Hvordan træffer en digital medarbejder beslutninger?
En digital medarbejder træffer ikke frie AI-beslutninger. Den vurderer normale sager inden for mandat, kilder, kriterier og stopregler.
Kort svar
En digital medarbejder træffer beslutninger ved at arbejde inden for et afgrænset mandat. Den læser aftalte kilder, sammenholder dem med konkrete kriterier, vælger kun mellem tilladte handlinger og logger kilder, usikkerhed og næste skridt. Den bør ikke træffe frie ledelses-, HR-, juridiske eller økonomiske beslutninger. Når sagen falder uden for mandatet, skal den stoppe og eskalere med et beslutningsgrundlag.
Problemet i praksis
Mange ledere kan godt se værdien i en digital medarbejder, men bliver utrygge ved ordet beslutning.
Hvis beslutninger beskrives som fri AI-autonomi, lyder det uforsvarligt. Hvis alt kræver manuel godkendelse, bliver rollen bare endnu et udkastværktøj.
I praksis ligger mange små driftsbeslutninger i hovedet på erfarne medarbejdere: hvad er en normal sag, hvad mangler, hvem skal tage næste skridt, og hvornår skal noget stoppes?
Hvad ændrer sig med en digital medarbejder?
Beslutninger gøres konkrete: kilder, kriterier, handlingstype, log og stopregel.
Den digitale medarbejder kan arbejde autonomt i normale lavrisiko-sager uden at vente på godkendelse af hvert trin.
Undtagelser bliver synlige, fordi rollen eskalerer med kilder, begrundelse og foreslået næste handling.
Beslutning betyder ikke fri autonomi
Når vi siger, at en digital medarbejder kan træffe beslutninger, mener vi ikke, at den får lov til at bestemme frit. Vi mener, at den kan vælge mellem nogle få aftalte handlinger i normale sager.
Det kan være at markere en faktura som “mangler bilag”, flytte en henvendelse til “klar til svarudkast”, oprette en intern opgave eller foreslå, hvem der bør tage næste skridt.
Det er små driftsbeslutninger. Ansvarstunge beslutninger kræver stadig en procesejer, klare stopregler og menneskelig overtagelse ved undtagelser.
Den praktiske model: kilder, kriterier, handling og stop
En god beslutningsmodel starter med kilderne. Hvilken mail, hvilket dokument, hvilket CRM-felt, hvilken ordre eller hvilken rapport må rollen bruge?
Dernæst kommer kriterierne. Hvad gør en sag normal? Hvad gør den usikker? Hvilke afvigelser betyder, at den digitale medarbejder ikke må fortsætte selv?
Til sidst kommer handlingstypen: må den gøre noget selv, må den kun forberede et udkast, eller skal den eskalere? Den rækkefølge gør beslutningen forståelig for både leder, medarbejder og IT.
Eksempel: fakturakontrol
En digital medarbejder til fakturakontrol kan sammenligne faktura, ordre, leverandør og tidligere dialog. Hvis beløb, leverandør og ordregrundlag matcher aftalte kriterier, kan den markere sagen som normal eller klar til næste interne trin.
Hvis leverandøren er ukendt, bankoplysninger er ændret, beløbet ligger over en grænse, eller ordren ikke stemmer, skal den stoppe. Den bør ikke betale, bogføre endeligt eller ændre stamdata som første version.
Når den stopper, skal den ikke bare skrive “fejl”. Den skal vise faktura, ordre, feltet der afviger, og hvad en person bør tage stilling til.
Eksempel: kundeservice og opfølgning
I kundeservice kan en digital medarbejder læse en henvendelse, finde kundestatus og foreslå næste handling: standardsvar, intern opgave, afvent lagerstatus eller eskalering.
En almindelig forespørgsel kan måske få et svarudkast. En klage, en nøglekunde, en prisdiskussion, vrede beskeder eller persondata-usikkerhed skal stoppe. Det samme gælder, hvis kilderne siger noget forskelligt.
Det vigtige er ikke, at den svarer hurtigst muligt. Det vigtige er, at den kan skelne mellem normal sag og undtagelse.
Kriterierne skal ud af hovedet på nøglepersonerne
Mange virksomheder har gode beslutningsregler uden at have skrevet dem ned. De ligger hos controlleren, projektlederen, kundeservicelederen eller den erfarne administrative medarbejder.
En digital medarbejder tvinger virksomheden til at gøre reglerne synlige. Hvad betyder “normal”? Hvilke kunder kræver ekstra opmærksomhed? Hvilke beløb, emner eller modtagere kræver stop?
Det arbejde er nyttigt i sig selv. Også hvis første version ender med at være mere kladdebaseret end autonom.
Når almindelig automatisering er nok
Hvis beslutningen er en fast regel, bør man ikke gøre den tungere end nødvendigt. Et workflow kan ofte klare “hvis felt X ændres, så opret opgave Y”. En mailregel kan flytte kendte beskeder. En CRM-automation kan sætte en reminder.
En digital medarbejder giver først mening, når beslutningen kræver kontekst, flere kilder, usikkerhed og undtagelser. Ellers er almindelig automatisering ofte mere stabil.
Det er en vigtig del af kontrollen: vælg den enkleste løsning, der kan bære ansvaret.
Hvad siden ikke lover
Siden lover ikke, at digitale medarbejdere træffer bedre beslutninger end mennesker. Den lover heller ikke juridisk sikkerhed, GDPR-compliance eller fejlfri drift.
Pointen er mere jordnær: beslutninger kan designes som afgrænsede valg med kilder, kriterier, logs og stopregler. Det gør rollen praktisk nok til drift og begrænset nok til at kunne styres.
Hvis virksomheden ikke kan forklare beslutningsgrundlaget, bør den digitale medarbejder ikke have autonomi på området endnu.
Sådan starter man uden at overbygge
- 1
Start med én type beslutning i én arbejdsgang: fx fakturaafvigelser, kundeservice-triage, salgsopfølgning, mødeforberedelse eller intern sagsstatus.
- 2
Skriv mandatet i almindeligt dansk: hvilke kilder tæller, hvilke kriterier bruges, hvilke handlinger må rollen udføre selv, og hvad må den kun forberede?
- 3
Definér stop ved modstridende kilder, manglende kilde, persondata-usikkerhed, pris, betaling, kontrakt, jura, HR, kundeløfter og behov for bredere adgang.
Risici der skal styres
- At kalde brede vurderinger for “beslutninger” og dermed give forventning om, at AI kan overtage ansvar den ikke bør have.
- At beslutningskriterierne er implicitte, så den digitale medarbejder ender med at gætte på praksis.
- At love sikkerhed, compliance, fejlfrihed eller bedre beslutninger uden konkret vurdering, logs og casegrundlag.
Kilder og videre læsning
AI-risiko bør identificeres, måles, styres og følges op; bruges som støtte for praktisk risikostyring og løbende review.
OWASP Top 10 for LLM ApplicationsKendte LLM-/agentrisici som excessive agency, prompt injection, datalæk og tool misuse.
Digitaliseringsstyrelsen: AI-forordningenDansk myndighedsoverblik over AI-forordningen.
Datatilsynet: Kunstig intelligensAI, databeskyttelse og regulatorisk sandkasse.
OpenAI developers: agent resourcesDeveloper resources om agentbygning, tools, evaluering og drift af AI-systemer.
Anthropic: Building effective agentsSkelner mellem workflows og agents; anbefaler simple, komponerbare patterns.
Relaterede sider
Hvordan sætter man mandat, guardrails og stopregler?
En praktisk model for at give en digital medarbejder autonomi med klare rammer: rolle, kilder, handlinger, stopregler, logs og procesejer.
Menneskelig kontrol med digitale medarbejdere
Menneskelig kontrol med digitale medarbejdere handler ikke om at godkende hvert trin, men om rolle, mandat, adgang, logs, stopregler og eskalering.
Stopregler for digitale medarbejdere
Stopregler gør det muligt for en digital medarbejder at arbejde autonomt inden for klare rammer og eskalere undtagelser i stedet for at vente på godkendelse af hvert trin.
Audit logs for AI-agenter
Hvis en AI-agent handler i systemer, skal man kunne se hvad den gjorde. Audit logs er fundamentet for tillid og drift.
Agent governance: styring af digitale medarbejdere
Agent governance handler om roller, adgang, mandat, stopregler, audit logs og ansvar for AI-agenter i drift.
Hvad kan en digital medarbejder ikke?
En digital medarbejder skal have grænser. Se hvad den ikke bør eje, og hvor mennesker, stopregler og almindelig automatisering stadig er rigtige.
Hvad hvis en digital medarbejder laver fejl?
Digitale medarbejdere kan lave fejl. Derfor skal de designes med kilder, logning, test, fallback, reversible trin og stopregler.
Hvornår giver en digital medarbejder ikke mening?
En digital medarbejder er ikke altid den rigtige løsning. Se hvornår en regel, et workflow, ChatGPT eller procesoprydning er bedre.