AI-chatbot på hjemmesiden: byg selv eller køb færdig?

Skal du have en AI-chatbot på hjemmesiden, så køb en færdig hvis den primært skal svare på det der allerede står på dine sider. Byg en løsning på egne data når svarene kræver oplysninger fra dine egne systemer, eller når du selv skal bestemme hvor samtalerne gemmes. Det afgørende er ikke selve chatvinduet, men hvem der står inde for svarene, og hvad det koster når mange bruger den.

Jeg bygger selv webapps og platforme, så jeg har en interesse i at du vælger at bygge. Derfor gennemgår jeg også de situationer hvor du hverken skal bygge eller hyre en udvikler.

Den korte version

Min tommelfingerregel: Kan en medarbejder besvare de fleste spørgsmål ved at kigge på din hjemmeside, så køb en færdig chatbot. Skal medarbejderen logge ind i et af dine systemer for at svare, er hybrid eller en specialudviklet løsning det rigtige spor.

Og får du kun få henvendelser om måneden, så start med at forbedre FAQ-siden. En chatbot kan ikke svare på noget som dine sider ikke dækker. Har du derimod allerede bygget en chatbot selv med et AI-værktøj, er spørgsmålet et andet, nemlig hvordan du får din AI-prototype klar til rigtige brugere.

Færdige chatbots: hurtigt i gang, men du betaler pr. samtale

En færdig chatbot sætter du på hjemmesiden med et lille script. Du peger den mod dine sider, hjælpeartikler eller PDF'er, og den svarer ud fra dem med en sprogmodel i baggrunden. De bedre løsninger har også en indbakke hvor en medarbejder kan tage over, og statistik over hvad folk spørger om.

Prismodellen betyder mere end listeprisen:

• Intercom Fin koster ifølge Intercoms prisside 0,99 USD pr. "outcome". Det tæller når kunden bekræfter at problemet er løst, når kunden ikke spørger videre efter Fins svar, eller når Fin gennemfører en arbejdsgang (ifølge Intercom inklusive overdragelser). Dertil kommer pladser til medarbejderne fra 29 USD pr. plads pr. måned ved årlig betaling.
• Chatbase sælger ifølge Chatbases prisside pakker med beskedkreditter, fra 40 USD om måneden for 700 kreditter til 500 USD for 15.000.

Betaling pr. resultat lyder fair, men læs definitionen grundigt: Når en kunde ikke spørger videre, kan det også være fordi kunden har givet op. Og regningen vokser med brugen. Med 2.000 afregnede samtaler om måneden er det knap 2.000 USD for AI-delen alene, eller omkring 24.000 USD om året, før pladser til medarbejderne. Regn derfor på din forventede volumen om et år, ikke på den første måned.

Hvornår en færdig chatbot ikke passer

• Når svaret kræver data om den enkelte kunde, fx ordrestatus, saldo eller næste booking, og løsningen ikke kan hente dem sikkert fra dine systemer.
• Når du skal kunne dokumentere præcis hvor samtaler gemmes, hvor længe, og hvem der behandler dem, og leverandørens underleverandører ikke passer ind i det.
• Når chatbotten skal være en del af dit eget produkt, og dine kunder skal opleve den som din og ikke som et indlejret værktøj med en anden leverandørs regler.
• Når volumen er så høj at prisen pr. samtale overstiger hvad en egen løsning koster at drive og vedligeholde.

Specialudviklet på egne data: hvad du faktisk får bygget

En specialudviklet chatbot er næsten aldrig en model du selv træner. Som regel bygger den på RAG (retrieval-augmented generation, på dansk nogenlunde "søg først, svar bagefter"): Systemet finder de relevante afsnit i dine egne data og sender dem til en sprogmodel via et API, med besked om kun at svare ud fra dem.

En driftsklar løsning består typisk af seks dele:

1. Datakilder: hjemmeside, hjælpeartikler, produktdata og eventuelt data fra dine systemer for den bruger der er logget ind.
2. Søgning: dine tekster deles op og indekseres, så de relevante afsnit kan findes på et splitsekund.
3. Sprogmodel: fx OpenAI, Anthropic (Claude), Mistral eller Google via deres API.
4. Regler: hvad botten må svare på, hvad den skal afvise, og hvornår den henviser til et menneske.
5. Log: hvad der blev spurgt, hvilke kilder svaret byggede på, og hvad brugeren fik at vide.
6. Overdragelse: e-mail, en sag i din helpdesk eller live chat med en medarbejder.

Det meste af arbejdet er almindelig softwareudvikling: adgang, rettigheder, integrationer og test. Selve kaldet til sprogmodellen er den mindste del. Hvordan det kobles på et system du allerede har, gennemgår jeg i guiden til at integrere OpenAI eller Claude i dit eksisterende system.

Hvad det koster at bygge og drive

Et groft skøn, og det afhænger meget af dine data: En afgrænset chatbot med logning og overdragelse til e-mail tager typisk 40-100 timers udvikling hvis den kun svarer ud fra dine egne sider og dokumenter. Skal den hente data fra dine systemer for brugere der er logget ind, er det ofte 120-250 timer. Med en typisk timepris for en erfaren freelanceudvikler på 800-1.200 kr. ekskl. moms svarer det til ca. 30.000-120.000 kr. for den første og 100.000-300.000 kr. for den anden.

Driften består af forbrug hos sprogmodellen, hosting og vedligehold. Med de mindre modeller er forbruget ofte under 1 kr. pr. samtale, men modeller bliver udfaset, og dine data ændrer sig, så sæt tid af hver måned. Hvordan du regner forbruget ud, står i indlægget om hvad AI-funktioner koster i drift.

Hvornår en specialudviklet løsning ikke passer

• Når chatbotten kun skal svare på det der står på hjemmesiden. Så betaler du for at genopfinde et produkt der allerede findes.
• Når ingen i virksomheden har tid til at eje den: læse loggen, rette kilder og tage stilling til fejl. En chatbot uden ejer bliver dårligere måned for måned.
• Når du ikke ved om dine kunder vil bruge en chat. Prøv en færdig løsning i et par måneder først, så du har rigtige spørgsmål at bygge ud fra.
• Når budgettet ikke rækker til vedligehold. Så er det ærlige valg en færdig løsning hvor leverandøren opdaterer modellerne.

I alle fire tilfælde er mit råd at du ikke hyrer en udvikler til opgaven, heller ikke mig.

Mellemvejen: køb chatten, byg adgangen til dine data

Flere af de færdige chatbots kan kalde et API du selv stiller til rådighed, fx for at slå en ordre op ud fra ordrenummer og e-mail. Så får du leverandørens chatvindue, indbakke og statistik, mens dine data bliver i dit eget system, og du bestemmer præcis hvad der må hentes.

Hybriden passer godt når du allerede bruger en helpdesk med AI og kun mangler et par handlinger der kræver dine data. Den passer dårligt hvis listen over handlinger bliver lang. Så betaler du både abonnement og udvikling, og logikken ligger spredt på to steder.

Uanset vej er sikkerheden i API'et din opgave. Botten må kun kunne hente den enkelte kundes egne data og kun det den skal bruge for at svare. En bruger kan forsøge at få botten til at hente andres data, så adgangskontrollen skal ligge i dit API og ikke i instruktionen til botten.

GDPR og AI-forordningen: det gælder uanset om du køber eller bygger

Folk skriver navne, e-mails, ordrenumre og nogle gange helbredsoplysninger i en chat, også når du ikke beder om det. Chatloggen er derfor persondata fra første besked:

• Databehandleraftale: Du skal have en aftale med leverandøren og kende underleverandørerne, herunder udbyderen af den sprogmodel der bruges.
• Overførsel uden for EU: Mange leverandører og modeller kører i USA, og det kræver et gyldigt overførselsgrundlag. OpenAI tilbyder en europæisk dataregion til sit API. Her behandles og opbevares data for de fleste endpoints i EØS og Schweiz, men det kræver en særskilt godkendelse. Ifølge OpenAIs dokumentation om data i API'et bruges API-data ikke til træning medmindre du selv vælger det.
• Opbevaring: Beslut hvor længe samtaler gemmes, og skriv det i din privatlivspolitik.
• AI-forordningen: Ifølge artikel 50 i AI-forordningen skal brugerne få at vide at de interagerer med et AI-system, senest ved første interaktion og medmindre det er åbenlyst. Reglen har gældt siden 2. august 2026.

Kravet i artikel 50 ligger formelt på udbyderen af systemet. Bygger du selv chatbotten, er det dig. Køber du en færdig, så tjek at chatten selv viser det, og skriv det tydeligt i velkomstbeskeden alligevel.

Det her er ikke juridisk rådgivning. Kan chatten komme til at behandle følsomme oplysninger, så tal med en rådgiver før den går live. Jeg har skrevet mere om hvad du må sende til OpenAI og Claude under GDPR.

Kvalitetskontrol: sådan sikrer du at chatbotten svarer rigtigt

I 2024 blev Air Canada pålagt at betale en kunde erstatning. Flyselskabets chatbot havde givet forkert besked om rabat ved dødsfald i familien, og Air Canada argumenterede for at chatbotten selv var ansvarlig for sine svar. Det afviste tvistløsningsnævnet i British Columbia: Chatbotten er en del af hjemmesiden, og virksomheden skal udvise rimelig omhu for at informationen er korrekt. Det fremgår af advokatfirmaet McCarthy Tétraults gennemgang af sagen. Sagen er canadisk, men princippet er let at overføre: Hvad chatten siger, siger du.

Det gælder også når du køber færdigt. Sådan anbefaler jeg at teste en chatbot før den går live, og mens den kører:

1. Saml 50-100 rigtige spørgsmål fra e-mail, telefon og chat, og skriv det korrekte svar til hvert.
2. Kør dem gennem chatbotten, og gennemgå svarene. Markér dem der er forkerte, upræcise eller opfundne.
3. Få botten til at vise kilden til sine svar, og lad den sige "det ved jeg ikke" og henvise til et menneske når kilden mangler.
4. Afgræns de risikable emner. Priser og vilkår skal citeres fra kilden eller linkes, og botten skal ikke give løfter om refusion, rabat eller juridiske forhold.
5. Kør testsættet igen hver gang du ændrer kilder, instruktioner eller model.
6. Læs et udsnit af de rigtige samtaler hver uge de første måneder, og føj nye spørgsmål til testsættet.

Med en specialudviklet løsning kan testsættet køre automatisk ved hver ændring, og du kan logge hvilke kilder hvert svar byggede på. Hos en færdig leverandør skal du spørge ind til test og logning inden du vælger.

Næste skridt

Start med spørgsmålene, ikke med teknologien. Saml de 50 mest almindelige henvendelser, og del dem i to bunker: dem der kan besvares ud fra hjemmesiden, og dem der kræver data fra dine systemer. Er den første bunke størst, så prøv en færdig chatbot i en måned. Er den anden størst, eller skal chatbotten være en del af dit produkt, er det en udviklingsopgave.

En chatbot er i øvrigt kun én måde at bruge sprogmodeller på. Ofte giver det mere at bruge AI til at sortere henvendelser eller udfylde felter i din platform, så brugeren slet ikke skal skrive til en bot.

Skal chatbotten bygges ind i en webapp eller platform med login og egne data, kan du se hvordan jeg arbejder med udvikling af webapps og platforme. Du har direkte kontakt med mig som den udvikler der skriver koden, og koden er din fra dag ét.

Ofte stillede spørgsmål

Kan en AI-chatbot svare godt på dansk?+

Ja. De store sprogmodeller fra OpenAI, Anthropic og Google skriver dansk i en kvalitet der typisk er god nok til kundeservice. Svaghederne er oftere faglige end sproglige: interne fagudtryk, produktnavne og danske forhold som moms og betalingsfrister. Test derfor med rigtige danske spørgsmål, og ret kilderne hvor botten tager fejl, i stedet for kun at justere instruktionen.

Kan en chatbot erstatte min kundeservice?+

Nej, men den kan tage en del af de gentagne spørgsmål, så medarbejderne får tid til de svære sager. Klager, skønsspørgsmål og utilfredse kunder skal stadig til et menneske, og vejen dertil skal være nem at finde. Holder chatbotten kunden fast i en løkke, koster den mere i dårlig stemning end den sparer i tid.

Hvilken sprogmodel skal jeg vælge til en specialudviklet chatbot?+

Vælg den billigste model der består dit testsæt. Til en chatbot der svarer ud fra dine egne tekster, er de mindre modeller ofte gode nok og hurtigere. Vil du holde data i EU, så kig på OpenAIs europæiske dataregion eller en europæisk udbyder som Mistral. Byg løsningen så modellen kan skiftes uden at resten skal skrives om.

Hvordan holder jeg chatbotten opdateret når priser og vilkår ændrer sig?+

Lad chatbotten hente fra de samme sider og data som hjemmesiden, så der ikke findes en separat kopi der skal opdateres. I en specialudviklet løsning kan indholdet indekseres igen automatisk når en side ændres. Hos en færdig leverandør skal du tjekke hvor ofte den genlæser dine sider.