Gå til indhold
← Tilbage til viden Strategi & valg

AI-business case: Regn på værdien før I bygger

Et gennemregnet eksempel hjælper jer med at vurdere tid, omkostninger og usikkerhed — og skelne frigjort kapacitet fra en reel besparelse.

Udgivet Ca. 4 min. læsning
Illustration af guidens regneeksempel: 420 opgaver med fem frigjorte minutter giver 35 timers kapacitet.

Hvad skal en AI-business case vise?

En AI-business case skal gøre det muligt at beslutte, om en bestemt forbedring er investeringen værd. Den skal forbinde opgaven med et forventet udbytte, samlede omkostninger og de forudsætninger, der kan ændre konklusionen. En beregning af sparede minutter er et godt input. Den er ikke hele beslutningsgrundlaget.

Begynd med en konkret arbejdsgang: klargøring af produktdata, behandling af henvendelser eller opsamling fra dokumenter. Mål, hvad der sker i dag, før I vurderer en løsning. Hvis I endnu ikke har valgt opgaven, kan I begynde med vores guide til det første AI-projekt.

Mål hele opgaven, ikke kun AI-svaret

Registrér både forberedelse, udførelse, kontrol og rettelser. Brug flere forskellige opgaver fra den almindelige hverdag. Medtag besværlige eksempler og ventetid, hvis ventetiden påvirker den leverance, kunden modtager. Hold medarbejdertid og samlet gennemløbstid adskilt: En opgave kan komme hurtigere gennem systemet uden at spare lige så mange arbejdstimer.

Afklar også, hvor stor en del af opgaverne løsningen kan håndtere, og hvor ofte medarbejderne faktisk vil bruge den. De to forhold må ikke skjules i et optimistisk gennemsnit. Et værktøj kan være godt på en afgrænset opgave og alligevel have begrænset værdi, hvis den opgave sjældent forekommer.

Et regneeksempel, I kan erstatte med egne tal

Eksemplet er konstrueret til denne guide. Det er hverken et kunderesultat, et pristilbud fra Everydai eller en forventning til jeres virksomhed. Alle beløb er eksklusive moms.

Forudsætning Eksempel Det skal I undersøge
Opgaver pr. måned 600 Faktisk antal, inklusive sæsonudsving
Andel, der løses med den nye arbejdsgang 70 % = 420 opgaver Både egnede opgaver og reel anvendelse
Tid før / efter 8 / 3 minutter Begge tal inkluderer kontrol og rettelser
Frigjort tid 420 × 5 / 60 = 35 timer Efterprøves i en pilot
Tid, der kan bruges produktivt til andet 75 % = 26,25 timer Kan opgaver og bemanding faktisk ændres?
Intern værdi pr. anvendelig time 400 kr. Vælg et begrundet grundlag, ikke automatisk salgsprisen
Beregnet kapacitetsværdi 10.500 kr. pr. måned Beskriv konkret, hvordan værdien realiseres
Løbende omkostninger 3.000 kr. pr. måned Licenser, forbrug, drift og vedligeholdelse
Etablering 60.000 kr. Også intern tid, dataarbejde, test og oplæring

Med disse antagelser er kapacitetsværdien efter løbende omkostninger 7.500 kr. pr. måned. Hvis hele den beregnede værdi kan realiseres økonomisk, svarer det til en simpel tilbagebetalingstid på 60.000 / 7.500 = 8 måneder efter fuld ibrugtagning. En opstartsperiode vil forlænge tiden fra projektets start.

Frigjort tid er ikke automatisk penge på kontoen

Hvis lønnen og de øvrige udgifter er uændrede, er den frigjorte tid først og fremmest kapacitet. Den kan bruges til at håndtere flere opgaver, reducere en kø eller forbedre kvaliteten. Det kan være værdifuldt, men skal beskrives som det, det er.

En økonomisk gevinst kan eksempelvis være en konkret undgået ekstern udgift eller ekstra leverancer, som der faktisk er efterspørgsel efter. Ved ekstra salg skal I vurdere bidraget efter de ekstra omkostninger, ikke regne hele omsætningen som gevinst. Undgå også at tælle samme time både som en lønbesparelse og som kapacitet til mere salg.

ROI over en valgt periode beregnes som (realiserbar økonomisk gevinst minus samlede omkostninger) / samlede omkostninger × 100. I eksemplet ville 12 måneder med fuld anvendelse give 126.000 kr. i beregnet værdi mod 96.000 kr. i etablering og drift: 31,25 %. Det er kun et økonomisk ROI, hvis værdien faktisk kan realiseres. Ellers er det en beregning af kapacitet, ikke et dokumenteret afkast.

Se, hvor følsom konklusionen er

Behold de øvrige antagelser, og ændr andelen af opgaver, der reelt løses med den nye arbejdsgang:

Anvendelse Frigjorte timer pr. måned Kapacitetsværdi efter drift
45 % 22,5 timer 3.750 kr.
70 % 35 timer 7.500 kr.
90 % 45 timer 10.500 kr.

Forskellen viser, hvorfor oplæring, gode systemforbindelser og en anvendelig arbejdsform hører hjemme i business casen. Lav også en variant med mere kontroltid og højere driftsomkostninger. En løsning, der kun giver mening i det bedste scenarie, kræver mere afklaring. Brug også tjeklisten fra AI-pilot til drift til at få ansvar og overdragelse med i planen.

Tag dette med til næste beslutning

  1. Beskriv opgaven, dens ejer og det målte udgangspunkt.
  2. Vis omkostninger til etablering, intern tid og løbende brug over samme periode.
  3. Adskil kapacitet, kvalitet, service og økonomiske gevinster.
  4. Udpeg de usikre antagelser, som en pilot skal undersøge.
  5. Aftal, hvad der skal være opfyldt for at fortsætte, justere eller stoppe.

En god business case kan ende med et mindre projekt, et eksisterende værktøj eller en ændring uden AI. Vores guide til valg af AI-løsning hjælper med at sammenligne vejene. Har I brug for at afklare muligheder og økonomi sammen, kan vi hjælpe med AI-rådgivning og efterfølgende implementering.

Grundlag for guiden

Regneeksemplet og spørgsmålene er udarbejdet til denne artikel. Som faglig baggrund beskriver den britiske regerings AI Playbook, hvordan en business case skal understøtte beslutningen om ressourcer, omkostninger og relevante løsningsvalg. Vejledningen er skrevet til den britiske offentlige sektor; dens indkøbsregler er ikke krav til danske virksomheder.

Jesper Kaae
Jesper Kaae

Partner & CTO hos Adtention

Jesper Kaae er partner og CTO i Adtention og AI-rådgiver hos Everydai. Han arbejder med at omsætte teknologi til reel forretningsværdi og forbinder digital strategi, marketing og ledelse med de data, integrationer og løsninger, der skal få arbejdet til at fungere.

Med over 15 års erfaring inden for udvikling og 10 års kommerciel erfaring har Jesper arbejdet med mere end 100 kunder om blandt andet websites, e-commerce, systemer og lanceringer. Hans tekniske baggrund omfatter WordPress, WooCommerce, Laravel og API-integrationer. Det giver ham mulighed for både at udfordre en forretningsidé og gå i dybden med, hvordan den kan realiseres.

I dag arbejder Jesper med AI-strategi, rådgivning og implementering, herunder AI-agenter, automatisering, workflows og interne værktøjer. Han har holdt mere end 30 AI-foredrag, oplæg og workshops for virksomheder, ledelser og teams. Fokus er at gøre muligheder og begrænsninger konkrete — og vælge AI, når det forbedrer opgaven.

Jesper er blandt andet en del af holdet bag Adtentions AI-løsning til Kirppu, der omsætter varebilleder til søgbare produktdata. Casen viser forbindelsen mellem udvikling, menneskelig kvalitetskontrol og den oplevelse, kunderne møder.

På Everydais blog skriver Jesper om valg, arbejdsmetoder og kvalitet i praktisk AI. Udgangspunktet er både forretningen og de mennesker, der skal bruge løsningen: Hvad vil vi forbedre, hvad kræver det, og hvordan vurderer vi, om det virker?

Fagligt fokus: AI-rådgivning, implementering og digital forretningsudvikling