Da jeg trådte ind i projektet, var virksomhedens digitale landskab præget af det, jeg kalder "Digitalt Kludetæppe-syndrom". Gennem de seneste ti år var der indkøbt software efter "hovsa-metoden": et CRM til salgsteamet, et separat ERP-system til lager og økonomi, et tredjeparts marketingværktøj — og en række Excel-ark, der fungerede som den lim, der holdt det hele sammen.
Problemet var fundamentalt: data var låst i siloer. Ledelsen traf beslutninger baseret på rapporter, der var 30 dage gamle, og medarbejderne brugte op mod 20% af deres tid på at flytte data manuelt fra ét system til et andet. De ønskede at implementere AI, men sandheden var barsk: Deres fundament var ikke klar til intelligens. En AI uden strukturerede data er som en hurtig bil uden vej — den kører ingen vegne.
Fase 1: Diagnose af den digitale gæld. Den digitale strategi startede ikke med at købe en AI-licens. Den startede med en dybdegående audit af tre søjler: teknologi, data og mennesker. Vi opdagede, at virksomheden betalte for 45 forskellige SaaS-licenser. Halvdelen blev kun brugt af én person, og mange havde overlappende funktioner. Dette skabte "teknisk gæld": Hver gang en software blev opdateret, risikerede man at bryde de manuelle forbindelser, medarbejderne havde bygget i Excel.
Data-audittet var det mest kritiske punkt. Virksomheden havde masser af data — men ingen dataintegritet. En kunde som "Jensen A/S" kunne stå registreret med tre forskellige adresser og to kontaktpersoner i henholdsvis CRM og økonomisystemet. Hvis man bad en AI om at forudsige Jensens næste køb, ville svaret være værdiløst, fordi inputtet var fejlbehæftet. Vi interviewede 15 nøglemedarbejdere. Frygten for AI var mærkbar — men frustrationen over de manuelle processer var endnu større. Folk følte sig som datatastaturer frem for rådgivere.
Fase 2: Design af AI-køreplanen. Med diagnosen på plads designede vi en toårig strategi. Visionen var klar: virksomheden skulle transformeres fra en reaktiv handelsvirksomhed til en prædiktiv teknologivirksomhed. Strategien blev bygget op omkring begrebet "The Single Source of Truth". I stedet for at alle systemer talte med hinanden i et uoverskueligt netværk — spaghetti-integration — skulle alle systemer tale ind til én central hub.
Vi valgte bevidst en "Model-Agnostic" tilgang. Det betød, at vi ikke lagde os fast på én AI-leverandør. Vi byggede en infrastruktur, hvor vi kunne skifte AI-modellen ud i takt med, at teknologien udviklede sig, uden at skulle ændre selve forretningslogikken. Det er et princip, der lyder teknisk — men det er fundamentalt strategisk: den AI-model, der er bedst i dag, er ikke nødvendigvis bedst om 18 måneder.
Fase 3: Oprydning før intelligens. Det første halve år handlede udelukkende om "digital hygiejne". Det er den fase, mange virksomheder springer over i deres iver efter at lege med de nyeste AI-værktøjer — men det er præcis her, slaget vindes eller tabes. Vi opsagde 15 overflødige systemer og brugte besparelsen på ca. 400.000 kr. årligt til at opgradere kernesystemerne til versioner med åbne API'er. Det er en hjørnesten i moderne digital strategi: Hvis dit system ikke har et API, er det en blindgyde for din vækst.
Vi brugte AI-agenter til at gennemløbe ti års historik og rense kundekartoteket. AI'en identificerede dubletter, rettede adresser og kategoriserede kunder baseret på adfærd fremfor blot postnumre. Det var kedeligt arbejde. Men det var præcis det arbejde, der skabte det fundament, som den fremtidige intelligens skulle leve af.
Fase 4: Implementering af AI-motoren. Da fundamentet var rent, implementerede vi tre specifikke AI-lag. Det første var et internt videnslag — en AI-assistent, der havde læst alle virksomhedens tekniske manualer, tilbudshistorik og interne procedurer. Førhen tog det en ny medarbejder seks måneder at blive selvkørende. Nu kunne de stille spørgsmål til deres "Second Brain" og få præcise svar om komplekse industrianlæg på sekunder.
Det andet lag var prædiktivt salg. Ved at koble historisk købsdata med eksterne markedsindikatorer — råvarepriser, valutakurser, sæsonalitet — byggede vi en model, der kunne fortælle sælgerne, hvilke ti kunder der med størst sandsynlighed ville bestille i næste uge. Det flyttede salgsafdelingen fra at "ringe i blinde" til at have strategiske samtaler med en klar kontekst.
Det tredje lag var autonom drift. Vi automatiserede hele workflowet fra ordre til levering: Når en ordre kom ind, tjekkede AI'en automatisk lagerstatus, reserverede fragt og genererede en personlig ordrebekræftelse — alt uden menneskelig indblanding, medmindre der opstod en anomali. Systemet eskalerede kun til et menneske, når der var en reel grund til det.
Fase 5: Den menneskelige transformation. En digital strategi er ufuldstændig uden at adressere kulturen. Vi indførte "AI-ambassadører" i hver afdeling — ikke som tekniske eksperter, men som brugsstemmer: folk, der havde prøvet AI på konkrete opgaver og kunne dele erfaringerne med kollegerne. Vi gav medarbejderne medbestemmelse: "Hvilken del af dit arbejde hader du mest? Lad os se, om AI kan gøre det for dig." Det ændrede narrativet. AI var ikke længere en trussel. Det var en personlig assistent, der fjernede driftsstøjen.
Efter 18 måneder var virksomheden forandret. Omsætning pr. medarbejder steget med 25%. Manuelle fejl i ordrestyringen reduceret med 95%. Og da forsyningskæden oplevede et chok i efteråret 2025, justerede virksomheden priser og lagerbeholdning på 24 timer — mens konkurrenterne brugte uger på at analysere situationen. Det er ikke en tilfældig teknologifordel. Det er konsekvensen af at have bygget fundamentet rigtigt, før man aktiverede intelligensen.