# AI og data, der skaber reel effekt URL: https://vellox.se/da/blog/ai-och-data-som-skapar-effekt Published: 2026-08-17 Tags: AI, Business Intelligence, Dataanalyse, MCP, Semantisk model, Digitalisering AI ændrer måden, virksomheder arbejder og træffer beslutninger på. Men effekten kommer ikke fra modellen – den kommer fra dataene under den. Sådan tager du skridtet fra AI-eksperiment til nytte, du faktisk kan stole på. ## AI som katalysator – men effekten ligger i dataene AI ændrer grundlæggende, hvordan virksomheder arbejder, skaber værdi og konkurrerer. Anvendt rigtigt øger det både tempoet og kvaliteten i beslutninger, der tidligere krævede dage af manuelt arbejde. Men reel effekt kræver mere end teknologi. Vi ser samme mønster hos virksomhed efter virksomhed: AI-værktøjerne er allerede på plads. Medarbejderne bruger dem hver dag til at opsummere tekst, skrive udkast og rydde op i indbakken. Det, der mangler, er koblingen til virksomhedens egne tal. Så snart spørgsmålet handler om den egen forretning – hvilke kunder mister vi, hvad er der sket med marginen, hvordan ser lageret ud – står AI'en uden grundlag og begynder at gætte. Forskellen mellem et hyggeligt eksperiment og noget, der faktisk ændrer arbejdsmåden, ligger næsten altid i dataene under. Ikke i, hvilken model man valgte. ## Derfor går de fleste AI-initiativer i stå Et AI-svar er aldrig bedre end det grundlag, det bygger på. Og i de fleste virksomheder ser grundlaget nogenlunde sådan ud: - forretningsdataene ligger i ERP-systemet, i tabeller bygget til transaktioner - vigtige begreber mangler en fælles definition, så "omsætning" betyder forskellige ting - dele af sandheden findes i regneark, der fungerer som masterdata - historikken er ufuldstændig, fordi systemet overskriver i stedet for at gemme Kobler man en AI-assistent direkte til et sådant miljø, får man svar, der lyder godt, men ikke holder. Og et svar, der lyder godt, men er forkert, er farligere end intet svar – det opdages sjældent, før nogen har truffet en beslutning på det. Derfor mener vi, at AI-spørgsmålet grundlæggende er et dataspørgsmål. Rækkefølgen betyder noget: strukturér først, prompt derefter. ## Fra AI-eksperiment til skalerbar nytte Vejen dertil behøver ikke være lang, men den skal være den rigtige. Kort fortalt handler den om at: - **samle forretningsdataene** fra de systemer, hvor de faktisk opstår - **definere begreberne én gang**, så alle beregner margin på samme måde - **kvalitetssikre nøgletallene** i en model, som både rapporter og AI læser fra - **åbne modellen for AI** i stedet for at lade AI'en lede i rå tabeller - **styre adgangen**, så hver bruger kun ser det, den skal se Det er præcis den rækkefølge, Vellox er bygget til. Dine data hentes fra ERP-systemet, struktureres i en semantisk model og bruges derefter af både dine rapporter og din AI-assistent. Samme tal, samme definitioner, uanset hvor spørgsmålet stilles. ## Sådan kan vi hjælpe dig **1. Læg grunden – en semantisk model over din virksomhed.** Vi henter data direkte fra Business Central, Jeeves, Monitor, Pyramid eller Visma Business og strukturerer dem i Vellox datavarehus. Modellen dækker salg, indkøb, lager, produktion og økonomi, og den er færdigkonfigureret til dit ERP-system fra start. **2. Prompt dine data.** Med Vellox MCP kobles Claude eller ChatGPT direkte til din semantiske model. Assistenten forstår dine moduler og nøgletal og henter aktuelle tal i stedet for at gætte. Spørgsmål, der tidligere krævede en analytiker og et par timer, besvares på sekunder – med et grundlag, du kan gå tilbage til og granske. **3. Byg dit eget ovenpå.** Vores REST API leverer samme verificerede data, som driver Vellox' moduler. Det gør det muligt at bygge kundeportaler, indlejrede dashboards, automatiseringer og egne AI-agenter uden at bygge et nyt datagrundlag for hvert initiativ. **4. Hold det ansvarligt.** AI mod forretningsdata rejser rimelige spørgsmål om sikkerhed og governance. Koblingen til Vellox er læsende – ingen skriveoperationer er mulige – og du bestemmer, hvilke dele af modellen der eksponeres og for hvem. Med EU's AI-forordning på plads bliver det desuden stadig vigtigere at kunne vise, hvor et svar kommer fra. En model med sporbare definitioner gør det spørgsmål let at besvare. **5. Få det ind i hverdagen.** Nytten opstår, når controlleren, salgschefen og produktionslederen selv stiller spørgsmålene. Vi hjælper med de første anvendelsestilfælde, viser hvordan man spørger, og sørger for, at svarene ender i beslutninger i stedet for i endnu en rapport, ingen åbner. ## Hvordan det ser ud i praksis Nogle eksempler på spørgsmål, vores kunder stiller direkte til deres egne data: - Hvilke ti kunder mistede vi mest omsætning på i sidste kvartal? - Hvor meget af leverandørernes prisstigninger har vi ført videre til kunden? - Hvilke varer binder kapital på lager uden at have bevæget sig i seks måneder? Det, der gør svarene brugbare, er ikke, at de kommer hurtigt. Det er, at de bygger på samme tal som ledelsesrapporten – og at den, der får svaret, kan stille opfølgende spørgsmål med det samme i stedet for at bestille en ny analyse. ## Start i den rigtige ende Hvis AI føles som noget, der burde give mere, end det gør i dag, er det sjældent modellen, der er noget galt med. Det er oftest, at den mangler noget at arbejde med. Gå ind på [www.vellox.se](https://www.vellox.se) og book en demo, så viser vi, hvordan Claude eller ChatGPT svarer på spørgsmål om netop din virksomhed – med dine egne data.