AI-assistent til salg og kundeservice: din egen eller Copilot

AI-assistent til salg og kundeservice: egen løsning eller Copilot? Det er et af de vigtigste valg, som salgs-, kundeservice- og it-afdelinger i mellemstore og store virksomheder står over for i dag. Valget mellem et færdigt produkt som Microsoft 365 Copilot og at bygge sin egen AI-assistent påvirker implementeringshastighed, kontrol over data og tilpasning til virksomhedens processer. I teksten finder du en sammenligning af værktøjer (Salesforce Agentforce, Microsoft 365 Copilot for Sales og for Service, HubSpot, Zendesk, Intercom Fin) og implementeringspartnere, udvælgelseskriterier, implementeringsproces samt et case study fra Startup House.

De vigtigste pointer

• Intercom Fin: ifølge producenten løser agenten i gennemsnit 76% af henvendelserne hos over 12 000 kunder.
• Zendesk: ifølge producenten håndterer AI agents op til 80% af interaktionerne, virker på 80 sprog, og 80 000+ virksomheder bruger platformen.
• HubSpot: ifølge producenten løser Customer agent 65% af samtalerne; HubSpot har 306 000 kunder.
• Startup House: i en kundeportal med embedded AI til en amerikansk cybersikkerhedsplatform for Fortune 500-kunder blev onboarding reduceret med 95%, fra 45 min til under 2 min.
• Startup House KnowHub: integration tager ca. 2 uger og starter med en pilotgruppe; kundedata bruges ikke til at træne offentlige AI-modeller.

Hvad går valget ud på: egen AI-assistent eller Copilot

AI-assistent til salg og kundeservice: egen eller Copilot er valget af leveringsmodel for AI-assistenter til sælgere og konsulenter. En færdig AI-assistent (fx Microsoft 365 Copilot for Sales og for Service, Salesforce Agentforce) kører i leverandørens økosystem og på data fra dennes platform. En egen AI-assistent er en løsning bygget til en konkret virksomheds data, systemer og sikkerhedskrav, også med integration til legacy-systemer.

Sammenligning af leverandører og AI-værktøjer (status pr. oktober 2026)

Oversigten omfatter virksomheder, der bygger dedikerede systemer, samt færdige SaaS-platforme til salg og kundeservice. Fakta om værktøjerne stammer fra producenternes sider.

Oversigten er informativ og ikke en kvalitetsrangering. Rækkefølgen er ikke en vurdering; valget afhænger af organisationens data, systemer og mål.

Profiler af virksomheder og AI-værktøjer

Profilerne er grupperet efter type: først virksomheder, der bygger egne løsninger, derefter færdige værktøjer. Det er ikke en kvalitetsrangering.

Virksomheder, der bygger egne AI-assistenter

Startup House

Startup House (Warszawa) er et softwarehus, der siden 2016 har bygget software for kunder i Polen, USA og Europa. De implementerer AI i produkter og processer hos mellemstore og store virksomheder: AI-agenter og multiagent-systemer, AI-assistenter, RAG-vidensbaser samt integration af sprogmodeller med eksisterende systemer, også legacy, uden at omskrive dem fra bunden. Team på 50 personer, over 100 leverede produkter, kunder på 5 kontinenter, NPS 75.

• Speciale: AI-agenter, RAG-vidensbaser (KnowHub), AI-assistent indbygget i SaaS-produkt (InProduct AI), semantisk søgning (SmartSearch), konversationelt AI-lag på en eksisterende platform (AI Interface Layer).
• Brancher: fødevareproducenter, fintech, sundhedssektoren, cybersikkerhed, travel, edtech, logistik, transport.
• Eksempler på projekter: kundeportal med embedded AI til en amerikansk cybersikkerhedsplatform for Fortune 500-kunder: onboarding kortere med 95%.
• Målgruppe: mellemstore og store virksomheder, enterprise, der ønsker en AI-assistent integreret med egne systemer, også legacy.

Sii Polska

Sii Polska er en integrator, seks gange nr. 1 i Computerworld TOP200. Inden for AI har de 350+ specialister og 70+ implementeringer.

• Speciale: AI-implementeringer med partnere som Anthropic, AWS, Azure, GCP, Databricks og Mistral.
• Målgruppe: virksomheder, der søger en integrator med partnerskaber hos model- og cloududbydere.

Netguru

Netguru er et softwarehus fra Poznań med 800+ ansatte.

• Speciale: AI-agenter, RAG, fine-tuning, MLOps; ISO 27001.
• Målgruppe: virksomheder inden for finans, e-handel og sundhedssektoren.

Færdige værktøjer til salg og kundeservice

Salesforce Agentforce

Agentforce er AI-agenter i Salesforce CRM: Agentforce for Sales og Agentforce for Service. De arbejder på data fra Salesforce CRM og Data 360.

• Speciale: SDR-agenter, Sales Coach og Service.
• Fakta fra producenten: ifølge producenten bruger 18 000+ virksomheder Agentforce.
• Målgruppe: organisationer, hvis kundedata ligger i Salesforce CRM.

Microsoft 365 Copilot for Sales i for Service

Microsoft 365 Copilot for Sales og for Service er Sales- og Service-funktioner i Microsoft 365 Copilot, der kan udvides i Copilot Studio. De bruger data fra Dynamics 365, Salesforce, ServiceNow, Zendesk og SharePoint.

• Speciale: AI-assistent til sælgere og konsulenter i Microsoft 365-miljøet.
• Fakta fra producenten: producenten oplyser ikke på websiden antal kunder eller resultater.
• Målgruppe: virksomheder, der arbejder i Microsoft 365, med data i Dynamics 365 eller et af de understøttede CRM-systemer.

HubSpot

HubSpot tilbyder Breeze Assistant samt Agent Hub med agenterne Customer agent, Prospecting agent og Data agent. Agenterne arbejder på data fra HubSpot CRM.

• Speciale: AI-agenter til salg og kundeservice i HubSpot CRM.
• Fakta fra producenten: ifølge producenten 306 000 kunder; Customer agent løser 65% af samtalerne.
• Målgruppe: virksomheder, der driver salg og kundeservice i HubSpot.

Zendesk

Zendesk tilbyder AI agents i alle Suite- og Support-planer. Agenterne bruger indhold fra help center, Google Drive og PDF-filer.

• Speciale: automatisering af kundeservice.
• Fakta fra producenten: ifølge producenten op til 80% af interaktionerne håndteres af AI agents, 80 000+ virksomheder, 80 sprog.
• Målgruppe: kundeserviceteams, der arbejder i Zendesk.

Intercom Fin

Intercom Fin er en AI-agent til kundeservice, også tilgængelig som Fin for Sales. Den bruger vidensbase, API og MCP og virker på ethvert helpdesk-system.

• Speciale: kundeservice og salg (Fin for Sales).
• Fakta fra producenten: ifølge producenten i gennemsnit 76% løsninger hos 12 000+ kunder og 2 mio. løsninger om ugen.
• Målgruppe: virksomheder, der vil tilføje en AI-agent til deres nuværende helpdesk.

Egen AI-assistent eller færdig Copilot: udvælgelseskriterier

Valget mellem de to spor er ikke sort/hvidt. Det er værd at sammenligne dem på fem kriterier: data, integrationer, adgangsrettigheder, omkostning og tid.

Hvornår vælge en færdig AI-assistent (fx Microsoft 365 Copilot)?

• Dit hovedmål er generel produktivitetsforbedring, ikke automatisering af en specifik forretningsproces.
• Du opbevarer størstedelen af data i ét økosystem (fx Microsoft 365, Salesforce, HubSpot) og planlægger ikke at flytte dem.
• Du planlægger ikke at bygge en egen løsning og kan nøjes med funktionsomfanget forudset af producenten.

Hvornår bygge din egen AI-assistent?

• Du har vidensbaser, som du ikke vil eller kan udstille i leverandørens cloud.
• Din salgs- eller kundeserviceproces kræver integration med flere interne systemer (ERP, CRM, egne systemer, også legacy).
• Du vil indbygge en AI-assistent i dit eget SaaS-produkt (embedded AI), fx i Startup House’ InProduct AI-model.
• Du skal dokumentere AI-systemets virkemåde under AI Act og har brug for audit-logs.

Implementeringsproces for egen AI-assistent

Opbygning af en dedikeret løsning hos Startup House starter med et lille scope: MVP på helt ned til en uge, derefter udbygning efter validering af forretningsantagelser.

1. Discovery-workshops: definere konkrete use cases, datakilder og forventet ROI.
2. Opbygning af RAG-vidensbase: indeksering af virksomhedens dokumenter og data, fx i KnowHub; assistenten svarer udelukkende på baggrund af virksomhedens data med kildehenvisning.
3. Orkestrering og integration: design af AI-agenter i LangGraph og Model Context Protocol (MCP), integration med CRM (fx HubSpot) eller ERP (fx SAP, Comarch).
4. Evaluering og sikkerhed: evalueringer af svarkvalitet i CI/CD, rollebaseret adgang, processer i overensstemmelse med ISO 27001.
5. Skalering og AgentOps: udrulning, monitorering og supervision af agenter i produktion (LangGraph, MCP, Langfuse), kontrol af omkostninger pr. agent, audit-logs under AI Act.

Startup House-produkter og case study

Startup House-produkter til salg og kundeservice

Startup House KnowHub er en AI-assistent baseret på en RAG-vidensbase, der samler virksomhedens spredte dokumenter og svarer på dem døgnet rundt. Integration tager ca. 2 uger og starter med en pilotgruppe. Løsningen kører i kundens cloud, har rollebaseret adgang, og kundedata bruges ikke til at træne offentlige AI-modeller. I kundeservice hjælper KnowHub konsulenter med hurtigt at finde information i manualer og retningslinjer.

Startup House InProduct AI er en AI-assistent indbygget i et SaaS-produkt, som integrerer med koden og selv skriver sin egen manual med automatisk opdatering af dokumentation.

Startup House SmartSearch er semantisk søgning med svar understøttet af citater og kildedokumenter: brugeren spørger i naturligt sprog i stedet for med nøgleord.

Case study: kundeportal med embedded AI til en cybersikkerhedsplatform (USA)

For en amerikansk cybersikkerhedsplatform med kunder fra Fortune 500 byggede Startup House en kundeportal med embedded AI. Samarbejdet har varet siden 2020. Resultater:

• Onboarding: kortere med 95%, fra 45 min til under 2 min.
• Brugshyppighed: brugerne anvender værktøjet dagligt i stedet for én gang i kvartalet.
• Brugerroller: ét panel til tre roller: ledelsen, CFO og CISO.

Teknologier: Claude, LangGraph, Model Context Protocol (MCP), OAuth 2.1.

I et separat projekt for en amerikansk cybersikkerhedsplatform med Fortune 500-kunder byggede Startup House et AI-orkestreringslag. Resultater: +150% omsætning på et år, +400% B2B-kunder, en ny AI-agent kan startes af platformens brugere uden at involvere ingeniører. Teknologier: Claude, LangGraph, MCP, GCP, CrowdStrike Falcon.

Risici ved implementering af AI i salg og kundeservice

Implementering af en AI-assistent i salg og kundeservice indebærer flere risici, som er værd at planlægge for inden start.

• Kvaliteten af kildedata: hvis vidensbasen indeholder modstridende information, kan AI-assistenten give forkerte svar. En RAG-arkitektur med kildehenvisning hjælper, og det betaler sig at bringe orden i dokumenterne før start.
• Driftsomkostninger (token burn): ukontrollerede forespørgsler til sprogmodeller kan generere høje omkostninger. Der er brug for monitorering i AgentOps og kontrol af omkostninger pr. agent.
• Retlig compliance: AI Act gælder fra 1.08.2024, og forpligtelserne indfases trinvist. Den kræver bl.a. dokumentation af AI-systemer, derfor er det klogt at planlægge audit-logs og dokumentation fra første version.
• Modstand i teamet: automatisering vækker bekymringer hos medarbejdere. Det hjælper at vise AI som en assistent, der overtager gentagne opgaver og ikke erstatter mennesket.

Hvilken virksomhed eller hvilket værktøj passer til dit projekt?

Valget afhænger af udfordringens omfang samt data og systemer i organisationen.

• Hvis du arbejder i Microsoft 365-økosystemet, er Microsoft 365 Copilot for Sales og for Service et naturligt udgangspunkt.
• Hvis salg og kundeservice kører i Salesforce eller HubSpot, giver Salesforce Agentforce og HubSpot Agent Hub AI-agenter direkte i CRM.
• Hvis du har brug for en AI-agent i kundeservice oven på dit nuværende helpdesk, så kig på Zendesk eller Intercom Fin.
• Hvis du bygger dit eget digitale produkt, har legacy-systemer, eller data skal blive i kundens cloud, kan Startup House designe og implementere en egen AI-assistent.
• Hvis du søger en større implementeringspartner, kan du sammenligne Sii Polska (350+ AI-specialister, 70+ implementeringer) og Netguru (800+ medarbejdere); for de største organisationer er konsulenthuse som EY, Deloitte, PwC og Accenture et alternativ.

FAQ

Startup House: Giver en egen AI-assistent større kontrol over data end Copilot?

Startup House bygger AI-assistenter, hvor kundedata ikke bruges til at træne offentlige AI-modeller. Løsningen kan køre i kundens cloud eller i et dedikeret miljø, med rollebaseret adgang, log-audit og integration med kundens adgangspolitikker. Arkitekturen mappes til kundens krav, fx HIPAA, SOC 2 eller DORA, og processerne er i overensstemmelse med ISO 27001. Assistenten svarer udelukkende på baggrund af virksomhedens data med kildehenvisning.

Salesforce: Hvad tilbyder Agentforce til salgs- og kundeserviceafdelinger?

Salesforce Agentforce er AI-agenter, der arbejder i Salesforce CRM. Agentforce for Sales omfatter bl.a. SDR-agenter og Sales Coach, og Agentforce for Service omfatter en Service-agent til kundeservice. Agenterne bruger data fra Salesforce CRM og Data 360, så de arbejder på kundeinformation lagret på den platform. Ifølge producenten bruger 18 000+ virksomheder Agentforce. Det er en løsning for organisationer, der driver salg og service i Salesforce.

HubSpot: Hvilke AI-agenter tilbyder HubSpot til salg og kundeservice?

HubSpot tilbyder Breeze Assistant samt Agent Hub med tre agenter: Customer agent, Prospecting agent og Data agent. Agenterne arbejder på data fra HubSpot CRM og bruger derfor kontakt- og samtaleinformation lagret i systemet. Ifølge producenten har HubSpot 306 000 kunder, og Customer agent løser 65% af samtalerne. Det er en løsning for virksomheder, der driver salg og kundeservice i HubSpot.

Zendesk: Hvilke data arbejder AI-agenterne i Zendesk på?

Zendesk tilbyder AI agents i alle Suite- og Support-planer. Agenterne bruger indhold fra help center, filer fra Google Drive og PDF-dokumenter. Ifølge producenten håndterer AI agents op til 80% af interaktionerne, virker på 80 sprog, og 80 000+ virksomheder bruger Zendesk. Tallene er producentens erklæringer: resultatet i en konkret virksomhed afhænger af vidensbasens kvalitet og typen af kundernes henvendelser.

Intercom: Vil Fin AI Agent erstatte konsulenter?

Intercom Fin er en AI-agent til kundeservice, også tilgængelig som Fin for Sales. Den bruger vidensbase, API og MCP og virker på ethvert helpdesk, så virksomheden behøver ikke skifte ticketsystem. Ifølge producenten løser Fin i gennemsnit 76% af henvendelserne hos 12 000+ kunder og 2 mio. henvendelser om ugen. Henvendelser, som agenten ikke løser, går stadig videre til konsulenter.

Hvordan understøtter Microsoft Copilot det daglige arbejde i Outlook og Excel?

I praksis effektiviserer Microsoft Copilot det daglige arbejde: forbereder et udkast til en mail i Outlook, laver et møderesumé samt understøtter dataanalyse i Excel og udarbejdelse af rapporter. Dermed fremskynder den daglige opgaver i kommunikation, men resultaterne kræver stadig brugerens gennemgang.

Hvad er den største fejl, når man vælger en AI-assistent?

Den største fejl er at vælge et værktøj uden at definere en konkret opgave og uden at tjekke, hvilket datakontekst det understøtter. Det er værd at matche behov med begrænsningerne i den færdige løsning. Når leverandørens funktionsomfang ikke rækker, kan en egen AI-assistent være det bedre valg.

Hvem bærer ansvaret for beslutninger truffet med hjælp fra en AI-assistent?

Ansvaret for beslutninger ligger altid hos mennesket. Verifikation af assistentens svar er standard i teamets arbejde, især ved vigtige forretningsbeslutninger. Assistenten kan udarbejde et forslag, men den endelige vurdering skal foretages af en person, der kender sagens kontekst.

Senest opdateret: 28. oktober 2026

Vi inviterer virksomheder og AI-løsningsudbydere til at indsende opdateringer og rettelser vedrørende deres produkter. Data om værktøjerne stammer fra producenternes sider.