Købe, tilpasse eller bygge: sådan vælger I den rigtige AI-løsning

I artiklen 9 afsnit

1. Tre veje til en AI-løsning i virksomheden
2. Hvad sker der, hvis I ikke vælger bevidst?
3. Start med at spørge, om I kan købe
4. Syv kriterier, der afgør valget
5. Beslutningstabel: købe, tilpasse eller bygge AI
6. Sådan kan valget se ud i praksis
7. Typiske faldgruber
8. Hvad kan I gøre nu?
9. Ofte stillede spørgsmål

Denne artikel handler om valget mellem at købe, tilpasse og bygge. Om specialudvikling betaler sig, og hvad det kræver, handler den næste artikel i rækken om: skræddersyet software med AI: hvornår betaler det sig?.

Tre veje til en AI-løsning i virksomheden

En AI-løsning til virksomheden kan I få på tre måder: købe den færdig, tilpasse et standardværktøj eller bygge jeres egen. Forskellen ligger i, hvor meget af løsningen der er lavet til jer, og hvor meget I selv skal eje og vedligeholde.

• Købe: Et færdigt værktøj, som I tager i brug, som det er. Det kan være en chatassistent, et mødeværktøj med opsummering eller en AI-funktion, der er kommet med i et system, I allerede betaler for, fx jeres mailsystem, CRM eller regnskabsprogram.
• Tilpasse: Et standardværktøj, som bliver sat op til jeres arbejde. Det kan være konfiguration og faste instruktioner, integrationer til jeres andre systemer (automatiske forbindelser, der flytter data mellem systemerne) eller adgang til jeres egne dokumenter og data, så svarene bygger på jeres viden.
• Bygge: En egen løsning, hvor AI er bygget ind i et system, der er lavet til jeres proces. I vælger selv, hvilken AI-model der bruges, hvilke data den får, og hvordan resultatet indgår i arbejdet.

Grænserne er ikke skarpe. Mange egne løsninger bruger en købt AI-model under motorhjelmen, og mange tilpasninger kræver lidt udvikling.

Før I vælger vej, så tjek, om problemet overhovedet kræver AI. Det afgør artiklen om AI-agent, automatisering eller integration.

Hvad sker der, hvis I ikke vælger bevidst?

Hvis ingen træffer valget mellem at købe, tilpasse og bygge, bliver det truffet alligevel, bare tilfældigt. Typisk sker der en eller flere af disse ting:

• Den tidskrævende opgave bliver, som den er. Tilbuddet tager stadig en time, og den tid betaler I hver uge.
• Medarbejderne finder selv værktøjer. Så bruges der AI uden aftale om data, og ingen ved, hvad der er i spil. Det kaldes skygge-AI.
• Abonnementerne hober sig op. Flere værktøjer gør det samme, og ingen har overblik over, hvad I betaler for.
• Ingen ejer løsningen. Når noget går galt, eller leverandøren ændrer vilkår, er der ingen, der har ansvaret for at reagere.
• Jeres data bliver svære at flytte. Er vejen ud ikke aftalt, bliver et senere skifte dyrere, end det behøvede at være.

Ingen af delene er en katastrofe i sig selv. Men tilsammen betyder de, at I betaler for AI uden at vide, om det løser de opgaver, der koster mest. Et bevidst valg for hver anvendelse undgår det.

Start med at spørge, om I kan købe

Start med at undersøge, om I kan købe, fordi en standardløsning er hurtigst at tage i brug, og fordi andre bærer udvikling og vedligehold. Det er også den mest almindelige vej. I 2024 var den mest almindelige måde for virksomheder i EU at få AI på at købe færdig kommerciel AI-software. Det gjorde 57,9 % af de virksomheder med mindst 10 ansatte, der brugte AI, mens 21,8 % havde udviklet deres egen AI-software eller egne AI-systemer (Eurostat, 2026). Virksomhederne kunne angive flere måder, så en del bruger flere veje på én gang.

Kig også på det, I allerede har. Mange systemer har fået AI-funktioner indbygget, og nogle gange er løsningen allerede betalt. Et overblik over jeres AI-brug viser, hvad der er i spil, før I køber mere.

Syv kriterier, der afgør valget

Valget mellem at købe, tilpasse og bygge afgøres af syv kriterier, og det første vejer tungest. Gå dem igennem for den konkrete anvendelse, ikke for AI i virksomheden som helhed.

1. Hvor særlig er processen? Er det arbejde, som mange virksomheder gør på samme måde, fx mails, mødereferater, tekster eller bogføring, findes der næsten altid et godt standardværktøj. Er processen det, der gør jer forskellige fra konkurrenterne, fx jeres måde at beregne tilbud eller planlægge produktion på, så risikerer I at tilpasse jeres arbejde til værktøjet i stedet for omvendt.

2. Data og integrationer. En AI-funktion i et system kan typisk kun se de data, der ligger i det system. Skal løsningen hente oplysninger fra flere steder, fx både ERP, CRM og et fællesdrev, bliver integrationerne ofte den største opgave. Læs hvornår en integration giver mening. Få systemer med gode standardforbindelser peger mod at købe eller tilpasse. Mange systemer, gamle systemer eller data i egne formater peger mod at bygge.

3. Krav og kontrol. Tjek hvilke data der indgår, hvor de behandles, og om leverandøren bruger dem til træning. Når I køber, er I typisk dem, der bruger systemet, og leverandøren er udbyder efter AI-forordningen (EU's regler for kunstig intelligens). Bygger I selv og tager løsningen i brug under eget navn, kan I selv blive udbyder, fordi en udbyder også er den, der får udviklet et AI-system og tager det i brug under eget navn (AI-forordningen, artikel 3, 2024). Hvad det kræver, afhænger af brugen. Mange interne løsninger er ikke højrisiko, men gælder det fx rekruttering eller vurdering af medarbejdere, skal I kigge nærmere. Kravene til den slags højrisiko-systemer gælder efter ændringen, der trådte i kraft 27. juli 2026, fra 2. december 2027 (Europa-Kommissionen, 2026). Indgår der persondata, gælder databeskyttelsesreglerne uanset vej, og Datatilsynet har materiale om AI.

4. Tid til værdi. Et standardværktøj er som regel hurtigst at tage i brug. En tilpasning tager længere, og en egen løsning længst, men den kan bygges i små trin. Haster det, og er gevinsten usikker, så start med standarden og lær af den.

5. Samlede omkostninger over tid. Sammenlign over flere år, ikke kun det første. Ved køb vokser prisen ofte med antallet af brugere og med forbruget. Ved at bygge betaler I mere i starten og derefter for drift, forbrug af AI-modellen og vedligehold. Regn begge dele ud over mindst tre år, og tæl også den tid, jeres egne folk bruger på opsætning, oplæring og opfølgning.

6. Afhængighed af leverandør. Køber I, er I afhængige af leverandørens priser, vilkår og planer for produktet, og de kan ændre sig. Tjek, hvordan I får jeres data ud, hvis I vil skifte. EU's dataforordning (Data Act) skal gøre det lettere at skifte cloud- og SaaS-leverandør (software, I lejer som en onlinetjeneste) og få data med (Europa-Kommissionen, set 2026), men reglerne har undtagelser, så jeres aftale er stadig det, der tæller. Bygger I, flytter afhængigheden over på den, der udvikler. Sørg for, at I ejer koden og data, at løsningen er dokumenteret, og at AI-modellen kan skiftes ud.

7. Vedligehold. AI-modeller bliver opdateret, og det kan ændre, hvordan en løsning opfører sig. Køber I, står leverandøren for opdateringer, men I bestemmer ikke, hvornår de kommer. Bygger I, skal nogen holde løsningen opdateret, teste kvaliteten af svarene og rette fejl. Det er en løbende opgave, ikke et projekt, der slutter.

Beslutningstabel: købe, tilpasse eller bygge AI

Tabellen viser, hvad der peger mod hver vej, og den kan bruges direkte på et møde. Tag én anvendelse ad gangen, og sæt kryds ved det, der passer. Der, hvor de fleste kryds lander, er et godt udgangspunkt, men kriterium 1 vejer tungest.

Sådan kan valget se ud i praksis

I praksis ender de fleste virksomheder med en blanding, fordi valget træffes for hver anvendelse. Eksemplet viser, hvordan det kan se ud.

Den egne løsning er den mindste af de tre. Byg det, der er særligt for jer, og køb resten. Vil I vide mere om, hvad det indebærer at få bygget noget, så læs om skræddersyet software med AI.

En blanding giver også flere ting at holde styr på. For hver løsning, købt, tilpasset eller bygget, bør I kunne svare på fem spørgsmål: Hvem ejer løsningen? Hvilke data bruger den? Hvilken leverandør og aftale ligger bag? Hvornår blev valget sidst vurderet? Og hvad gør I, hvis leverandøren ændrer vilkår, eller AI-modellen bliver opdateret? Til få løsninger kan et regneark klare det. Når de bliver flere, er det det forarbejde, SPOR skal tage, når det åbner: holde styr på software, AI-værktøjer og egne løsninger med formål, ansvarlig, pris og aftaler ud fra jeres egne oplysninger og sige til, når et valg skal vurderes igen. SPOR er endnu ikke åbnet for kunder.

Typiske faldgruber

De fleste fejl i valget mellem at købe og bygge sker, fordi beslutningen træffes for hurtigt eller for bredt.

• At vælge vej for hele virksomheden: "Vi køber" eller "vi bygger selv" som princip giver dårlige valg. Tag det for hver anvendelse.
• At bygge noget, der kan købes: En egen chatassistent til almindelige tekster er sjældent pengene værd, når standardværktøjerne gør det godt.
• At tilpasse for meget: Et standardværktøj, der er bøjet helt ud af form, bliver dyrt at vedligeholde og svært at opdatere. Så er det i virkeligheden en egen løsning, bare uden fordelene.
• Kun at se på prisen det første år: Licenser, forbrug, drift og intern tid over flere år giver et andet billede.
• At glemme vejen ud: Aftal, hvordan I får data og kode ud, før I går i gang, ikke når I vil skifte.

Hvad kan I gøre nu?

De fleste kan selv træffe valget og tage standardværktøjer i brug. Fire skridt er nok til at komme i gang:

1. Skriv anvendelsen ned. Vælg den opgave, der koster mest tid, og beskriv, hvor arbejdsgangen starter og slutter, hvilke systemer der indgår, og hvor tiden går.
2. Tjek det, I allerede har. Har et af jeres nuværende systemer en AI-funktion, der kan løse opgaven?
3. Gå tabellen igennem. Tag den på et møde for den ene anvendelse, og se, hvor krydsene lander.
4. Prøv i det små. Tjek leverandørens vilkår for data, og aftal en prøveperiode eller et lille pilotprojekt, før I binder jer.

Har I valgt at bygge eller tilpasse, så start med at beskrive behovet uden fagsprog, og læs derefter, hvordan I vælger udvikler eller leverandør: Hvordan vælger I udvikler eller leverandør? Syv spørgsmål at stille.

Har I valgt at bygge, så læs om hvordan et lille udviklingsforløb forløber.

Det kan give mening at få hjælp udefra, når:

• løsningen skal hænge sammen med mange systemer, eller data ligger i gamle eller egne formater
• der indgår persondata, og I er i tvivl om, hvad der gælder, også efter at have læst Datatilsynets vejledninger
• I er i tvivl om, hvorvidt brugen kan være højrisiko, eller om I bliver udbyder
• processen er vigtig for forretningen, og ingen standard passer
• ingen internt har tid til at drive beslutningen og følge op

Hjælpen kan være en vurdering udefra af, om I skal købe, tilpasse eller bygge, eller at få bygget et system med AI, der passer til jeres arbejde. Og kan en standard gøre arbejdet, er mit råd at købe, også selvom jeg selv bygger systemer.

Kort sagt: Køb det, der er almindeligt, tilpas det, der næsten passer, og byg kun det, der er særligt for jer. Den beskrivelse af arbejdsgangen, I lavede i første skridt, er også det bedste udgangspunkt, hvis I vil have et bud udefra.

Ofte stillede spørgsmål

Hvad koster det at bygge en egen AI-løsning?

Det afhænger af, hvor mange systemer løsningen skal tale med, hvor meget der skal bygges, og hvor meget den bruges. Ud over udviklingen skal I regne med drift, forbrug af AI-modellen og løbende vedligehold. Bed om et estimat for de første tre år, ikke kun for udviklingen, og sammenlign med prisen for en standardløsning over samme periode.

Hvilken AI-løsning er bedst til en lille virksomhed?

Til de fleste små virksomheder er et standardværktøj eller AI-funktionen i et system, I allerede har, det bedste sted at starte. Det er hurtigt at prøve og kræver kun lidt vedligehold fra jeres side. En egen løsning giver først mening, når en vigtig proces ikke passer ind i standarden.

Hvad er en RAG-løsning?

En RAG-løsning (retrieval-augmented generation) henter relevante oplysninger fra jeres egne dokumenter eller systemer og giver dem til AI-modellen, før den svarer. Så bygger svarene på jeres viden i stedet for kun på modellens generelle viden. Det er en typisk måde at tilpasse på og kan både købes som en funktion i standardværktøjer og bygges selv.

Kan vi starte med en standardløsning og bygge senere?

Ja, og det er ofte den bedste rækkefølge. En standardløsning viser, hvad I faktisk har brug for, og hvor den ikke slår til. Sørg bare for, at I kan få jeres data ud, så et senere skifte ikke starter fra bunden.

Artiklen er generel vejledning og ikke juridisk rådgivning. Udgivet 26. september 2026. Opdateret 5. oktober 2026.