Start med dine data, ikke din bot

Kort fortalt. De fleste AI-pilotprojekter går aldrig i gang, fordi ambitionen var for stor. Andre ser imponerende ud, men kan ikke ændre noget, fordi de afhænger af data, modellen ikke kunne nå eller ikke bør stole på. Brug en eftermiddag på dine datakilder, og start så med en use case, der ikke kræver integration og ikke kan gøre dig forlegen.

Som regel er en af tre ting sand. Du har ikke dataene, de er ikke strukturerede, eller de bor i erfaringen hos folk, der har været her i årevis. Den sidste er den mest almindelige og den mest smigrende at ignorere.

Hvor denne artikel hører til i serien

Dette er den tredje af fire sammenhængende artikler om at bevæge sig fra køstyring til ejerskab over kunderejsen.

På nuværende tidspunkt bør to ting findes på papir. Del et gav dig en uges loggede kontaktårsager og en ejer med rækkevidde ud over kontaktcentret. Del to lavede det om til et kanalkort plus en skriftlig liste over de ting, du aldrig vil automatisere.

Denne del stiller det spørgsmål, de to dokumenter ikke kan besvare alene: er dine data gode nok til at understøtte de automatiserede dele af det kort. Den fastsætter også de to mål, du kommer til at rapportere på de næste to år, et for omkostninger og et for kunden. Del fire tager de mål og bygger den løkke, der holder dem ærlige.

En eftermiddag med dine datakilder

List alle de kilder, der betyder noget: interaktionshistorik, IVR- og routingdata, optagelser og transskriptioner, CRM, videncenter og dit ordre- eller ticketsystem. Besvar tre spørgsmål for hver. Er den komplet. Er den aktuel. Kan en AI-agent nå den via en API.

Tre kolonner, seks rækker, klaret på en eftermiddag. Det er som regel nok til at finde flaskehalsen, og flaskehalsen er som regel videncentret. Ikke teknologien, men det faktum, at ingen ejer det. Artikler, der var korrekte for to år siden, er værre end slet ingen artikler, fordi en bot vil citere dem med fuld overbevisning.

Stil de samme tre spørgsmål til dit CRM. Er det komplet, og giver det dig et reelt 360-graders billede af en kunde, eller en håndfuld fragmenter. Hvis der ikke er nok i systemet, vil AI selvsikkert give det forkerte svar.

Markedet er nået frem til samme konklusion. I DMG Consultings 2026-undersøgelse er rapportering, analyse og business intelligence den planlagte investering nummer et med 41 %, foran AI-infrastruktur. Datakvalitet er en delt topbekymring med 37,1 %. Analytikernes dækning af CCaaS-markedet i 2026 lander samme sted: at sikre datapipelines og forbedre videncentre kommer før autonom service, ikke efter. En generel sprogmodel sluppet ned i et rodet datalandskab er ikke egnet til det meste kundeservicearbejde.

"Et videncenter, der kun findes i hovedet på en med femten års anciennitet, er ikke et videncenter."

Det er også et single point of failure, som ingen har på et risikoregister. Testen er enkel. Hvis den person holdt op næste måned, hvor meget af din servicekvalitet ville så forsvinde med vedkommende? Det tal er din reelle automatiseringsparathed, og det er som regel lavere, end platformsdemoen antyder.

Start indefra. Tre use cases, der ikke kræver integration

Vores råd er som regel at begynde der, hvor dataproblemet ikke blokerer dig. Nemme cases, reel effekt, ingen kunderisiko.

Samtaleresuméer. Folk mærker den sparede tid. Den reelle gevinst er ensartethed. Du beslutter formatet én gang, i prompten. Punkter eller prosa, altid tre handlingspunkter. Nu har du registreringer, du kan analysere, i stedet for fyrre personlige stilarter.

At forstå, hvad folk rent faktisk kontakter dig om. De fleste organisationer ved det ikke. Det, de har, er den med den højeste stemme i afdelingen, der siger det her igen, det får jeg hele tiden. Automatiseret kvalitetsmonitorering af hver samtale viser årsagen, ikke bare emnet, hvilket er den manuelle øvelse fra del et, der kører kontinuerligt i stedet for i en uge. Hvis en stor del af kontakten kan spores tilbage til et faktureringsproblem, er det ikke et kontaktcenterproblem. Det er en samtale med faktureringsafdelingen, og nu har du beviset til at starte den.

Coaching. Den traditionelle version er en supervisor og tre optagede opkald hver par uger og en agent, der altid kan hævde, at du valgte de forkerte tre. At lytte til tre opkald hver fjerde uge er en subjektiv stikprøve. At se på dem alle giver dig en tendens, og en tendens er noget, du kan coache på. Pointen er at gøre agenten bedre, ikke at vinde diskussionen.

Vælg en første kundevendt use case, der ikke kan gøre dig forlegen

Når du går udenfor, så brug klare kriterier: høj volumen, lav variation, lav følelsesmæssig vægt, data allerede tilgængelige og målbart. Det peger som regel på ordre- og leveringsstatus, åbningstider og simple FAQ'er eller ombooking af en aftale.

Kryds shortlisten af mod aldrig-automatisér-listen fra del to, før noget går i luften. Hvis en kandidat berører sorg, sårbarhed eller sikkerhed, ryger den af listen, uanset hvor godt den scorer på volumen.

Og brug først årsagsloggen fra del et. Hvis uklare fakturaer er din største kontaktårsag, er den hurtigste gevinst måske slet ikke automatisering. Det kan være én sætning, der ændres på fakturaen.

Det hjælper at være realistisk omkring, hvor markedet rent faktisk er. Gartners overskriftsforudsigelse er, at agentisk AI autonomt vil løse 80 % af almindelige kundeservicesager inden 2029. Målt i dag placerer branchens opsamlinger den faktiske selvbetjeningsløsning tættere på 14 %, og kun omkring hver femte agent rapporterer overhovedet at have generative AI-værktøjer til rådighed. Gabet mellem prognosen og gulvet er ikke en grund til at vente. Det er en grund til at starte smalt, bevise det og udvide ud fra evidens frem for ud fra en slide.

Ét kundemål ved siden af omkostningsmålet

Omkostninger er en legitim grund til at investere. Lige nu er det næsten den eneste. I DMG-undersøgelsen er det at reducere driftsomkostninger og øge skalerbarhed det primære AI-mål for 60,5 % af respondenterne. At forbedre kundeoplevelsen med personaliseret, AI-drevet interaktion kommer ind på sjettepladsen med 28,7 %.

Hvis omkostninger er din eneste KPI, er den eneste samtale, der er tilbage om to år, marginen. En business case, der kun handler om omkostninger, optimerer for containment, og containment er let at forfalske. Afvis 40 % af kontakterne og kald det en sejr, mens de 60 %, der eskalerer, venter længere og gentager sig selv to gange.

Så vælg én kundemetrik, du ville forsvare over for din bestyrelse, og rapportér den ved siden af besparelserne fra dag et. First contact resolution på dine tre største kontaktårsager. Tid til løsning for kunder, der faktisk når frem til et menneske. Tilfredshed målt specifikt på automatiserede kontakter, ikke blandet ind i gennemsnittet. Ét tal er nok. Det holder din business case ærlig, når det andet år med budgetforhandlinger kommer.

Gør dette i denne uge

• Byg listen med tre kolonner over dine datakilder
• Udpeg en ejer for videncentret
• Skriv dit omkostningsmål og ét kundemål ned, på samme side

Tjekliste, del 3

• Primært mål for AI er udtrykkeligt angivet
• Ét målbart kundemål ved siden af omkostningsmålet
• Datakilder gennemgået for fuldstændighed, aktualitet og API-adgang
• Videncentret har en udpeget ejer
• CRM tjekket for et reelt kundebillede, ikke fragmenter
• Første use case valgt ud fra volumen, variation, risiko og målbarhed
• Intern use case overvejet før noget kundevendt
• Tjekket, om en opstrøms-rettelse slår automatisering

Næste i denne serie

Du har nu to mål på én side og en første use case, der er smal nok til at bevise. Del fire, Tænd for det, mål det, og vær villig til at slukke det, dækker, hvad der sker efter go-live: de fire ting, der er værd at måle, rytmen med én ændring om måneden, og hvorfor det at slukke for noget tæller som en succes frem for en fiasko.

Læs hele serien

Disse fire artikler er skrevet til at læses i rækkefølge. Hver enkelt producerer noget, den næste bruger.

• Del 1. Ordn mandatet, før du ordner køen. Hvem ejer problemet, og hvor langt rækker deres mandat.
• Del 2. Kend din kunde, og vælg så dine kanaler. Hvilken kontaktårsag hører til hvilken kanal, og hvad du aldrig vil automatisere.
• Del 3. Start med dine data, ikke din bot (du læser denne). Om dine data kan understøtte det, du vil automatisere, og hvor du skal starte.
• Del 4. Tænd for det, mål det, og vær villig til at slukke det. Løkken, der holder de tre første dele i live efter go-live.

Kilde: DMG Consulting LLC, 2026 CX AI Playbook: Strategic Outlook and Investment Priorities, februar 2026, sponsoreret af Five9. Yderligere markedsdata fra Gartner, Zendesk og offentlig analytikerkommentar, hentet august 2026.