Artikler · Egne systemer med AI · 10 min. læsning
Købe, tilpasse eller bygge: sådan vælger I den rigtige AI-løsning
Når en AI-idé skal blive til noget, kommer spørgsmålet hurtigt: Skal vi købe noget, eller skal vi bygge det selv? Svaret er sjældent det samme for hele virksomheden. Her er en måde at træffe valget på, anvendelse for anvendelse.
Af Martin Egesø · Udgivet
Kort svar
Om I skal købe eller bygge AI, afhænger mest af, hvor særlig processen er. Er arbejdet det samme som i mange andre virksomheder, så køb et standardværktøj eller brug AI-funktionen i et system, I har. Passer standarden næsten, så tilpas den med opsætning, integrationer og egne data. Byg kun selv, når processen er vigtig for jer, og ingen standard passer.
I artiklen 8 afsnit
Det vigtigste
- At købe er ofte det rigtige svar. Start altid med at undersøge det.
- At tilpasse er mellemvejen: et standardværktøj, der er sat op til jeres data og systemer.
- Byg, når processen er det, der gør jer forskellige, eller når data og integrationer ikke passer ind i en standard.
- Sammenlign de samlede omkostninger over flere år, ikke kun prisen det første år.
- Træf valget for hver anvendelse. Én virksomhed kan sagtens købe, tilpasse og bygge på samme tid.
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 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.
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.
Det samme råd gælder for it-systemer generelt. Erhvervshusenes tjekliste på Virksomhedsguiden anbefaler standardsystemer til de fleste mindre virksomheder og skræddersyede systemer til virksomheder med specialiserede behov, fordi de er dyrere og kræver udvikling og vedligeholdelse (Virksomhedsguiden, set 2026).
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. 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. De fleste 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 i 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 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.
| Kriterium | Peger mod at købe | Peger mod at tilpasse | Peger mod at bygge |
|---|---|---|---|
| Processen | Almindelig, som hos mange andre | Almindelig, men med jeres egne regler og ord | Særlig for jer og vigtig for forretningen |
| Data og integrationer | Data ligger i ét system, der har AI | Få systemer med gode standardforbindelser | Mange eller gamle systemer, egne dataformater |
| Krav og kontrol | Leverandørens vilkår og aftaler dækker behovet | Behov for styr på, hvilke data værktøjet må se | Behov for fuld kontrol over data, logning og godkendelse |
| Tid til værdi | Skal i brug nu | Kan vente på opsætning og integrationer | Kan bygges i trin over længere tid |
| Omkostninger over tid | Få brugere eller lavt forbrug | Standardpris plus en afgrænset opsætning | Mange brugere eller stort forbrug, hvor licenser bliver dyre |
| Afhængighed | Acceptabel, data kan komme ud | Acceptabel, integrationer kan flyttes | Processen er for vigtig til at afhænge af én leverandørs produkt |
| Vedligehold | I har ingen til at vedligeholde | Nogen internt kan passe opsætningen | Der er en plan og et budget for løbende vedligehold |
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.
Et tænkt eksempel
En grossistvirksomhed vil bruge AI tre steder. Til mails og tekster bruger medarbejderne den AI-assistent, der følger med kontorpakken, virksomheden allerede har. Det er at købe. Kundeservice skal kunne svare hurtigere på spørgsmål om leveringstider, og svarene kræver data fra ordresystemet. Her sætter de et standardværktøj op med adgang til ordredata og faste instruktioner. Det er at tilpasse. Tilbudsberegningen bygger på kundeaftaler, særlige rabatter og en godkendelse fra salgschefen, og ingen standard passer til den måde, de arbejder på. Her bygger de et lille system, der samler data, laver et udkast med AI og sender det til godkendelse. Det er at bygge, og kun der, hvor det er deres egen måde at arbejde på.
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.
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.
Kan I gøre det selv?
Ja, de fleste kan selv vælge og tage standardværktøjer i brug, og det er et godt sted at starte. Brug tabellen, tjek leverandørens vilkår for data, og aftal en prøveperiode eller et lille pilotprojekt, før I binder jer. Det anbefaler Virksomhedsguidens tjekliste også.
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.
Ofte stillede spørgsmål
Hvilke AI-løsninger findes der til virksomheder?
Der er færdige værktøjer som chatassistenter, AI-funktioner indbygget i systemer I allerede har, tilpassede standardværktøjer med jeres data og integrationer og egne løsninger bygget til jeres proces. De fleste virksomheder bruger en blanding.
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.
Om forfatteren
Martin Egesø er rådgiver og udvikler. Han hjælper virksomheder med at få mere ud af deres systemer og AI-værktøjer og bygger nye løsninger, når standarden ikke passer, med styr på brug, data og ansvar. Han driver MLE Gruppo ApS i Randers.
Mere om MartinArtiklen er generel vejledning og ikke juridisk rådgivning. Udgivet .