Det var en fin cirkel, der blev sluttet, da Gubsø Garages ældste automobil i samlingen med sine petroleumslampe-forlygter og 8 hestekræfter dannede bagtæppe for dette års Cloud & AI-seminar. For som forfatter og fremtidsanalytiker Christiane Vejlø indledte sin keynote med, har vi mennesker altid været drevet af ønsket om at blive bedre. Og derfor har vi igennem hele vores historie udviklet værktøjer, der kan hjælpe os med netop det. Lige fra øksen og hjulet – til de AI-løsninger, der udvikles med eksponentiel hastighed i dag.
Potentialet i AI er enormt, understregede hun. Og i modsætning til andre værktøjer, der oftest kun har ét formål, løfter AI alle sektorer i et tempo, vi ikke har set før. Stort set alle funktioner i alle brancher kan blive effektiviseret med de nye muligheder. Ret vildt, når man lige tænker over det.
”Men hvor gærdet er lavest, er prisen højest”, mindede hun alle om, inden hun opsummerede sine tre vigtigste pointer om arbejdslivets dilemmaer med AI:
#1 Undgå kognitiv off-loading – vi risikerer at miste vores færdigheder, hvis vi ikke bruger dem.
#2 Middelmådighed vil true konkurrenceevnen. Når alle bruger AI, vil fremtidens differentiator være det menneskelige lag.
#3 Lad ikke AI-aben gå på omgang. Adressér det ledelsesmæssigt, hvis medarbejdere sender for meget ”AI-slop” rundt mellem hinanden.
Og husk, sluttede hun: ”Hvis du er god, er du bedre end AI”.
Søren Heide Larsen: Er I klar til, at AI-agenter lægger ordrer?
Dagens første faglige indlæg blev herefter præsenteret af Søren Heide Larsen, Director Technology i NORRIQ. Søren indledte med at fortælle, hvor hurtige danske erhvervskunder er til at tage ny teknologi til sig. Ifølge Dansk Erhvervs B2B e-handelsanalyse 2025 foregår 67% af erhvervsindkøb online, og 43% af B2B-indkøberne kalder sig selv early adopters. Samtidig straffer kunderne allerede kompleksitet: 56% har fravalgt en leverandør efter dårlig service, og 43% synes, webshops er uoverskuelige.
Søren pegede på, at ingen af de tal skyldes manglende AI. De skyldes systemer, der ikke taler sammen, data der ikke er tilgængelige, og processer der køres i hånden.
Lige nu bevæger vi os fra at skulle nå en kunde til at skulle nå en AI. Skal AI'en kunne rådgive og handle – og altså ikke bare svare, men også bestille, spore og oprette ordrer - kræver det ét sted for data, én fælles forståelse af begreber som kunde, pris og ordre og klare regler for hvad agenten må. Her spiller integrationsplatforme og MCP en central rolle.
Søren advarede mod at bygge et nyt spindelvæv af direkte AI-integrationer og sluttede med tre takeaways:
#1 Invester i fundamentet.
#2 Forbered jer på, at kunderne bliver AI-agenter.
#3 Tænk AI hele vejen rundt – både kunde- og medarbejdersiden.
Hans Henrik Børgesen: AI er kun så god som de data, den bygger på
Derefter tog Hans Henrik Børgesen, Director Data & AI i NORRIQ, salen med på en rejse fra strukturerede data til proaktive AI-agenter.
Fundamentet er stadig en dataplatform. Med Microsoft Fabric flytter man fra klassisk databasearkitektur, hvor servere skal driftes og kapacitet købes til spidsbelastning, til et lakehouse, hvor Microsoft står for driften, og kapaciteten kan skrues op og ned efter behov. Data løftes fra ”Bronze” (rå data med fuld historik) over ”Silver” (renset og valideret) til ”Gold” (forretningsklare data i en semantisk model). Det giver de samme tal i BI-rapporten og i AI'ens svar, og hvert svar kan spores tilbage til kilden.
Når data er modelleret, kan man med en MCP-server stille spørgsmål i talesprog direkte til data, uden kode og uden at vente på en rapport. Begrænsningen kan ligge i, at man selv skal vide, hvad man skal spørge ind til.
Det næste skridt er agenten, der ikke venter på spørgsmål. En AI Finance Controller gennemgår fx hver mandag kl. 07.00 ugens tal, kører faste tjek, finder afvigelser og sender en rapport. For at agenten bliver en god sparringspartner, skal den kende forretningen, men det kræver ikke tykke procesbeskrivelser. En samtale om virksomheden, årsrapporter og løbende feedback er et godt sted at starte.
Thomas Junker, Thomas Guldstrand & Patrick Simonsen: AI i Business Central, etape 2
Mange kender allerede første etape af AI i Business Central: Sales Order Agent, der gør en ordre på mail til en salgsordre, Payables Agent, der lægger leverandørfakturaer klar til godkendelse, og Copilot, der foreslår match i bankafstemningen. Det var agenter, Microsoft byggede. Etape 2 handler om, at virksomhederne selv bygger agenter og åbner deres data for AI.
At designe sin egen agent i BC foregår i fire trin:
1) Den, der kender arbejdet, forklarer med almindelige ord, hvad agenten skal gøre.
2) Agenten afprøves i en sandbox.
3) Der sættes grænser for, hvad den må se og ændre.
4) Prototypen bygges til drift.
Fire ting gør en agent til at stole på: Én opgave ad gangen, kun adgang til det nødvendige, menneskelig godkendelse, hvor det betyder noget, og løbende overblik over regningen.
Indlægget blev afsluttet med en snak om Business Centrals MCP-server, en slags universalstikkontakt, der gør BC-data tilgængelige for Copilot, ChatGPT eller Claude. MCP erstatter ikke klassiske integrationer, der stadig er det rigtige valg til fx at flytte 10.000 ordrer om natten. Den store forandring er, at rækkefølgen vender: Systemet forbereder, mennesket beslutter.
Carsten Christensen: AI i hverdagen – små ændringer, store gevinster
Efterfølgende indtog Carsten Christensen, AI Lead i NORRIQ, scenen med sit klare budskab: AI skaber ikke værdi, det gør den, der ændrer noget.
Han viste, hvordan ét foto kan blive til en scene og derefter til en video uden fotograf, lokation eller ventetid, og hvordan Claude, Microsoft 365 Copilot og ChatGPT alle er gået fra at svare til at handle. Forskellen ligger mindre i modellen og mere i, hvor langt AI'en må række ind i virksomhedens egne systemer. Live satte han Claude Cowork til at finde fejl i en budgetopfølgning med 1.000 formler og Claude til at finde et hotel i København efter krav om pris, afstand, anmeldelser og færrest klager over støj, og så stoppe før betaling.
Herefter demonstrerede forskellige cases effekten. En større dansk virksomhed kører market intelligence på autopilot med 24/7-scanning af udbud og konkurrenter. Hos en dansk el- og automationsvirksomhed kombinerede man uddannelse af udvalgte medarbejdere, en enkel AI-politik og navngivne ambassadører fra driften. Resultatet blev bl.a. en sikkerhedsassistent (1 time til 10 minutter) og en udbudsmotor (3-4 dage til 1 dag), og ambassadørerne frigør nu 10-15 timer om ugen. En mailtriage bygget i Outlook, Power Automate og Copilot Studio sparer 30-60 minutter pr. person om dagen.
Carsten understregede også, at det ikke sker uden om IT, men sammen med IT.
Hans tre råd:
#1: Vælg én tilbagevendende opgave og lad AI lave første udkast.
#2: Få sat de første skills og agenter op til konkrete opgaver.
#3: Giv én medarbejder tilladelse til at ændre sin egen arbejdsdag.
Det, der ligger under motorhjelmen
Afslutningsvis rettede deltagerne sammen med Peter Lippert fra Microsoft blikket mod fremtiden. Her kom han ind på forskellen mellem en Copilot og en agent og learning loop'ets evne til at fastholde kontekst og hukommelse som noget, der måske vil betyde mere, end mange forventer.
Cirklen var sluttet. Og Gubsø Garage satte det perfekte punktum: Veteranbilerne i den smukke egetræsbygning mindede alle om det tidløse faktum, at nye muligheder kun giver afkast, hvis der er styr på fundamentet.
Og selvom meget er forandret, er det stadig det, der ligger under motorhjelmen, der afgør farten.
