No products added!
Når no-code automatisering møder AI, sker der noget interessant: integrationer, der før krævede udviklingstid, backlog og koordinering, kan ofte bygges som en afgrænset pilot på én arbejdsdag. Ikke fordi alt bliver “nemt”, men fordi værktøjerne nu kan håndtere både forbindelserne mellem systemer og de kognitive trin, som før var rent menneskearbejde.
Hvad betyder “no-code automatisering” med AI i praksis?
No-code handler om at bygge workflows i et visuelt interface, hvor du kobler en trigger (noget der sker) sammen med en eller flere handlinger (noget der skal udføres). Når du tilføjer AI, bliver workflowet mere end en regelmotor. Det kan læse tekst, udtrække felter fra dokumenter, opsummere, klassificere, oversætte og generere udkast, som et menneske godkender.
Det er en markant forskel: klassisk automatisering flytter data; AI-automatisering bearbejder også indholdet.
Og netop derfor kan “forbind dine værktøjer på én dag” være realistisk, hvis du vælger en proces med tydelige input og output, og du accepterer en pilot, der løser 70 til 80 procent af behovet med høj stabilitet.
Hvorfor én dag kan være nok
Hastigheden kommer fra tre forhold: præbyggede connectors, færdige AI-moduler og en arbejdsgang, hvor du tester tidligt. I stedet for at designe et stort system, bygger du en lille kæde med få trin, kører testdata igennem og justerer.
En god tommelfingerregel er at starte med et flow på 3 til 5 trin. Det er ofte nok til at skabe synlig værdi uden at gøre fejlretning tung.
Det kræver dog disciplin. En dag rækker, når formålet er klart, dataadgang er på plads, og du ikke starter med den mest komplekse proces i organisationen.
Værktøjslandskabet: hvad skal du vælge?
Valget af platform afhænger typisk af, hvor dine data allerede bor, og hvem der skal kunne vedligeholde løsningen. Nogle miljøer er stærkest i Microsoft-økosystemet, andre i marketing- og SaaS-stakken, og nogle ønsker open source af hensyn til kontrol.
Her er et overblik, der kan gøre samtalen konkret:
| Platform | Styrke | Typiske AI-koblinger | God til | Vigtige hensyn |
|---|---|---|---|---|
| Zapier | Hurtig opsætning, mange apps | ChatGPT og lignende via integrationer | Marketing, salg, lette workflows | Kan blive dyrt ved stor volumen |
| Make | Visuel fleksibilitet, stærk datahåndtering | OpenAI-moduler, diverse AI-services | Dataflows, multi-step scenarier | Kræver ofte mere “flow-tænkning” |
| Power Automate | Tæt på Microsoft 365, governance-muligheder | AI Builder, dokument- og tekstmodeller | HR, drift, compliance-tunge teams | Licens- og miljøstyring skal planlægges |
| n8n | Kontrol og udvidelsesmuligheder | AI-noder og API-kald | IT-nære teams, hybrid setups | Drift, sikkerhed og ansvar ligger mere hos jer |
Ingen af dem er “bedst”. Det rigtige valg er det, der passer til jeres adgangsstyring, datakrav og kompetencer i teamet.
Processer der egner sig godt til AI + no-code
Du får mest ud af AI, når et workflow indeholder ustruktureret input: e-mails, fritekst, PDF’er, chats, mødereferater, formularbesvarelser. Her kan AI skabe struktur og gøre næste skridt automatisk.
Når du skal vælge din første proces, er det klogt at gå efter noget med høj gentagelse og lav risiko, hvor et menneske kan godkende resultatet.
Det kan være:
- Lead-kvalificering
- Ticket-routing
- Dokumentudtræk (OCR)
- Opsummering af mødenoter
- Udkast til svarmails
En 1-dags plan, der faktisk holder i virkeligheden
En dag bliver hurtigt spist af adgangsproblemer og uklare krav. Derfor giver det mening at arbejde i en stram rytme, hvor du tidligt får noget til at køre end-to-end, også selv om det er “grimt” første gang.
En praktisk dagsplan kan se sådan ud:
- Afgræns opgaven: Vælg én proces, én trigger, én succesmåling (tid sparet, svartid, færre fejl).
- Klargør adgang: Konti, API-nøgler, rettigheder, testmailbokse, sandkassemiljø hvis muligt.
- Byg grundflowet: Trigger → datahentning → oprettelse/ændring i mål-system.
- Indsæt AI-trinnet: Opsummering, klassificering eller udtræk med et tydeligt outputformat.
- Tilføj sikkerhedsnet: Fejlhåndtering, logging, fallback til manuel behandling.
- Test med variation: Korte tekster, lange tekster, “skæve” cases, tomme felter.
- Gør det brugbart: Notifikationer, godkendelsesstep, enkel dokumentation til kolleger.
- Sæt piloten i drift: Overvåg de første kørsler, justér prompts og felter.
Det vigtigste er ikke at ramme perfektion, men at ramme et stabilt flow, hvor output kan kontrolleres.
Eksempel: fra supportmail til færdig opgave på få minutter
Forestil dig en delt mailboks til kundeservice. Der kommer alt fra fakturaspørgsmål til tekniske fejl og opsigelser. En klassisk no-code automatisering kan oprette en sag, men den kan ikke afgøre, hvem der bør tage den, eller hvad den handler om.
Her er AI-trinnet stærkt: Når en mail lander, kan AI først lave en kort opsummering og foreslå kategori, prioritet og næste handling. Workflowet kan derefter oprette en sag i Zendesk, Dynamics, Jira eller et andet system og tildele til rette kø.
Et menneske kan stadig godkende, men den manuelle sortering forsvinder.
Det giver ro i teamet. Og det skaber mere ensartet behandling, især når travlhed ellers øger risikoen for fejl.
Når AI skal være nyttig: prompts, formater og kontrol
Mange undervurderer, hvor meget kvaliteten afhænger af outputformat. Hvis AI skal fodre et workflow, skal resultatet være stabilt: JSON, tydelige felter, fast struktur. Ellers ender du med at fejlrette i timevis.
En god prompt er ofte kort, men præcis, og den indeholder en klar kontrakt: “Returnér kun disse felter.” Du kan også bede modellen markere usikkerhed, fx med et felt som confidence, så flowet automatisk kan sende lav-sikkerheds-cases til manuel kø.
En enkelt sætning kan være forskellen på en flot demo og en driftbar automatisering.
Governance og GDPR: få styr på det fra starten
No-code gør det let at bygge. Det gør det også let at bygge noget, der ikke burde være bygget på den måde. Persondata, kundeinformation og interne dokumenter kræver, at du tænker i dataminimering, adgangsstyring og sporbarhed.
En enkel praksis er at behandle AI-trinnet som en “ekstern modtager” i dit flow, indtil du har afklaret databehandlerforhold, logning og opbevaring.
Efter en kort risikovurdering kan du typisk lande på et niveau, hvor piloten er forsvarlig. Det kræver sjældent et langt projekt, men det kræver, at nogen tager ansvaret.
Her er tre konkrete tjek, der ofte giver størst effekt tidligt:
- Dataminimering: send kun de felter, der skal bruges til opgaven
- Adgang og spor: brug servicekonti, og gem logs for fejl og ændringer
- Human-in-the-loop: kræv godkendelse ved lav sikkerhed eller ved følsomme kategorier
Skalerbarhed: når piloten bliver populær
En vellykket automatisering får hurtigt flere brugere. Så kommer de klassiske spørgsmål: Hvor mange kørsler kan vi håndtere? Hvad koster det? Hvem retter den, når noget ændrer sig i et API?
Det er her, det hjælper at designe med små moduler: ét flow til at indsamle data, ét til AI-behandling, ét til at skrive tilbage til systemer. På den måde kan du udskifte en del, når et værktøj ændrer sig, uden at alt knækker.
Hold også øje med vendor-låsning. Hvis jeres forretning bliver afhængig af et bestemt workflow, er det værd at dokumentere logikken og gemme prompts og mapping, så en flytning ikke bliver et gætteri.
Kompetencer: hvem kan bygge, og hvem bør godkende?
No-code flytter udviklingskraft tættere på forretningen. Det er en fordel, når marketing, HR, salg eller projektledelse selv kan forbedre deres arbejdsgange. Det kræver bare et fælles sprog med IT og en enkel ramme for kvalitet.
Et lærings- og kursusakademi som Nordisk Business Academy har gjort AI til en rød tråd i kompetenceudvikling, netop fordi værktøjerne nu er tilgængelige for flere fagligheder. Når flere kan bygge løsninger, stiger tempoet, og det bliver mere realistisk at tage en idé om morgenen og have en fungerende pilot om eftermiddagen.
Samtidig bliver certificering og praksisnær træning vigtigere: ikke for at gøre alle til udviklere, men for at gøre flere til ansvarlige “byggere”, der kan dokumentere, teste og drifte i lille skala.
Små startsucceser, der skaber momentum
Hvis du vil i gang uden at vælte organisationen, så vælg et flow, hvor værdien er tydelig og synlig i hverdagen: færre manuelle kopieringer, hurtigere svartid, bedre overblik i CRM, mere ensartet dokumenthåndtering.
Når første flow kører stabilt, ændrer samtalen sig. Pludselig handler det ikke om, hvorvidt AI og automatisering kan bruges, men om hvilke processer der står for tur, og hvordan man bygger en portefølje, der kan vedligeholdes med ro i maven.
