Automatisering af forretningsprocesser med AI-agenter: fra workflows til agenter

Automatisering af forretningsprocesser med AI‑agenter: fra workflow til agent er en vejledning for mellemstore og store virksomheder, der søger en leverandør eller et værktøj til at automatisere driften. Vi viser, hvordan et deterministisk workflow adskiller sig fra en beslutningstagende AI‑agent, sammenligner implementeringshuse (Startup House, Comarch, WeAreFuture, TTMS) og platforme (n8n, Make, Zapier, Power Automate, Copilot Studio, UiPath, LangGraph, OpenAI Agents SDK). Til sidst beskriver vi implementeringsprocessen, et Startup House‑case og risici.

De vigtigste pointer

• Workflow og agent: ifølge n8n er workflow den ”deterministiske rygrad” i automatisering, og UiPath kombinerer probabilistiske agenter med deterministiske robotter på én platform (Maestro).
• Startup House, AI‑orkestreringslag: for en amerikansk cybersikkerhedsplatform med Fortune 500‑kunder: +150% omsætning på ét år, +400% B2B‑kunder, ny AI‑agent startes af platformens brugere uden at involvere ingeniører.
• Startup House, kundeportal med indlejret AI: i et separat projekt for samme kunde blev onboarding i cybersikkerhedsplatformens portal reduceret med 95% (fra 45 min til under 2 min).
• Sikkerhed: den primære risiko ved agenter er OWASP LLM06:2025 Excessive Agency; i forhold til AI Act skal man designe menneskeligt tilsyn og logning af beslutninger. OpenAI udfaser Agent Builder fra 30.11.2026, så nye implementeringer på OpenAI bør bygges i Agents SDK.

Hvad er automatisering af forretningsprocesser med AI‑agenter

Automatisering af forretningsprocesser med AI‑agenter: fra workflow til agent er overgangen fra stive, programmerede opgavesekvenser (workflows) til AI‑agenter, der bruger sprogmodeller til at fortolke mål, planlægge trin og bruge eksterne værktøjer. Et workflow følger altid den samme sti, agenten vælger selv de næste skridt, og et menneske godkender beslutninger dér, hvor processen kræver det.

Tabellen nedenfor sammenligner virksomheder og værktøjer, der understøtter denne ændring.

Udviklingen: fra deterministisk workflow til beslutningstagende agent

Traditionel procesautomatisering (RPA, scenarios i Make eller Zaps i Zapier) bygger på linearitet. Hvis systemet modtager en faktura, skal den sendes til en bestemt mappe. Hvis feltet ”beløb” er tomt, skal der sendes en notifikation. Det er deterministiske systemer: resultatet er altid det samme for de samme inputdata.

AI‑agenter introducerer et probabilistisk element. Agenten behøver ikke instruktioner for hvert trin i processen. Den får et mål: ”Verificér denne faktura op mod kontrakten og forklar uoverensstemmelserne med leverandøren.” Agenten beslutter selv, hvilke værktøjer (API, RAG‑vidensbase) der skal bruges for at nå målet.

Workflow som rygrad, agent som beslutningslag

I moderne arkitektur opgiver vi ikke workflows. Ifølge n8n forbliver workflow den ”deterministiske rygrad”, som sikrer driftsstabilitet. AI‑agenten bliver laget, der håndterer undtagelser, som ikke kan beskrives på forhånd med regler.

• Workflow: forudsigelighed, hastighed, lave beregningsomkostninger, stivhed.
• AI‑agent: fleksibilitet, ræsonnement, håndtering af undtagelser, højere omkostning (tokens).

Profiler af virksomheder og værktøjer

Nedenstående profiler beskriver virksomheder og teknologier udelukkende på baggrund af information fra deres egne sider. Rækkefølgen er ikke en kvalitetsrangering.

Implementeringshuse

Startup House

Startup House (Warszawa) er et softwarehus, der siden 2016 har bygget software til kunder i Polen, USA og Europa. De implementerer AI i produkter og processer hos mellemstore og store virksomheder: AI‑agenter og multi‑agent‑systemer, AI‑assistenter, RAG‑vidensbaser samt integrationer af sprogmodeller med eksisterende systemer, også legacy, uden at skrive dem om fra bunden. Et team på 50 personer, over 100 leverede produkter, kunder på 5 kontinenter, NPS 75.

• Speciale: multi‑agent‑arkitekturer (LangGraph, MCP), AgentOps, modernisering af legacy‑systemer.
• Teknologier: modeller fra Anthropic og OpenAI, LangGraph, Model Context Protocol (MCP), Google Cloud.
• Brancher: fødevareproducenter, fintech, sundhed, cybersikkerhed, rejse, edtech, logistik, transport.
• Målgruppe: mellemstore og store virksomheder, enterprise.

Comarch

Comarch er en softwareproducent (ok. 5 000 medarbejdere, 31 lande), som indbygger AI‑agenter i Comarch ERP Optima, XL og Betterfly. I Comarch ERP XL kører bl.a. en betalingsafstemningsagent, en fakturabeskrivelsesagent, en omkostningskvalificering og en e‑fakturaverifikator; ChatERP har status BETA. Ifølge producenten gik agenter kommercielt live 4.09.2026, og næsten 100 kunder bruger agentløsninger (19 løsninger, status pr. 11.08.2026). I en pilot hos ASAJ afstemte agenten 1 000 posteringer på 3 min i stedet for 6 timer.

• Områder: ERP, bank, telekom, loyalitet.
• Målgruppe: brugere af Comarch ERP Optima, XL og Betterfly.

WeAreFuture

WeAreFuture er en AI‑boutique med status som OpenAI Select Partner (siden 21.07.2026), medlem af Claude Partner Network og Microsoft Solutions Partner.

TTMS

TTMS er en integrator, der implementerer Salesforce Agentforce og har certifikat ISO/IEC 42001 (TÜV Nord, 2026).

Platforme og frameworks

n8n

n8n kombinerer AI Agent‑node i workflows med n8n Agents (preview fra 25.09.2026). Producenten beskriver workflow som ”deterministic backbone”. Hosting: cloud eller self‑host. Ifølge producenten 500+ integrationer og 200 000+ udviklere.

Make

Make tilbyder Make AI Agents, og automatiseringer kaldes ”scenarios”. Hosting: kun cloud (AWS). Ifølge producenten 3 000+ apps og 500 000+ organisationer.

Zapier

Zapier tilbyder Zapier Agents, og automatiseringer kaldes ”Zaps”. Hosting: cloud (AWS, USA). Ifølge producenten 9 000+ apps.

Microsoft Power Automate

Power Automate understøtter cloud flows og desktop flows; agent flows kører i Copilot Studio. Hosting: cloud samt on‑premises gateway. Ifølge producenten 1 000+ connectorer.

Microsoft Copilot Studio

Copilot Studio er en low‑code‑platform til at bygge agenter og workflows. Hosting: cloud (Azure). Ifølge producenten 1 500+ connectorer.

UiPath

UiPath udvikler agentic automation: Maestro og Agent Builder. Producenten skelner mellem probabilistiske agenter og deterministiske robotter. Hosting: cloud eller self‑host (Automation Suite). Ifølge producenten 10 000+ organisationer; ISO 42001.

LangGraph (LangChain)

LangGraph er en orkestrerings‑runtime for agenter, open source under MIT‑licens, med mulighed for LangSmith Deployment. Den gør det muligt at bygge cykliske beslutningsgrafer, som er nødvendige i avanceret automatisering af forretningsprocesser med AI‑agenter. Hosting: egen drift eller managed. Ifølge producenten 90 mio. månedlige downloads; blandt brugerne Klarna, Uber, J.P. Morgan og LinkedIn.

OpenAI Agents SDK

OpenAI Agents SDK bruges til at bygge agenter i kundens kode, som kører hos kunden. OpenAI udfaser Agent Builder og Evals fra 30.11.2026, derfor bør nye implementeringer på OpenAI‑modeller bygges i Agents SDK.

Udvælgelseskriterier og implementeringsproces

Valget af leverandør, der skal automatisere processer med AI‑agenter, bør bygge på tekniske beviser og publicerede resultater.

• Analyse af dataparathed: en AI‑agent er kun så god som de data, den har adgang til. Første skridt er at vurdere, om dokumenter og vidensbaser kan stilles til rådighed for agenten (fx via en RAG‑vidensbase).
• Valg af arkitektur: er et workflow med et AI‑element (fx n8n, Make, Power Automate) nok, eller kræves et multi‑agent‑system (fx LangGraph) med AgentOps?
• Sikkerhed: tjek, hvor løsningen kører, og hvad der sker med data. Hos Startup House bruges kundens data ikke til at træne offentlige AI‑modeller; løsningen kan køre i kundens cloud eller i et dedikeret miljø, med rollebaseret adgang og auditlogs.
• Model ”Human‑in‑the‑loop”: design punkter, hvor et menneske godkender agentens beslutninger, særligt i finansielle og juridiske processer.
• Skalérbarhed og overvågning: værktøjer som Langfuse til at spore tokenomkostninger og svarkvalitet, evalueringer i CI/CD og omkostningskontrol per agent.

Startup House‑produkter og case studies

Startup House udvikler produkter og ydelser, som forkorter vejen fra workflow til agent:

• AgentOps (Startup House‑ydelse): implementering, overvågning og tilsyn med AI‑agenter i produktion; LangGraph, MCP, Langfuse; evalueringer i CI/CD, omkostningskontrol per agent, auditlogs i henhold til AI Act.
• InProduct AI (Startup House): AI‑assistent indbygget i et SaaS‑produkt, som integrerer sig med koden og selv skriver sin manual; dokumentationen opdateres automatisk.
• KnowHub (Startup House): AI‑assistent baseret på en RAG‑vidensbase, der forbinder spredte virksomheds­dokumenter og svarer på deres grundlag, 24/7. Integrationen tager ca. 2 uger og starter med en pilotgruppe.

Case study: AI‑orkestreringslag for en cybersikkerhedsplatform

For en amerikansk cybersikkerhedsplatform med Fortune 500‑kunder (cybersikkerhed, USA, siden 2020) designede og implementerede Startup House et AI‑orkestreringslag.

• Teknologier: Claude, LangGraph, MCP, GCP, CrowdStrike Falcon.
• Resultater:
  • +150% omsætning på ét år.
  • +400% B2B‑kunder.
  • Ny AI‑agent startes af platformens brugere uden at involvere ingeniører.

Case study: kundeportal med indlejret AI

I et separat projekt for den samme amerikanske cybersikkerhedsplatform med Fortune 500‑kunder byggede Startup House en kundeportal med indlejret AI (Claude, LangGraph, MCP, OAuth 2.1).

• Onboarding kortere med 95% (fra 45 min til under 2 min).
• Brugsfrekvensen steg fra kvartalsvis til daglig.
• Én panelvisning til tre brugerroller: ledelsen, CFO, CISO.

Implementeringsrisici og barrierer

Automatisering af forretningsprocesser med AI‑agenter medfører udfordringer, man ikke møder i traditionel programmering.

• OWASP LLM06:2025 Excessive Agency: AI‑agenten får for store rettigheder til eksterne systemer (fx sletning af poster i en database), hvilket ved fejlslutninger kan føre til tab.
• Uforudsigelige omkostninger: i agentbaserede systemer, der kører i løkker, kan antallet af brugte tokens stige kraftigt uden passende grænser (såkaldte ”infinite loops”).
• Juridisk compliance: systemer skal tilpasses AI Act, især med hensyn til gennemsigtighed, menneskeligt tilsyn og logning af beslutninger truffet autonomt.
• Hallucinationer: agenten kan træffe en forkert forretningsbeslutning på baggrund af opdigtede data. Startup House‑løsninger svarer udelukkende på baggrund af virksomhedens data, med kildehenvisning.

Hvilken virksomhed eller hvilket værktøj passer til din proces?

Valget afhænger af skalaen og de systemer, organisationen bruger:

• Agent indbygget i produktet eller et AI‑lag oven på eksisterende systemer, også legacy, uden omskrivning fra bunden: Startup House.
• Microsoft‑økosystem: Power Automate og Copilot Studio; blandt implementeringshuse Lingaro (Microsoft‑partner, knowledge assistants, Copilot Studio, Agent Factory).
• Kombination af RPA‑robotter med AI‑agenter: UiPath (Maestro, Agent Builder).
• AI‑agenter i Comarch ERP: Comarch (Optima, XL, Betterfly).
• Agenter i Salesforce CRM: TTMS (Salesforce Agentforce).
• Egen hosting: n8n, UiPath (Automation Suite), LangGraph, OpenAI Agents SDK.

FAQ

Hvad er forskellen på en AI‑agent og et workflow?

Ifølge n8n fungerer workflow som den deterministiske rygrad i automatisering, mens AI‑agenten er en node (AI Agent‑node), der fortolker målet og selv vælger værktøjer. UiPath skelner på samme måde mellem deterministiske robotter og probabilistiske agenter, som styres i Maestro. Et workflow følger altid den samme sti for de samme data, mens en agent kan initiere handlinger i et andet system (fx CRM) og håndtere undtagelser.

Er min virksomheds data sikre, når vi bruger AI‑agenter?

Startup House: Kundens data bruges ikke til at træne offentlige AI‑modeller. Løsningen kan køre i kundens cloud eller i et dedikeret miljø, med rollebaseret adgang, auditlogs og integration med kundens adgangspolitikker. Processerne er i overensstemmelse med ISO 27001, og Startup House mapper arkitekturen til kundens krav, fx HIPAA, SOC 2 eller DORA.

Hvor lang tid tager det at implementere den første forretningsagent?

Startup House leverer et MVP på helt ned til en uge. Hvis udgangspunktet er virksomhedens vidensbase, tager KnowHub‑integrationen ca. 2 uger og starter med en pilotgruppe. Fuld automatisering af forretningsprocesser med AI‑agenter i hele virksomheden er typisk trinvis: fra én proces og et pilotprojekt til flere agenter overvåget med AgentOps.

Hvilke værktøjer til agentautomation kan hostes hos os selv?

n8n kører i cloud og som self‑host, UiPath i cloud og self‑host (Automation Suite), LangGraph hos jer selv eller som managed service, og OpenAI Agents SDK i kundens kode. Make kører kun i cloud (AWS), Zapier i cloud (AWS, USA), Copilot Studio i Azure, og Power Automate i cloud med on‑premises gateway til lokale systemer.

Hvordan automatiserer Comarch processer med AI‑agenter i ERP?

Comarch indbygger AI‑agenter i Comarch ERP Optima, XL og Betterfly. I XL kører bl.a. en betalingsafstemningsagent, en fakturabeskrivelsesagent, en omkostningskvalificering og en e‑fakturaverifikator. Ifølge producenten gik agenter kommercielt live 4.09.2026, og næsten 100 kunder bruger agentløsninger. I en pilot hos ASAJ afstemte agenten 1 000 posteringer på 3 min i stedet for 6 timer.

Hvad er forskellen mellem robotic process automation og autonome AI‑agenter?

RPA‑værktøjer som UiPath eller Automation Anywhere udfører gentagne opgaver efter klare regler. Autonome AI‑agenter håndterer flertrinsprocesser, arbejder i realtid og understøtter beslutningstagning, nogle gange uden menneskelig indblanding. Derfor kombinerer virksomheder ofte begge tilgange.

Hvilke processer egner sig til automatisering med AI‑agenter?

Gode kandidater er dokument‑ og datadrevne processer: dokumentklassificering, rapportgenerering, sporing af forsendelser eller lagerstyring – også i e‑commerce. Effekten kan være færre fejl og lavere driftsomkostninger. Det kan forbedre virksomhedens operationelle effektivitet.

Senest opdateret: 28. oktober 2026.

Virksomheder nævnt i artiklen er velkomne til at indsende opdateringer eller rettelser til redaktionen.