Hvad koster en AI-agent, og hvordan beregner man gevinsten?

Flere virksomheder undersøger mulighederne for at bruge AI-agenter til at automatisere arbejdsprocesser. Med teknologier som Microsoft Copilot Studio og Dynamics 365 kan AI-agenter blandt andet hjælpe med at behandle kundeordrer, håndtere henvendelser og opdatere oplysninger på tværs af systemer.

Inden virksomheden investerer i en AI-agent, er det vigtigt at få svar på et grundlæggende spørgsmål: Skaber løsningen mere værdi, end den koster? For selvom en opgave kan automatiseres, er det ikke ensbetydende med, at automatiseringen er en god investering. Det afhænger blandt andet af, hvor ofte opgaven udføres, hvor meget tid AI-agenten kan spare, og hvad det kræver at udvikle og vedligeholde løsningen.

Derfor bør virksomheden se på både de samlede omkostninger og den værdi, AI-agenten forventes at skabe.

Der findes ikke én fast pris på en AI-agent. Omkostningerne afhænger af, hvad AI-agenten skal kunne, hvilke systemer den skal arbejde med, og hvor kompleks arbejdsprocessen er. En AI-agent, der besvarer medarbejdernes spørgsmål på baggrund af eksisterende dokumentation, vil typisk kræve mindre udviklingsarbejde end en AI-agent, der skal behandle kundeordrer og opdatere oplysninger i flere forretningssystemer.

For at få et retvisende billede af investeringen er det vigtigt at medregne både de indledende og de løbende omkostninger.

Udvikling og opsætning

Den første omkostning er arbejdet med at designe, udvikle og teste AI-agenten. Det omfatter blandt andet at kortlægge arbejdsprocessen, definere AI-agentens opgaver og sikre, at løsningen fungerer i de situationer, den skal håndtere.

Med Microsoft Copilot Studio kan virksomheder udvikle AI-agenter med eksisterende værktøjer og forbindelser, hvilket i nogle tilfælde kan reducere behovet for specialudvikling. Men selvom teknologien gør det lettere at bygge en AI-agent, skal virksomheden stadig bruge tid på at sikre, at løsningen understøtter den rigtige proces.

Licenser og forbrug

En anden omkostning er de licenser og den kapacitet, AI-agenten kræver. I Microsoft Copilot Studio måles forbruget af AI-agenter i Copilot Credits, som er den enhed, Microsoft bruger til at beregne det forbrugsbaserede omkostningsniveau.

Hvor mange Copilot Credits en AI-agent bruger, afhænger blandt andet af, hvordan den er bygget, hvor ofte den anvendes, og hvilke funktioner den benytter. Eksempelvis kan der være forskel på forbruget, alt efter om AI-agenten besvarer et spørgsmål eller udfører handlinger på tværs af virksomhedens systemer. For visse AI-funktioner kan antallet af anvendte tokens også have betydning for forbruget.

Derfor bør virksomheden undersøge det forventede forbrug af Copilot Credits, hvilke licenser den allerede har, og hvordan omkostningerne kan udvikle sig, når flere medarbejdere begynder at bruge AI-agenten.

Vil I vide mere om, hvordan Copilot Credits fungerer, og hvad der påvirker prisen? Se vores broadcast Copilot Credits: Hvad koster AI, og hvad får du for pengene?, hvor vi gennemgår Microsofts forbrugsmodel og giver konkrete eksempler på, hvordan I kan holde styr på omkostningerne.

Integrationer til virksomhedens systemer

En AI-agent skaber ofte størst værdi, når den kan arbejde med de systemer, medarbejderne allerede bruger. Det kan eksempelvis være Dynamics 365, Business Central, SharePoint eller andre forretningssystemer.

Men integrationer kræver også arbejde. AI-agenten skal kunne hente de relevante oplysninger og eventuelt udføre handlinger på tværs af systemerne. Hvis de nødvendige forbindelser allerede findes, kan arbejdet være forholdsvis enkelt. Hvis der derimod skal udvikles særlige integrationer eller tilpasses eksisterende systemer, kan det øge investeringen.

Drift, vedligeholdelse og kontrol

Omkostningerne stopper ikke, når AI-agenten bliver taget i brug. Arbejdsprocesser ændrer sig, systemer bliver opdateret, og nye behov opstår. Derfor skal AI-agenten løbende overvåges, vedligeholdes og eventuelt justeres.

Der skal også afsættes ressourcer til sikkerhed, adgangsstyring og kontrol af AI-agentens handlinger. Det gælder særligt, hvis AI-agenten arbejder med forretningskritiske oplysninger eller selv kan gennemføre ændringer i virksomhedens systemer. Her spiller AI governance en vigtig rolle, fordi virksomheden skal have styr på, hvad AI-agenten må gøre, og hvornår medarbejdere skal godkende dens handlinger.

Omkostningerne til drift og kontrol bør indgå i business casen fra begyndelsen, så virksomheden vurderer den samlede investering frem for kun prisen på at udvikle AI-agenten.

Når omkostningerne er kortlagt, er næste skridt at undersøge, hvor AI-agenten kan skabe værdi. Her er det oplagt at begynde med de arbejdsprocesser, hvor medarbejderne bruger meget tid på gentagne opgaver.

Forestil jer eksempelvis en virksomhed, hvor kundeservice hver dag bruger tid på at finde ordreoplysninger, kontrollere leveringsstatus og opdatere kundeordrer. Hvis en AI-agent kan overtage dele af arbejdet, kan medarbejderne bruge mindre tid på den enkelte henvendelse.

Ved at kortlægge den nuværende proces bliver det muligt at sammenligne situationen før og efter implementeringen og dermed vurdere, om AI-agenten faktisk skaber den forventede værdi.

En god business case behøver ikke begynde med komplicerede beregninger. Det vigtigste er at have et realistisk billede af opgaven, omkostningerne og de forventede gevinster.

Start med en konkret arbejdsproces. Identificér en proces, hvor medarbejderne bruger tid på gentagne opgaver. Det kan eksempelvis være behandling af kundeordrer, håndtering af fakturaer eller besvarelse af bestemte typer kundehenvendelser. Jo tydeligere processen er afgrænset, desto lettere bliver det at vurdere, hvilke opgaver AI-agenten kan overtage, og hvor meget arbejde der fortsat kræver menneskelig involvering.

Kortlæg tidsforbrug og omkostninger. Undersøg, hvordan processen fungerer i dag. Hvor mange opgaver håndteres, hvor lang tid tager de, og hvor opstår der typisk forsinkelser eller fejl? Det er også relevant at undersøge, om medarbejderne bruger tid på efterfølgende rettelser, eller om processen kræver, at oplysninger flyttes manuelt mellem flere systemer. Disse oplysninger giver et udgangspunkt for at beregne den potentielle gevinst ved automatisering.

Estimér den samlede investering. Når arbejdsprocessen er kortlagt, kan virksomheden vurdere, hvad det kræver at udvikle og implementere AI-agenten. Her skal både udvikling, licenser, integrationer og løbende drift medregnes. Det er samtidig vigtigt at tage højde for, at AI-agenten måske ikke kan overtage hele processen fra begyndelsen. Nogle opgaver vil fortsat kræve medarbejdernes vurdering, og det kan være nødvendigt at justere løsningen, efterhånden som virksomheden får erfaring med den.

Sammenlign gevinsterne med omkostningerne. Til sidst skal virksomheden vurdere, om gevinsterne står mål med investeringen. Her kan investeringsafkastet, også kaldet Return on Investment (ROI), bruges som et økonomisk pejlemærke. ROI beregnes ved at trække de samlede omkostninger fra de økonomiske gevinster og sætte resultatet i forhold til omkostningerne.

Det afgørende er dog ikke selve formlen, men de forudsætninger, der ligger bag. Hvis virksomheden forventer at spare medarbejdertid, skal den også tage stilling til, hvordan den frigjorte tid skaber økonomisk værdi. Og hvis AI-agenten forventes at reducere fejl, bør virksomheden undersøge, hvad fejlene faktisk koster i dag. Ved at gøre forudsætningerne tydelige bliver det lettere at vurdere investeringen og justere forventningerne, hvis resultaterne ændrer sig.

En af de vigtigste ting at være opmærksom på i business casen er forskellen mellem tidsbesparelser og økonomiske besparelser. Hvis en AI-agent frigiver medarbejdernes tid, betyder det ikke nødvendigvis, at virksomhedens omkostninger falder tilsvarende.

Forestil jer eksempelvis en HR-afdeling, der bruger meget tid på at besvare spørgsmål om ferie, fravær og interne retningslinjer. En AI-agent overtager 600 spørgsmål om måneden og frigør dermed 80 arbejdstimer. Med en timeomkostning på 500 kr. svarer det til en potentiel værdi på 40.000 kr. om måneden (80 × 500 kr.) eller 480.000 kr. om året.

Det er dog ikke automatisk en kontant besparelse. Værdien afhænger af, om HR-afdelingen kan bruge den frigjorte kapacitet til eksempelvis at undgå nyansættelser, reducere udgifter til ekstern hjælp eller løse mere værdiskabende opgaver. Samtidig skal udgifterne til udvikling og drift af AI-agenten medregnes for at vurdere den samlede økonomiske gevinst.

Derfor bør virksomheden allerede inden implementeringen tage stilling til, hvad den ønsker at opnå med automatiseringen: Er målet at reducere omkostninger, øge kapaciteten eller forbedre kvaliteten af arbejdet? Svaret har betydning for, hvordan AI-agentens værdi skal måles.

AI-agenter kan skabe betydelige gevinster, men en god business case kræver, at virksomheden ser på både udvikling, licenser, integrationer og løbende drift.

Hos Fellowmind hjælper vi virksomheder med at identificere de arbejdsprocesser, hvor AI-løsninger kan skabe reel forretningsværdi. Vi arbejder med Microsofts teknologier og hjælper med at omsætte mulighederne til løsninger, der passer til virksomhedens behov og eksisterende systemer.

Vil I undersøge, hvad en AI-agent vil kræve af investering i jeres virksomhed, og hvilke gevinster I kan forvente? Kontakt os, eller skriv til info@fellowmind.dk, og lad os tage en snak om mulighederne.