AI i administrationen: hvilke arbejdsgange kan en AI-agent overtage?

En AI-agent kan i dag overtage de administrative opgaver der er gentagne og regelbaserede: sortere og prioritere indbakken, samle dokumenter der hører sammen, læse data ind i systemer, sende opfølgnings-påmindelser og skrive udkast til rapporter. Det mennesket beholder, er alt der kræver et skøn, en godkendelse eller en beslutning med konsekvens — for eksempel hvem der skal kontaktes, hvilket tal der er korrekt, eller om noget skal sendes videre.

Det lyder enkelt, men grænsen mellem de to er ikke altid indlysende fra starten. Denne artikel går igennem de administrative arbejdsgange, hvor AI-agenter faktisk gør en forskel i dag, hvor grænsen typisk går, og hvad I skal overveje før I lader en agent røre ved administrationen.

Hvad menes der med en “AI-agent” i administrationen?

En AI-agent er, i den kontekst denne artikel bruger begrebet, et system der kan læse tekst og data, forstå kontekst, og selv udføre flere trin i en arbejdsgang — i modsætning til en klassisk regel-baseret automatisering, der kun kan følge faste “hvis-så”-regler.

Forskellen betyder noget for administration, fordi meget administrativt arbejde ikke er 100% ensartet. En faktura ser ikke ud som den forrige. En kundehenvendelse er formuleret anderledes hver gang. Klassisk automatisering knækker på den variation. En AI-agent, der er bygget til at læse og forstå indhold, kan håndtere en del af den variation selv — og eskalere resten til et menneske.

Det er også vigtigt at skelne mellem to niveauer:

Assistance vs. overtagelse

En AI-assistent foreslår — den skriver et udkast, sorterer en liste, eller peger på noget der ser forkert ud, og et menneske trykker “godkend”. En AI-agent, der reelt overtager en arbejdsgang, udfører selve trinnene (læser, sorterer, samler, udfylder) og lader kun de trin, der kræver et menneskeligt skøn, ligge tilbage til godkendelse.

De fleste administrative arbejdsgange, der beskrives i denne artikel, ligger et sted midt imellem: agenten udfører det meste af arbejdet, mennesket beholder det sidste trin.

Indbakke-triage: den mest modne administrative AI-opgave

Indbakke-triage — at læse, kategorisere og prioritere indgående mails, henvendelser og dokumenter — er en af de arbejdsgange, hvor AI-agenter i dag kan overtage det meste af det rutineprægede arbejde.

Hvad agenten konkret kan gøre

En agent kan læse en indkommende mail, genkende hvilken type henvendelse der er tale om (faktura, spørgsmål, klage, tilbud, intern besked), tildele den den rette kategori eller afdeling, og sortere den efter hvor hastende den er. Det sparer det manuelle arbejde med at åbne, læse og videresende hver besked enkeltvis.

Hvad mennesket beholder

Mennesket beholder beslutningen om, hvordan en kompliceret eller følsom henvendelse skal besvares, og godkendelsen af, at kategoriseringen er korrekt, før noget sendes videre til en kunde eller en samarbejdspartner. Triage er sortering — ikke svar-generering uden opsyn.

Dokumentsamling: at finde og samle det, der hører sammen

En anden arbejdsgang, hvor AI-agenter allerede gør en forskel, er dokumentsamling — at finde de bilag, mails, aftaler og noter der hører til en given sag, og samle dem ét sted.

Hvad agenten konkret kan gøre

Agenten kan søge på tværs af mail, filer og systemer efter dokumenter der relaterer sig til en bestemt kunde, sag eller periode, og samle dem i en overskuelig oversigt. Det er typisk det trin, en medarbejder ellers bruger mest tid på, før det egentlige administrative arbejde overhovedet kan begynde.

Hvad mennesket beholder

Mennesket beholder vurderingen af, om samlingen er komplet og relevant, og beslutningen om hvad dokumenterne reelt betyder for sagen. En agent kan samle bilag til et momsregnskab — den skal ikke selv afgøre, om regnskabet er korrekt.

Dataindtastning: fra dokument til system

Dataindtastning — at overføre information fra et dokument (en mail, en formular, et scannet bilag) ind i et fagsystem — er en klassisk administrativ flaskehals, og en af de opgaver hvor AI-agenter i dag kan tage det meste af arbejdet.

Hvad agenten konkret kan gøre

Agenten kan læse strukturerede og semi-strukturerede dokumenter, genkende de relevante felter (navn, dato, beløb, referencenummer) og indtaste dem i det rette system eller den rette liste. Det reducerer den type manuelle “copy-paste”-opgaver, der ellers optager en stor del af en administrativ medarbejders dag.

Hvad mennesket beholder

Mennesket beholder stikprøve-kontrol og godkendelse af data, der har konsekvens — særligt hvor en fejl kan betyde en forkert betaling, en forkert kundeoplysning, eller en compliance-risiko. Jo større konsekvensen af en fejl er, jo tættere skal et menneske stå på godkendelsen.

Opfølgnings-påmindelser: at huske det, ingen har tid til at huske

En stor del af administrativt arbejde handler om at holde styr på, hvad der mangler at ske — en ubesvaret mail, en frist der nærmer sig, en sag der venter på et svar. Det er præcis den type opgave, en AI-agent er god til at overtage.

Hvad agenten konkret kan gøre

Agenten kan holde øje med sager, der mangler opfølgning, og selv generere en påmindelse eller et udkast til opfølgnings-besked på det rette tidspunkt — uden at en medarbejder manuelt skal holde styr på en liste af “ting jeg skal huske”.

Hvad mennesket beholder

Mennesket beholder beslutningen om, hvornår og hvordan en opfølgning reelt skal sendes, særligt i sager der involverer en kunde eller en ekstern part. En automatisk påmindelse til et internt system er lavere risiko end en automatisk besked, der går direkte ud af huset.

Rapport-udkast: fra rå data til første version

Den sidste af de centrale administrative arbejdsgange er rapport-udkast — at samle data og skrive en første version af en status, en oversigt eller et notat, som et menneske derefter kan redigere og godkende.

Hvad agenten konkret kan gøre

Agenten kan samle relevante tal og observationer fra de systemer, den har adgang til, og strukturere dem i et læsbart udkast — en statusrapport, et mødenotat, en kort sammenfatning af en periode. Det er ikke den færdige rapport, men et solidt udgangspunkt, der sparer den tid, det ellers tager at starte fra en blank side.

Hvad mennesket beholder

Mennesket beholder ansvaret for, at rapportens indhold er korrekt, og at konklusionerne der drages, giver mening i konteksten. En agent kan skrive et udkast — den skal ikke være den sidste, der læser det igennem, før det sendes til en leder, en kunde eller en myndighed.

Hvad AI’en IKKE skal

For at gøre grænsen konkret, er her de administrative beslutninger en AI-agent ikke skal træffe alene, uanset hvor god den er til at samle information:

• Den skal ikke træffe den endelige beslutning i en sag med økonomisk eller juridisk konsekvens for en kunde eller virksomheden.
• Den skal ikke sende følsomme eller personhenførbare oplysninger videre uden at et menneske har vurderet, om det er forsvarligt.
• Den skal ikke godkende sig selv — enhver arbejdsgang, hvor agenten har foreslået eller udført noget, bør have et menneskeligt godkendelses-trin, før resultatet får virkning udadtil.
• Den skal ikke agere som den eneste kilde til, om noget er juridisk korrekt — det kræver stadig en person med det rette ansvar.

Datasikkerhed: hvor ligger de administrative data, agenten arbejder med?

Når en AI-agent får adgang til indbakke, dokumenter og fagsystemer, er det relevante spørgsmål ikke kun “hvad kan den”, men “hvor ligger de data, den arbejder med, og hvem har adgang til dem”. Det gælder særligt, når agenten håndterer kundeoplysninger, personfølsomme data eller fortrolige aftaler som en del af den administrative arbejdsgang.

Agent360 er bygget som virksomhedens egen AI-platform: hver kunde får sin egen instans og sin egen database, og løsningen kan også køres self-host, hvis det er relevant for jeres organisation. Det ændrer ikke ved, at I selv skal forholde jer til, hvilke data der er tale om, og hvilket behandlingsgrundlag der gælder — men det betyder, at administrative data ikke automatisk deles med en fælles, ekstern model eller en tredjepart, bare fordi I bruger en AI-agent i administrationen.

Agent360 bygger desuden på en kurateret registry af 35+ connectors til de systemer, administrationen typisk arbejder i, og er fair source — koden bliver open source efter en periode på to år. Platformen er bygget ovenpå Claude fra Anthropic.

Typiske faldgruber, når AI’en får administrative opgaver

De fleste problemer med AI i administrationen opstår ikke, fordi teknologien fejler dramatisk — de opstår, fordi grænsen mellem “agenten udfører” og “mennesket godkender” bliver utydelig over tid. Her er de faldgruber, der går igen.

Godkendelses-trinnet forsvinder stille

Det mest almindelige mønster er, at et godkendelses-trin, der oprindeligt var tænkt som en kontrol, gradvist bliver til en formalitet — en medarbejder klikker “godkend” uden reelt at læse igennem, fordi agenten “plejer at ramme rigtigt”. Det er ikke et teknologi-problem, men et proces-problem: hvis et godkendelses-trin ikke længere tilfører værdi, skal arbejdsgangen redesignes, ikke bare rubber-stamples.

Data fra flere systemer blandes uden kontekst

Når en agent samler dokumenter eller data fra flere systemer, kan den nogle gange samle information, der ligner en sammenhæng, uden at den reelt hænger sammen — for eksempel to kunder med samme navn, eller to sager fra forskellige perioder. Det er en grund til, at dokumentsamling og dataindtastning stadig bør have et menneskeligt blik på resultatet, særligt i de første måneder en arbejdsgang kører.

Ansvar bliver uklart, når ingen “ejer” opgaven

Når en opgave går fra at være “noget en medarbejder gør” til “noget agenten klarer”, er der en risiko for, at ingen længere føler ejerskab for, om resultatet reelt er korrekt. Den mest robuste løsning er at navngive en konkret person som ansvarlig for hver administrative arbejdsgang, agenten er sat til at understøtte — selv når det meste af det daglige arbejde er automatiseret.

Agenten får adgang til mere, end opgaven kræver

En sidste faldgrube er at give en agent bredere systemadgang, end den administrative opgave faktisk kræver — for eksempel fuld adgang til hele indbakken, når opgaven kun handler om én bestemt sagstype. Princippet om kun at give adgang til det, der er nødvendigt, gælder lige så meget for en AI-agent som for en ny medarbejder.

Sådan kommer I i gang uden at miste kontrollen

Den mest almindelige fejl, når en virksomhed begynder at bruge AI-agenter i administrationen, er at give agenten for meget ansvar for hurtigt. En mere robust rækkefølge er:

1. Start med det mest rutineprægede trin — typisk indbakke-triage eller dokumentsamling — hvor en fejl er let at opdage og rette.
2. Hold et menneskeligt godkendelses-trin på alt, der forlader virksomheden eller påvirker en kunde direkte.
3. Udvid gradvist til dataindtastning og opfølgning, når I har set, at agenten opfører sig forudsigeligt på de første opgaver.
4. Gem rapport-udkast til sidst — det er den opgave, hvor en fejlagtig konklusion er sværest at opdage, hvis den ikke bliver læst grundigt igennem.

Tabel: administrative arbejdsgange — AI eller menneske

Ofte stillede spørgsmål

Læs også

• Hvad er en AI-agent til virksomheden?
• Hvad er CRM-automatisering?
• CRM-data-hygiejne: guide 2026

Denne artikel er ikke juridisk rådgivning. Kontakt egne juridiske rådgivere for konkret vejledning om databehandling og AI-anvendelse i jeres administration.

Status: Artikel skrevet efter kontrakt (frontmatter, svar-først, ≥2200 ord, 1 tabel m. caption, 6 FAQ, “Hvad AI’en IKKE skal”, 3 interne links, 2 verificerede eksterne kilder). Ingen opfundne tal, cases eller navngivne leverandør-påstande.

Eksterne kilder verificeret i denne session (HTTP 200):
- https://www.datatilsynet.dk/regler-og-vejledning
- https://europa.eu/youreurope/business/governance-and-sustainability/digital-and-data-compliance/data-protection-gdpr/index_da.htm