "garbage in, garbage out". Hvis kontaktoplysningerne i jeres database oftest er uddaterede eller mangelfulde, vil et automatiseret AI-flow blot sende irrelevante tilbud hurtigere afsted. Start altid med at validere jeres datakvalitet.

Når AI-laget er en del af den overordnede plan

Ofte er et simpelt AI-lag en god syretest. Hvis jeres data er gode nok til, at I kan hente værdi her, er I også klar til mere. Vi anbefaler altid en praktisk AI-strategi for SMV'er: Fra idé til implementering og vækst, som tager højde for, hvor systemarkitekturen skal hen over de næste 2-3 år.

Husk de juridiske spilleregler. Læg især mærke til AI-governance for SMV'er: Praktisk guide til ansvarlig AI, når det gælder kunders personoplysninger (som fx cpr-numre i B2C-sammenhæng eller blot personlige e-mailadresser). Hvis I skal bygge internt, så se vores AI-implementering i praksis: En guide til succesfuld integration for SMV'er.

Beslutningsmatrix: Skal vi skifte eller tilføje?

Parameter Vælg et Nyt CRM Vælg et AI-lag
Typisk tidsramme 3-6 måneder (kravspecifikation, migration, uddannelse) 2-6 uger (udvikling, test og implementering)
Økonomisk niveau Typisk 100.000 - 300.000 kr. + øgede licensomkostninger Typisk 15.000 - 45.000 kr. i engangsudvikling
Datakvalitet Nødvendigt hvis data p.t. ligger spredt i Excel, Outlook og Word Kræver at data allerede er samlet nogenlunde centralt (læs om strukturering)
Systemets tilstand Helt forældet, mangler grundlæggende integrationer (API) Modtages lunkent af brugere, men fungerer stabilt drifttsmæssigt

Konklusion

For langt de fleste etablerede B2B-virksomheder giver det økonomisk mening at forsøge sig med et målrettet AI-lag, før I flår al IT-infrastruktur op med rode. Et CRM, der har været i drift i 5-10 år, indeholder processer og historik, som er svære og dyre at flytte. Ved at bygge bro med en sprogmodel kan I typisk skære 1-2 timer af salgsteamets ugentlige administration.

Hold det simpelt. Find ét specifikt problem (fx tidsforbrug på at koble mødenoter til kontakter), sæt 20.000 kr. af til et pilotprojekt, og mål om det fjerner trætheden hos medarbejderne. Er I i tvivl om, hvorvidt jeres nuværende system overhovedet er modtageligt, eller mangler I overblik over de reelle omkostninger? Vi sidder klar i Optify til at kigge på jeres opbygning og give en ærlig vurdering af, om I skal bevare og bygge på, eller skrotte og starte forfra.

Kim Smidt
Skrevet af , CEO og stifter, Optify

Har I spørgsmål til artiklen eller jeres egen situation? Skriv til [email protected].