Fra ordre i indbakken til ordresystemet: sådan kan AI fjerne manuel ordreindtastning

En kunde sender en ordre på mail. En medarbejder læser den, finder varenumre og antal, opretter kunden, taster ordrelinjerne ind og kontrollerer leveringsadressen. Ti minutter senere ligger ordren i systemet.

Problemet er bare, at der måske ligger 30 mere i indbakken.

Det er et meget konkret eksempel på en arbejdsgang, hvor AI og automatisering kan give mening. Ikke fordi AI skal overtage salget, tale med kunden eller træffe store beslutninger. Men fordi nogen lige nu bruger tid på at oversætte noget, et menneske kan læse, til noget et computersystem kan forstå.

Og det er en opgave, der i mange tilfælde kan automatiseres.

Ordren kommer allerede digitalt – men arbejdet er stadig manuelt

Forestil dig en grossist eller produktionsvirksomhed, hvor en del af kunderne bestiller via mail. Den ene kunde skriver:

En anden sender en PDF med en indkøbsordre. En tredje skriver varenavnene i stedet for varenumrene. En fjerde har sin egen skabelon, som virksomheden har brugt siden cirka dengang, Internet Explorer stadig var en helt legitim browser.

For medarbejderen er det relativt let at forstå. Men ordresystemet vil typisk have noget langt mere struktureret:

• Kundenummer
• Leveringsadresse
• Varenummer
• Antal
• Pris
• Kundens reference
• Ønsket leveringsdato
• Eventuelle kommentarer

Derfor bliver et digitalt dokument paradoksalt nok til en manuel arbejdsopgave. Mailen kommer ind digitalt. Ordren ender digitalt. Men midt imellem sidder et menneske og fungerer som integration.

Her kan AI være forbindelsen mellem mailen og ordresystemet

En klassisk integration fungerer bedst, når data allerede er struktureret. Hvis kunden sender en ordre gennem en webshop, EDI, et API eller en fast datafil, behøver man ikke nødvendigvis AI. Så kan systemerne ofte kobles direkte sammen med en almindelig integration.

Mail er anderledes. Mennesker skriver forskelligt. Vi skriver “12 stk.”, “12x”, “et dusin” eller måske bare: Send lige 12 af dem, vi plejer at få.

Der kan være en vedhæftet PDF. En signatur. En gammel mailtråd. Et kundenummer i emnefeltet. En leveringsadresse nederst i beskeden og en faktureringsadresse i signaturen.

Det er netop i det mellemrum, AI kan være interessant. AI'en kan analysere mailen og eventuelle relevante bilag og omsætte informationen til et fast struktureret format.

Nu er teksten ikke længere bare en mail. Nu er der data. Og data kan man arbejde videre med.

{
  "customer": "Eksempel Industri ApS",
  "customer_reference": "PO-18432",
  "delivery_date": "2026-08-27",
  "delivery_city": "Odense",
  "order_lines": [
    { "item_number": "43821", "quantity": 12 },
    { "item_number": "43827", "quantity": 4 }
  ]
}

Men AI skal ikke bare have lov til at trykke på den store grønne knap

Det er her, jeg synes automatisering bliver interessant. For opgaven er ikke bare:

Mail → AI → ordre oprettet.

Det ville være dejligt enkelt. Det ville også være en glimrende måde at opdage, hvor kreative kunder kan være med varenumre og leveringsinstruktioner.

Et mere realistisk flow kunne være:

1. En ny mail lander i virksomhedens ordreindbakke.
2. Systemet identificerer, om mailen sandsynligvis indeholder en ordre, og sender de relevante mails videre til behandling.
3. AI udtrækker kunde, reference, produkter, antal, leveringsoplysninger og øvrige relevante data.
4. Oplysningerne valideres mod virksomhedens egne systemer: Findes kunden? Findes varenummeret? Er varen aktiv? Mangler der obligatoriske oplysninger?
5. Består data kontrollen, oprettes ordren automatisk eller som kladde i ordresystemet.
6. Er noget usikkert, sendes ordren til en medarbejder med de relevante felter fremhævet til kontrol.

Det sidste punkt er vigtigt. En god automatisering behøver ikke automatisere 100 procent af processen for at skabe værdi.

Hvis systemet kan håndtere 80 procent af arbejdet og præsentere de resterende 20 procent på en måde, der tager medarbejderen 30 sekunder at kontrollere, kan det stadig være en markant forbedring.

Hvad hvis kunden skriver det “forkert”?

Det er samtidig en af fordelene ved at bruge AI på netop denne del af processen.

En almindelig regelbaseret import kan være fantastisk, så længe inputtet ser ud præcis, som vi forventer. Kolonne A er varenummer. Kolonne B er antal. Kolonne C er pris. Fint.

Men mennesker har en irriterende vane med ikke altid at kommunikere som CSV-filer. En kunde kan skrive: Vi skal bruge 20 af den samme blå model som sidst.

AI kan hjælpe med at identificere intentionen og finde de oplysninger, der allerede er tilgængelige. Men det betyder ikke, at systemet automatisk bør gætte sig frem til en ordre.

Hvis “den blå model” kan være tre forskellige produkter, skal automatiseringen stoppe. Den kan eksempelvis markere: Produkt kan ikke identificeres entydigt. Kræver kontrol.

Det interessante er derfor ikke kun, hvad systemet kan automatisere. Det er mindst lige så vigtigt at definere, hvornår det skal lade være:

• Når produktet ikke kan identificeres entydigt.
• Når kunden ikke kan matches til et kundenummer.
• Når antal eller enhed er tvetydigt.
• Når leveringsadressen ikke findes på kundens kartotek.
• Når en vare er udgået eller sat på spærring.
• Når ordren afviger væsentligt fra kundens normale mønster.

En automatisering, der ved, hvornår den ikke skal handle, er langt mere brugbar end en, der altid gør noget.

AI er kun én del af løsningen

Det kan være fristende at kalde hele løsningen for en “AI-automatisering”. Men AI'en udfører faktisk kun en bestemt opgave: den fortolker det ustrukturerede indhold.

Resten er mere traditionel softwareudvikling og integration mellem systemerne:

• Mailen skal hentes fra Microsoft 365, Gmail eller en anden mailkonto.
• Kunden skal slås op i ERP-systemet.
• Produkterne skal valideres.
• Ordren skal oprettes gennem et API.
• Fejl skal logges, så de kan undersøges bagefter.
• En medarbejder skal kunne se, hvad der er sket, og hvorfor.
• Og systemet skal vide, hvad det gør, hvis ordresystemet er utilgængeligt tirsdag morgen klokken 09.17.

AI'en er altså ikke nødvendigvis hovedpersonen. Den er bare den komponent, der gør det muligt at automatisere en proces, som tidligere var svær at automatisere, fordi inputtet ikke var ensartet.

Det er efter min mening også dér, AI bliver mest interessant i virksomheder. Ikke når vi forsøger at putte AI ind alle steder. Men når teknologien kan fjerne en konkret barriere i en eksisterende arbejdsgang.

Hvad kan virksomheden få ud af det?

Den oplagte gevinst er selvfølgelig tid. Hvis en medarbejder bruger fem minutter på at behandle en mailordre, lyder det ikke voldsomt. Men ved 40 ordrer om dagen er det mere end tre timers arbejde. Hver dag.

Derudover er der risikoen for de små fejl, der følger med manuel indtastning:

• Et forkert varenummer.
• Et glemt referencefelt.
• 12, der bliver til 21.
• En leveringsadresse, der kommer med fra den forkerte del af mailtråden.

Automatisering fjerner ikke behovet for kontrol og gode processer. Men den kan flytte medarbejderens rolle fra “læs alt og tast alt” til “kontrollér det, systemet ikke selv er sikkert på”.

Det er en væsentlig forskel.

Det behøver ikke være ordrer

Det samme princip kan bruges mange andre steder. Det afgørende mønster er:

Der kommer ustruktureret information ind → et menneske fortolker den → oplysningerne tastes struktureret ind i et andet system.

Det kan være kundehenvendelser, tilbudsforespørgsler, supportmails, leverandørbekræftelser, fragtinformation, dokumenter eller interne bestillinger.

Hver gang et menneske sidder og fungerer som oversætter mellem en mail og et IT-system, er det værd at spørge: Behøver vi egentlig gøre hele den del manuelt?

Svaret er ikke altid nej. Men spørgsmålet er værd at stille.

Start med arbejdsgangen – ikke med AI

Jeg ville ikke starte sådan et projekt med spørgsmålet: “Hvordan kan vi få AI ind i vores ordrebehandling?”

Jeg ville starte med: “Hvordan behandler I en ordre i dag?”

• Hvor kommer den fra?
• Hvem læser den?
• Hvad leder medarbejderen efter?
• Hvilke oplysninger skal kontrolleres?
• Hvor bliver de tastet ind?
• Hvilke undtagelser findes?
• Og hvilke fejl vil være kritiske?

Først når arbejdsgangen er forstået, giver det mening at beslutte, hvor meget der kan automatiseres, hvor AI eventuelt kan bruges, og hvor et menneske fortsat skal være involveret.

Nogle virksomheder vil kunne automatisere næsten hele processen. Andre vil have mest værdi af, at systemet blot læser ordren, udfylder en kladde og lader medarbejderen godkende den. Begge dele kan være en god løsning.

Målet er ikke flest mulige AI-funktioner. Målet er mindre unødvendigt arbejde og en proces, man faktisk tør stole på.

Har I en arbejdsgang, der stadig starter med “så læser vi mailen og taster det ind”?

Så kan det være værd at kigge nærmere på.

Jeg hjælper virksomheder med at analysere arbejdsgange og bygge integrationer og automatiseringer, hvor systemer, data og AI bruges dér, hvor det giver reel mening. Vil du se princippet i mindre skala først, har jeg skrevet om, hvordan automatisering sparer manuelt arbejde, og om integration mellem webshop og økonomisystem.

Det behøver ikke starte med et stort projekt. Nogle gange starter det bare med den ene irriterende proces, som nogen har udført manuelt så længe, at ingen længere har spurgt hvorfor.