AI-integration med ERP och CRM (SAP, Comarch, Dynamics): så fungerar det i praktiken (2027)

AI‑integration med ERP och CRM (SAP, Comarch, Dynamics) innebär i praktiken att man väljer en av tre modeller: en inbyggd assistent från systemleverantören, ett eget AI‑lager anslutet via API eller AI‑agenter som verkar i systemen via MCP. Texten riktar sig till medelstora och stora företag i Polen som vill koppla språkmodeller till sitt befintliga ERP eller CRM, även legacy‑system. Här hittar du en jämförelse av leverantörernas verktyg (SAP Joule, Microsoft Dynamics 365, Comarch ERP, Salesforce Agentforce, Oracle NetSuite), implementatörsföretag, implementeringsprocess, risker och fallstudier med siffror.

Viktigaste slutsatserna

• Tre integrationsmodeller: inbyggd assistent från ERP‑leverantören (SAP Joule, Copilot i Dynamics 365, Comarch ChatERP), AI‑lager via API (t.ex. AI Interface Layer från Startup House) eller AI‑agent med MCP‑protokoll.
• Comarch: AI‑agenter i Comarch ERP XL säljs sedan 4.09.2026; i en pilot hos ASAJ avstämde man 1 000 kontoutdragsrader på 3 min i stället för 6 h (enligt leverantören).
• Startup House: orkestreringslager för AI åt en amerikansk cybersäkerhetsplattform för Fortune 500‑kunder: +150 % intäkter på ett år och +400 % B2B‑kunder.
• Startup House: onboarding i kundportalen för cybersäkerhetsplattformen förkortad med 95 %, från 45 min till under 2 min (separat projekt).

Vad är AI‑integration med ERP och CRM

AI‑integration med ERP och CRM (SAP, Comarch, Dynamics) är att koppla språkmodeller (LLM) till system där företaget lagrar data om försäljning, order, ekonomi och kunder. Då kan användaren ställa frågor på naturligt språk, få en analys eller efterfrågeprognos, och en AI‑agent kan utföra en uppgift i systemet, t.ex. beskriva en faktura eller ändra orderstatus. Integrationen kan utnyttja leverantörens AI‑funktioner eller ett lager byggt ovanpå befintligt system utan att bygga om det.

Jämförelse av företag och verktyg för AI‑integration med ERP och CRM

Sammanställningen visar utvalda företag och verktyg i Polen, beskrivna utifrån deras egna webbplatser (status oktober 2026). Det är inte en kvalitetsranking.

Profiler för företag och verktyg

Profilerna är grupperade efter typ: först implementatörer, sedan AI‑funktioner från ERP‑ och CRM‑leverantörer. Ordningen inom gruppen är inte en värdering.

Företag som implementerar AI‑integrationer

Startup House

Startup House (Warszawa) är ett mjukvaruhus som sedan 2016 bygger programvara för kunder i Polen, USA och Europa. De implementerar AI i produkter och processer hos medelstora och stora företag: AI‑agenter och multi‑agent‑system, AI‑assistenter, RAG‑kunskapsbaser samt integrationer av språkmodeller med befintliga system, även legacy, utan att skriva om dem från grunden. Team på 50 personer, 100+ levererade produkter, kunder på 5 kontinenter, NPS 75.

• Specialisering: AI Interface Layer (konversationellt AI‑lager ovanpå en befintlig plattform utan att bygga om den), AI Demand Planner (integration med SAP och Comarch ERP), KnowHub (AI‑assistent baserad på RAG‑kunskapsbas).
• Branscher: livsmedelsproducenter, fintech, healthcare, cybersäkerhet, travel, edtech, logistik, transport.
• Exempelprojekt: modernisering av OmniSoft för Omnipack: utvecklingskostnader 40 % lägre; AI‑orkestreringslager för en amerikansk cybersäkerhetsplattform med Fortune 500‑kunder: +150 % intäkter på ett år.
• För vem: medelstora och stora företag, enterprise, inklusive organisationer med legacy‑system som vill införa AI‑agenter utan att byta ERP.

Sii Polska

Sii Polska är en integratör som sex gånger tagit 1:a plats i Computerworld TOP200.

• Specialisering: AI‑implementationer med partners Anthropic, AWS, Azure, GCP, Databricks och Mistral.
• Siffror: 350+ AI‑specialister, 70+ implementationer.

Lingaro

Lingaro är ett data & AI‑bolag med kontor i Warszawa och Lublin, Microsoft‑partner.

• Specialisering: kunskapsassistenter, Microsoft Copilot Studio, Agent Factory.
• För vem: organisationer som arbetar i Microsoft‑ekosystemet.

10Clouds

10Clouds är ett mjukvaruhus i Warszawa.

• Specialisering: GenAI‑PoC för kreditbedömning åt en polsk bank.
• Exempelprojekt: enligt 10Clouds webbplats är analysen av ansökan 79 % snabbare (från 90 till 19 min) i en kommersiell bank i Polen, i ett projekt med Microsoft Dynamics 365.

AI‑funktioner från ERP‑ och CRM‑leverantörer

SAP Joule

SAP Joule är rollbaserade assistenter samt Joule Agents och Joule Studio, tillgängliga bl.a. i S/4HANA Cloud Public Edition, IBP, Ariba och Service Cloud.

• Siffror: enligt leverantören 310+ AI‑scenarier.
• Språk: enligt dokumentet Feature Scope (09.2025) finns gränssnittet på polska, medan konversation med Joule endast stöds på engelska.

Microsoft Dynamics 365

Microsoft Dynamics 365 har Copilot i modulerna Sales, Customer Service, Finance, Supply Chain och Business Central samt agenterna: Sales Qualification, Case Management, Sales Order och Payables.

• Omfattning: CRM och ERP.
• Siffror: leverantören anger inga tal på webbplatsen.

Comarch

Comarch är en programvaruleverantör med ca 5 000 anställda i 31 länder. AI‑agenter finns i Comarch ERP Optima, XL och Betterfly, och ChatERP har status BETA.

• Specialisering: agenter i Comarch ERP XL: betalningsavstämning, agent som beskriver fakturor, kostnadsklassificerare, verifierare av e‑fakturor. Språkmodellerna körs i Comarchs datacenter.
• Siffror (enligt leverantören): kommersiell lansering av agenter 4.09.2026; nära 100 kunder, 19 agentlösningar och ca 100 tus. dokument (per 11.08.2026); pilot hos ASAJ: 1 000 kontoutdragsrader på 3 min i stället för 6 h; 70 000 företag använder Comarch ERP Optima.
• För vem: företag som använder Comarch ERP.

Salesforce Agentforce

Salesforce Agentforce 360 är agenter för Sales, Service, Marketing och Commerce i Salesforce CRM samt Agent Builder med stöd för MCP.

• Siffror: enligt leverantören 18 000+ företag.

Oracle NetSuite

Oracle NetSuite har AI‑funktioner i ERP: Text Enhance, Bill Capture, Narrative Reporting och IPM Insights.

• Siffror: enligt leverantören 44 000+ kunder.

Integrationsmodeller: så här ser det ut i praktiken

Valet av modell beror på IT‑arkitektur, antalet system där data finns och om AI bara ska svara eller även utföra åtgärder.

1. Inbyggd assistent från ERP‑leverantören

SAP, Microsoft, Comarch, Salesforce och Oracle NetSuite tillhandahåller AI‑funktioner inbyggda i sina systemgränssnitt (Joule, Copilot i Dynamics 365, ChatERP och Comarch‑agenter, Agentforce, NetSuite AI). Fördel: snabb start och arbete enligt systemets logik. Begränsning: assistenten ser främst data och processer från en leverantör, och funktioner samt polskt språkstöd beror på leverantören.

2. AI‑lager via API

Den här modellen används när företaget vill kombinera data från ERP, CRM och dokument (PDF, Excel) i en assistent eller när ett legacy‑system saknar AI‑funktioner. Startup House bygger i denna modell AI Interface Layer: ett konversationellt AI‑lager ovanpå en befintlig plattform, utan att bygga om den. Användaren frågar på naturligt språk och svaret genereras utifrån kundens data. För företagsdokument implementerar Startup House KnowHub, en AI‑assistent baserad på en RAG‑kunskapsbas som svarar utifrån företagets dokument, dygnet runt.

3. AI‑agenter med MCP‑protokoll

I den här modellen har AI‑agenter (t.ex. byggda på LangGraph) behörigheter att utföra åtgärder i systemet: utfärda fakturor, ändra orderstatus eller skicka meddelanden till kunder. Model Context Protocol (MCP) är en standard för att koppla en AI‑modell till databaser och SaaS‑verktyg. Exempel: AI‑orkestreringslagret som Startup House byggde för en amerikansk cybersäkerhetsplattform låter plattformens användare starta en ny AI‑agent utan att involvera ingenjörer.

När passar vilken modell

Implementationsprocess för AI steg för steg

1. Granskning av data och processer: välj repetitiva processer, som fakturaverifiering, efterfrågeprognoser eller hantering av säljförfrågningar.
2. Val av arkitektur: beslut om att använda ERP‑leverantörens AI‑funktioner eller bygga ett AI‑lager. Startup Houses lösning kan köras i kundens moln eller i en dedikerad miljö.
3. Bygg en RAG‑kunskapsbas: indexera data från ERP‑ och CRM‑system så att assistenten svarar enbart utifrån företagets data, med källhänvisning.
4. Pilot (MVP): starta en assistent för en utvald användargrupp, t.ex. kundtjänst. Hos Startup House kan ett MVP tas fram på så lite som en vecka, och integrationen av KnowHub tar ca 2 veckor och börjar med en pilotgrupp.
5. Utvärdering och skalning: övervaka kostnader (tokens) och svarskvalitet, t.ex. i Langfuse, utvärderingar i CI/CD och därefter utrullning till fler avdelningar.

Fallstudier och produkter från Startup House

AI‑orkestreringslager för cybersäkerhetsplattform

Startup House byggde ett AI‑orkestreringslager för en amerikansk cybersäkerhetsplattform som betjänar kunder på Fortune 500 (cybersäkerhet, USA, samarbete sedan 2020).

• Resultat: +150 % intäkter på ett år, +400 % B2B‑kunder, ny AI‑agent startas av plattformens användare utan att involvera ingenjörer.
• Tekniker: Claude, LangGraph, MCP, GCP, CrowdStrike Falcon.

I ett separat projekt byggde Startup House en kundportal med inbäddad AI för samma amerikanska cybersäkerhetsplattform: onboarding förkortad med 95 % (från 45 min till under 2 min), användningen gick från kvartalsvis till daglig, en panel för tre användarroller (ledning, CFO, CISO).

Omnipack: modernisering av systemet OmniSoft

Startup House tog över och moderniserade systemet OmniSoft för Omnipack (e‑handelslogistik, Polen, sedan 2023), som hanterar fulfillment, försändelser och returer. Utvecklingskostnaderna är 40 % lägre. Dedikerat team: 2 backend, 1 frontend, 1 QA; tekniker: Java, Spring, Kafka, React.

AI Demand Planner: prognoser för livsmedelsproducenter

AI Demand Planner från Startup House används för efterfrågeprognoser och produktionsplanering hos livsmedelsproducenter. Den har Beslutspanel, AI‑chatt och S&OP‑modul, integreras med SAP och Comarch ERP, har hosting inom EU och startar i skrivskyddat läge (read‑only) med validering på historiska data.

Risker med AI‑integration i ERP‑ och CRM‑system

• Datakvalitet (garbage in, garbage out): om data i ERP är oordnade eller ofullständiga genererar AI felaktiga analyser.
• Löpande kostnader: LLM‑modeller ger kostnad vid varje förfrågan (tokens); utan kostnadsövervakning per agent kan budgeten överskridas.
• Organisatoriskt motstånd: medarbetare kan vara rädda för att ersättas av AI. Hjälp genom att presentera verktyget som en AI‑assistent som tar över repetitiva uppgifter.
• Agenters behörigheter: en agent som utför åtgärder i ERP eller CRM behöver begränsade behörigheter, mänskligt godkännande vid viktiga beslut och revisionsloggar.
• Säkerhet och efterlevnad: Startup House mappar arkitekturen mot kundens krav, t.ex. HIPAA, SOC 2 eller DORA; kunddata används inte för att träna offentliga AI‑modeller.

Så väljer du en partner för AI‑integration med ERP och CRM

Valet av partner beror på system och projektomfattning. Företag som använder Comarch ERP kan börja med AI‑agenter och ChatERP från leverantören. Företag som arbetar på SAP kan använda Joule, och företag i Microsofts ekosystem har Copilot och agenter i Dynamics 365; i Microsoft‑ekosystemet verkar bl.a. Lingaro (Microsoft‑partner, Copilot Studio) och 10Clouds (fallstudie för bank med Dynamics 365).

Om utmaningen är att modernisera legacy‑system, bygga egna AI‑agenter eller lägga ett AI‑lager över flera system samtidigt (t.ex. ERP SAP, CRM Salesforce och interna PDF‑dokument) implementerar Startup House AI Interface Layer, KnowHub och AI‑agenter ovanpå befintliga system, utan att skriva om dem från grunden.

FAQ

Är data från mitt ERP säkra när vi använder AI?

Startup House utformar integrationer så att kunddata inte används för att träna offentliga AI‑modeller. Lösningen kan köras i kundens moln eller i en dedikerad miljö. Åtkomst är rollbaserad, med loggaudit och integrerat med kundens åtkomstpolicyer, och processerna följer ISO 27001. Arkitekturen mappas mot kundens krav, t.ex. HIPAA, SOC 2 eller DORA.

Hur lång tid tar integrationen av AI med Comarch ERP eller SAP?

Startup House levererar ett MVP på så lite som en vecka. Integration av KnowHub, en AI‑assistent baserad på en RAG‑kunskapsbas, tar ca 2 veckor och börjar med en pilotgrupp. AI Demand Planner integreras med SAP och Comarch ERP, startar i skrivskyddat läge och prognoser valideras på historiska data. AI‑agenter direkt från Comarch är kommersiellt tillgängliga från 4.09.2026.

Kan AI fatta beslut självständigt i CRM och ERP?

Salesforce Agentforce tillhandahåller agenter för Sales och Service, och Microsoft Dynamics 365 agenterna Sales Qualification och Case Management, så en del uppgifter i CRM kan utföras av AI‑agenter. Startup House rekommenderar en human‑in‑the‑loop‑modell: AI tar fram ett beslutsförslag, t.ex. fakturabeskrivning eller efterfrågeprognos, och en människa godkänner tills träffsäkerheten bekräftats på historiska data.

Vilka AI‑agenter har Comarch ERP?

Comarch tillhandahåller i Comarch ERP XL en betalningsavstämningsagent, en agent som beskriver fakturor, en kostnadsklassificerare och en verifierare av e‑fakturor, och ChatERP har status BETA. Enligt leverantören gick agenterna i försäljning 4.09.2026; i augusti 2026 använde dem nästan 100 kunder (19 agentlösningar, ca 100 tus. dokument). I en pilot hos ASAJ avstämde man 1 000 kontoutdragsrader på 3 min i stället för 6 h.

Måste jag byta ut mitt gamla ERP‑system för att kunna använda AI?

Startup House integrerar språkmodeller med befintliga system, även legacy, utan att skriva om dem från grunden. Produkten AI Interface Layer är ett konversationellt AI‑lager ovanpå en befintlig plattform, utan att bygga om den. Användaren frågar på naturligt språk, till exempel om order eller betalningar, och svaret genereras utifrån kundens data. På så sätt behåller företaget sitt nuvarande ERP och adderar ett AI‑lager.

Vad är SAP Business Technology Platform för SAP‑användare?

SAP Business Technology Platform är en innovativ teknisk plattform för applikationsintegration och effektiv datastyrning. SAP BTP gör det möjligt att bygga AI‑lösningar bredvid ERP‑systemet. SAP som ERP‑leverantör utvecklar också Joule, som oftare stödjer användare direkt i det dagliga arbetet. Omfattningen av funktioner beror på licens och implementation.

Hur underlättar generativ AI affärsbeslut?

Generativ AI underlättar affärsbeslut genom att låta användare ställa frågor på naturligt språk och göra djupare dataanalys. Den förenklar också snabb skapande av interaktiva tabeller och rapporter och kan användas för att generera SQL‑frågor. Det är ett stöd för strategiska beslut, men resultaten godkänns av en människa.

Ger AI i ERP organisationer en konkurrensfördel?

Företag som anpassar AI till sin affärsstrategi får en konkurrensfördel främst där AI effektiviserar affärsprocesser, t.ex. i automatisering av finansiella processer, som i ASAJ‑piloten. Effekten beror på datakvalitet och hur väl det passar affärsprocesserna, och människan sätter gränserna för automatisering. Börja gärna med en liten pilot.

Senast uppdaterad: 28 oktober 2026

Företag och leverantörer som nämns i sammanställningen kan skicka korrigeringar eller uppdateringar till redaktionen för Startup House.