AI til tilbudsgivning: hvilke dele af tilbudsprocessen kan automatiseres?

En AI-agent kan i praksis overtage de dele af tilbudsprocessen der er gentagne og datatunge: udkast baseret på tidligere tilbud, opslag af prisdata, indsamling af relevante dokumenter og automatisk opfølgning på ubesvarede tilbud. Selve prisfastsættelsen og den endelige godkendelse forbliver et menneskeligt ansvar — det er der hverken en teknisk eller juridisk genvej uden om.

Hvad menes der med AI-drevet tilbudsgivning?

Når virksomheder taler om “AI til tilbud”, dækker det sjældent over ét samlet system der spytter et færdigt, bindende tilbud ud i den anden ende. I praksis er det en samling af mindre, afgrænsede opgaver i tilbudsprocessen, som en AI-agent kan udføre eller forberede — mens et menneske stadig ejer beslutningen om, hvad kunden reelt får tilbudt.

Det er en vigtig skelnen, fordi mange af de spørgsmål der dukker op omkring AI og tilbud, reelt handler om ansvarsfordeling: hvem har sagt god for prisen, hvem har læst vilkårene igennem, og hvem kan stå til ansvar hvis noget er forkert. Svaret er og bliver: et menneske. AI’ens rolle er at gøre vejen derhen hurtigere og mere konsistent, ikke at fjerne det menneskelige lag.

Hvorfor tilbudsprocessen er et oplagt sted at starte

Tilbudsgivning er typisk fyldt med gentagne elementer — standardtekster, prislister, tidligere sager der minder om hinanden, og en fast rytme af opfølgninger. Det er præcis den slags mønstergenkendelse og strukturarbejde, hvor en AI-agent med adgang til virksomhedens egne data kan levere et solidt udkast, uden at det kræver kreativ nytænkning fra bunden hver gang.

Hvorfor det ikke er det samme som “automatiseret salg”

Det er værd at være præcis her: AI til tilbudsgivning handler om at forberede og strukturere — ikke om at lade en algoritme forhandle pris eller lukke aftaler på egen hånd. Kunden skal opleve, at der stadig er en person bag tilbuddet, som kan stå inde for indholdet.

Tilbudsprocessen trin for trin — hvor kan AI hjælpe?

Tilbudsprocessen består typisk af nogle faste trin, uanset branche: forberedelse, udkast, prisfastsættelse, godkendelse, afsendelse og opfølgning. AI’s rolle varierer markant fra trin til trin.

Indsamling af kundedata og tidligere tilbud

Før et tilbud kan skrives, skal der typisk findes frem: hvad har kunden købt før, hvilke tilbud er sendt tidligere, og hvilke noter ligger der fra sidste dialog. Det er en søge- og samle-opgave, som en AI-agent med adgang til CRM, mailindbakke og dokumentarkiv kan udføre hurtigere end en medarbejder, der manuelt skal lede på tværs af systemer.

Udkast til tilbudstekst

Med den indsamlede kontekst kan AI’en skrive et første udkast til selve tilbudsteksten — baseret på virksomhedens egne skabeloner og tidligere, godkendte tilbud. Det sparer den del af arbejdet, der handler om at formulere sig fra en tom side, mens indholdet stadig bygger på virksomhedens egne, kendte formuleringer.

Prisdata-opslag og sammenligning

AI kan slå op i virksomhedens egne prislister, rabattrapper og tidligere aftaler for at foreslå et prisniveau — men det er afgørende at skelne mellem at foreslå et udgangspunkt og at fastsætte prisen. Det første er et opslag i data. Det andet er en forretningsmæssig beslutning, som skal tages af en person med mandat til det.

Dokumentsamling og bilag

Mange tilbud skal ledsages af bilag: referencer, tekniske specifikationer, forsikringsdokumentation eller lignende. AI kan hjælpe med at finde og samle de rigtige dokumenter fra virksomhedens arkiv, så medarbejderen ikke selv skal lede dem frem manuelt hver gang.

Opfølgning på afsendte tilbud

Når et tilbud er sendt, er opfølgning ofte det led, der glipper i en travl hverdag. En AI-agent kan holde styr på, hvilke tilbud der stadig venter på svar, og forberede en påmindelse eller et udkast til opfølgningsmail — som medarbejderen derefter sender eller justerer.

Tilbudsprocessens trin: hvad AI kan overtage, og hvad der forbliver menneskets ansvar
Trin i processen	AI eller menneske?	Hvorfor
Indsamling af kundedata og historik	AI (forberedende)	Struktureret søge- og sammenstillingsopgave uden beslutningsvægt
Udkast til tilbudstekst	AI (forslag) → menneske godkender	Sparer skrivearbejde, men teksten skal læses og stå til ansvar for af en person
Prisfastsættelse	Menneske (AI kan foreslå udgangspunkt)	Forretningsmæssig og ofte juridisk bindende beslutning
Dokumentsamling og bilag	AI	Genfinding af eksisterende materiale, ikke ny vurdering
Endelig godkendelse og afsendelse	Menneske	Ansvar for indhold og vilkår kan ikke uddelegeres til en algoritme
Opfølgning på ubesvarede tilbud	AI (forslag) → menneske sender	Rettidig påmindelse er mekanisk, men tonen i kontakten bør et menneske stå bag

Hvad AI’en kan overtage i praksis

Ser man samlet på ovenstående, tegner der sig et mønster: AI’en er stærkest i de dele af processen, der handler om at finde, samle og strukturere eksisterende information. Det gælder både når informationen ligger i virksomhedens eget CRM, i tidligere tilbud, eller spredt i mailindbakken hos den medarbejder, der plejer at håndtere kunden.

Et konkret eksempel: en medarbejder skal lave et tilbud til en eksisterende kunde. I stedet for selv at lede efter det sidste tilbud, tjekke prislisten og finde de rigtige bilag, kan AI-agenten samle det hele og præsentere et udkast — som medarbejderen derefter retter til, tilpasser og sender af sted. Tidsbesparelsen ligger i forberedelsen, ikke i at fjerne beslutningen.

Det samme gælder opfølgning. AI kan holde overblik over, hvilke tilbud der nærmer sig deres udløbsdato uden svar, og forberede en påmindelse — men det er stadig medarbejderen, der vælger tone og timing, og som trykker send.

Hvorfor “forslag, ikke facit” er den rigtige model

Den model, der går igen i alle brugbare use-cases for AI i tilbudsgivning, er “forslag, ikke facit”. AI’en leverer et gennemarbejdet udkast eller en samling data — mennesket vurderer, justerer og godkender. Det er den arbejdsdeling, der giver hastighedsgevinsten uden at flytte det juridiske og forretningsmæssige ansvar væk fra virksomheden.

Hvad AI’en IKKE skal

Der er en klar grænse for, hvor langt automatisering bør gå i tilbudsprocessen, og den er værd at sætte eksplicit ord på:

AI’en skal ikke fastsætte bindende priser. Den kan foreslå et udgangspunkt ud fra historisk data, men den endelige pris er en forretningsbeslutning, der kræver en person med mandat.
AI’en skal ikke godkende eller sende juridisk bindende vilkår uden menneskelig kontrol. Rabatstrukturer, betalingsbetingelser og eventuelle særvilkår skal gennemgås af en person, før tilbuddet forlader virksomheden.
AI’en skal ikke fremstå som den, kunden forhandler med. Kunden skal opleve, at der er en konkret medarbejder bag tilbuddet, som kan svare på spørgsmål og stå til ansvar.
AI’en skal ikke have det sidste ord ved uenighed internt — hvis der er tvivl om et tilbuds indhold eller pris, er det en menneskelig beslutningsproces, ikke en algoritmisk.

Det er ikke en begrænsning, der findes for begrænsningens skyld. Det er en anerkendelse af, at tilbudsgivning i sidste ende er en tillidshandling mellem to parter, og at den tillid hviler på, at der er et menneske, der kan stå inde for det, der er sendt.

Data, sikkerhed og dataejerskab i tilbudsprocessen

Tilbudsprocessen involverer ofte følsomme forretningsdata: kundehistorik, prisaftaler, rabatstrukturer og i nogle tilfælde personoplysninger om kontaktpersoner hos kunden. Når en AI-agent får adgang til disse data for at kunne lave udkast og opslag, er det relevant at spørge: hvor ligger dataene, og hvem har adgang til dem undervejs?

Her er det en fordel, hvis AI-løsningen kører i egen instans med egen database pr. kunde, fremfor at data blandes sammen med andre virksomheders i en delt sky-tjeneste. Agent360 er bygget som virksomhedens AI-platform i én IDE, hvor hver kunde har sin egen instans og database, og hvor selv-hosting er en mulighed for virksomheder, der ønsker det. Det reducerer risikoen for, at følsomme prisdata og kundeoplysninger deles på tværs af kunder — men det er vigtigt at være præcis: det er en arkitektonisk fordel, ikke en juridisk garanti. Om jeres konkrete brug af AI til tilbudsgivning lever op til gældende regler for databehandling, afhænger af jeres samlede opsætning, databehandleraftaler og hvilke data der reelt behandles.

Hvis I bruger kundeoplysninger — for eksempel kontaktpersoner, e-mailadresser eller købshistorik — i forbindelse med AI-understøttet tilbudsgivning, er det relevant at have styr på behandlingsgrundlaget, ligesom ved al anden databehandling. Datatilsynet har vejledning om, hvad der gælder for behandling af persondata generelt, og EU’s oversigt over databeskyttelsesregler for virksomheder giver et overblik over de tværgående krav i EU. Dette er ikke juridisk rådgivning — er I i tvivl om jeres konkrete situation, bør I søge juridisk bistand eller kontakte Datatilsynet direkte.

Vil I læse mere om, hvordan en AI-agent generelt fungerer som del af en virksomheds systemer, kan I se hvad er en AI-agent til virksomheden. Og hvis tilbudsprocessen hos jer er tæt koblet til jeres CRM, er hvad er CRM-automatisering et naturligt næste skridt at læse.

Sådan kommer I i gang uden at miste kontrol

At indføre AI i tilbudsprocessen behøver ikke at være alt-eller-intet. De virksomheder, der får mest ud af det, starter typisk smalt og udvider gradvist.

Start med skabeloner og historik

Det letteste sted at starte er de tilbudstyper, I allerede har mange eksempler på — standardtilbud, gentagne kundetyper, faste produktpakker. Her har AI’en det bedste datagrundlag at lave udkast ud fra, og risikoen for fejl er lavest, fordi mønstret allerede er velkendt.

Sæt et godkendelses-lag ind

Uanset hvor godt et udkast er, bør der være et fast trin, hvor en medarbejder gennemgår og godkender tilbuddet, før det sendes. Det gælder særligt pris, rabatter og eventuelle særlige vilkår. Et godkendelses-lag er ikke en hastighedsbremse — det er den mekanisme, der sikrer, at ansvaret forbliver hos et menneske.

Log og spor ændringer

Det er en god vane at kunne se, hvad der er AI-genereret udkast, og hvad et menneske efterfølgende har ændret eller godkendt. Det gør det lettere at rette fejl, forstå hvor AI’en er stærk eller svag, og dokumentere processen internt, hvis der senere skulle opstå spørgsmål om et tilbuds indhold.

Typiske faldgruber ved AI i tilbudsgivning

Nogle af de mest almindelige faldgruber, virksomheder løber ind i, når de begynder at bruge AI i tilbudsprocessen, er værd at kende på forhånd:

At lade AI-udkastet gå direkte til kunden uden gennemsyn. Selv et godt udkast kan indeholde forældet prisdata eller forkerte antagelser om kundens situation.
At bruge AI til at fastsætte rabatter automatisk uden klare, forhåndsdefinerede rammer for, hvor langt rabatten må gå.
At glemme, hvor data kommer fra. Hvis prisdata eller kundehistorik er forældet i kildesystemet, arver tilbudsudkastet den samme fejl.
At undlade at fortælle medarbejderne, hvad AI’en gør og ikke gør. Uklarhed om ansvarsfordeling internt fører ofte til, at enten for meget eller for lidt bliver gennemgået manuelt.

Ofte stillede spørgsmål om AI til tilbudsgivning

Kan AI sende et tilbud direkte til en kunde uden at et menneske har set det?

Det er teknisk muligt at sætte op, men det anbefales ikke i praksis. Prisfastsættelse og vilkår bør altid gennemgås af en person, før tilbuddet forlader virksomheden — både af hensyn til kvalitet og ansvar over for kunden.

Kan AI fastsætte rabatter selv?

Nej, ikke hensigtsmæssigt. AI kan foreslå et udgangspunkt baseret på historiske data og rabatstrukturer, men den endelige rabat er en forretningsbeslutning, der bør ligge hos en medarbejder med mandat til det.

Er det lovligt at bruge kundedata i AI-understøttet tilbudsgivning?

Det afhænger af, hvilke data der behandles, og på hvilket grundlag. Almindelige krav til databehandling gælder som ved al anden brug af kundeoplysninger. Se Datatilsynets vejledning for de generelle regler, og søg juridisk rådgivning ved konkret tvivl.

Hvad er forskellen på, at AI "foreslår" og "fastsætter" et tilbud?

Når AI foreslår, leverer den et udkast eller en anbefaling, som et menneske derefter vurderer og kan ændre. Når AI fastsætter, ville den træffe den endelige beslutning selv — og det er den model, der ikke anbefales for priser og vilkår.

Kan AI hjælpe med opfølgning på gamle tilbud, der aldrig blev besvaret?

Ja, det er en af de opgaver, AI typisk er stærkest til: at holde overblik over, hvilke tilbud der venter på svar, og forberede en påmindelse. Selve afsendelsen og tonen bør stadig styres af en medarbejder.

Skal vi fortælle kunden, at dele af tilbuddet er lavet med hjælp fra AI?

Det er ikke entydigt lovpligtigt i alle situationer, men mange virksomheder vælger åbenhed som god praksis. Det vigtigste er, at kunden oplever, at der er en person bag tilbuddet, som kan stå til ansvar for indholdet.

Hvor meget tid kan AI reelt spare i tilbudsprocessen?

Det varierer for meget fra virksomhed til virksomhed til at angive et generelt tal — det afhænger af antallet af tilbud, hvor ensartede de er, og hvor godt datagrundlaget er. Den mest pålidelige måde at vurdere det på er at teste det på jeres egne, gentagne tilbudstyper.

Opsummering

AI til tilbudsgivning giver mest værdi, når det bruges til det, det faktisk er godt til: at samle kundedata og tidligere tilbud, lave et første udkast, slå prisdata op og huske opfølgning. Prisfastsættelse, godkendelse og det juridiske ansvar for, hvad der sendes til kunden, bør blive hos mennesket — ikke fordi teknologien ikke kan levere et forslag, men fordi tilliden i en kundedialog bygger på, at der er en person, der står bag. Vil I sætte tilbudsprocessen ind i en bredere sammenhæng med jeres kundedata generelt, er CRM-data-hygiejne guide 2026 og customer success AI guide 2026 relevante næste skridt.