Sådan tjente Dinero 1 million kr. på sin robot

Thorborgs Dagbog · Episode 114 · 2. december 2025 · 30:38

Om hvordan Dineros AI-agent Fin hjælper kunderne, sparer tid og sælger abonnementer. Jeg gennemgår arbejdet bag robotten og regnestykket bag en million kroner i anslået kundeværdi.

Lyt til episoden

Åbn episode 114 på Buzzsprout · Find flere episoder på skrift

Herunder finder du en redigeret tekstversion af podcasten. Tal, planer og omtale af aktuelle begivenheder er fra tidspunktet for optagelsen.

Hej og velkommen til Thorborgs Dagbog. Det er den 2. december, og jeg er på vej hjem fra Dinero. Vi har haft bestyrelsesmøde sammen med ledergruppen og folk fra forskellige lande i Visma. Der kommer blandt andet folk fra Finland og Norge, og så bruger vi cirka fire timer på at gå igennem, hvordan det står til.

Jeg starter normalt med sådan en lille State of the Union: Hvad går godt, og hvad går skidt? Og jeg kunne faktisk ikke komme i tanke om ret meget, der går skidt. Det eneste, som virkelig optager os som en vanskelig opgave lige nu, er, hvordan vi skal tage penge for alt det nye, vi bygger med AI.

Vi har brugt virkelig mange ressourcer på et modul, som jeg synes er pissefedt. Hvis du har fulgt med i podcasten, har du hørt lidt om det. Vi kalder det assistenten eller vores virtuelle CFO, alt efter hvilken del vi taler om.

Der er dels automatiseringen. Du skal lave så lidt som muligt selv. Bogføringen, bilagene, rykkerprocedurerne og alt det andet administrative skal blive lettere.

Og så er der rådgivningen. Omkring 14.000 virksomheder har indtil videre adgang til den del, hvor du kan fortælle, hvad du gerne vil med din virksomhed. Så prøver vi at hjælpe dig med at nå dine mål.

Vi kan se på, hvad andre succesfulde virksomheder har gjort anderledes. Det betyder ikke, at du får lov at kigge ind i en bestemt konkurrents regnskab. Vi samler oplysninger fra mange virksomheder, så vi ikke udstiller nogen enkelt virksomhed, og bruger det til at give nogle pejlemærker.

Vi kan også se på din hjemmeside, dit prisniveau og den måde, andre opfatter dig på. Hvad siger anmeldelserne? Hvad fortæller du selv kunderne? Hvordan står det i forhold til det, du gerne vil sælge?

Så får du et overblik med nogle forslag til, hvor du kan forbedre forretningen. Spare penge, sælge mere eller gøre noget på en anden måde. Jeg synes, det er rimelig blæret.

Jeg kender ikke alle regnskabsprogrammer i verden, men jeg tror, vi er meget langt fremme med det her. I Visma, som har over 200 virksomheder, er vi i hvert fald blandt dem, der er længst.

Men hvordan skal det koste penge? Skal man købe tokens, som bliver brugt, når man udfører en opgave? Skal det være et ekstra modul til et par hundrede kroner om måneden? Skal det ligge i en større pakke? Der er mange muligheder, og det er sgu ikke helt enkelt.

For det er dyrt at udvikle, og der er også en løbende pris, når vi bruger teknologien. Det er ikke sådan, at vi bygger noget én gang, og så er alt derefter gratis.

Vi sidder for eksempel og undersøger AI til telefonsupport. Der er prisniveauet omkring 30 kroner pr. opkald i det, vi kigger på lige nu. En besvarelse i chatsupport kan koste os omkring seks-syv kroner hos leverandøren af den underliggende teknologi. Så telefonen er væsentligt dyrere.

Det er jo også forståeligt, at teknologien koster noget. Der bliver investeret milliarder i chips, strøm, datacentre og nogle ekstremt dygtige mennesker, som udvikler de grundlæggende systemer.

Vi sidder ikke og bygger vores egne AI-chips. Meget af det, vi bruger, er teknologi, vi køber og så tilpasser til vores behov. Men vi bygger også selv løsninger ovenpå, og der ligger et stort arbejde i at få dem til at fungere i vores konkrete forretning.

Jeg kan give et eksempel med skattekontoen. Hvis noget ændres med tilbagevirkende kraft, kan du stå med et regnskab, som du troede var afstemt, og så passer det pludselig ikke med kontoen. Det kan også være, du selv har lavet noget forkert. Uanset årsagen er det frustrerende.

Tidligere kunne der gå flere timer med at hjælpe en kunde igennem sådan en afstemning. Det betyder ikke, at en supporter sad uafbrudt hos den samme kunde i fire timer. De arbejder med flere kunder samtidig. Men der kan stadig blive brugt meget tid, både hos kunden og hos os, mens man skriver frem og tilbage og prøver at finde fejlen.

Hvis en medarbejder samlet bruger en halv time på én kunde, kan det koste os over 100 kroner. Det er ret meget i forhold til et abonnement, der koster nogle hundrede kroner om måneden. Og det er jo kun én opgave.

Der har Fred og de andre dygtige kollegaer bygget et værktøj med AI, som kan klare selve afstemningen på få sekunder. Kunden henter en fil, vi får den ind, og så kan vi arbejde med oplysningerne automatisk.

Jeg kender ikke hvert eneste teknisk trin i den løsning, så jeg skal ikke sidde og forklare præcis, hvordan filerne bliver flyttet rundt. Pointen er, at vi kan hjælpe kunden meget hurtigere og samtidig spare en masse tid i supporten.

Det er en langt bedre service. Kunden skal ikke bruge en eftermiddag på at vente og svare på spørgsmål. Og vores medarbejdere kan bruge tiden på noget andet. Den slags interne værktøjer bygger vi selv på ryggen af kendt AI-teknologi.

Så er der Fin, vores supportagent. Det er et produkt, vi køber gennem Intercom, som også leverer vores supportværktøj. Vi har arbejdet med AI-support i omkring tre år, og det har været en lang vej fra de første forsøg til det, vi har nu.

I begyndelsen tænkte vi: Vi har jo hundredvis af supportartikler. Mange af kunderne spørger om de samme ting. Hvis vi giver en AI alle artiklerne, burde den kunne svare på en stor del af spørgsmålene.

Det er også nogenlunde sådan, et menneske arbejder. Du får et spørgsmål, finder en relevant artikel og bruger din egen viden til at tilpasse svaret. Der skal måske rettes lidt til, sættes noget ind om kundens konkrete situation og skrives et hej og et farvel.

På den måde har vi kunnet holde en ret stor support kørende fra klokken otte til 23 med et forholdsvis begrænset antal fuldtidsstillinger, fordelt på mange deltidsmedarbejdere. Mange af dem er studerende. Vi har over 100.000 kunder, men ikke en hel hær af mennesker på vagt samtidig.

Der er selvfølgelig flere på arbejde, når der er moms og meget travlt, og færre på de rolige tidspunkter. Men du kan ikke lige ansætte ti gange så mange mennesker for en kort periode og så sende dem hjem igen bagefter.

De første forsøg med AI så faktisk meget lovende ud. Den kunne svare på en masse. Problemet var, at den også gerne ville svare, når den ikke havde noget ordentligt grundlag.

Så kunne den finde på at gå ud på nettet og hente noget andet, eller den kunne blande ting sammen. Det, man kalder at hallucinere. Den kommer med et svar, der lyder overbevisende, men som er forkert.

Det kan være meget sjovt, hvis du skal skrive en festsang. Det er mindre sjovt, hvis du skal have hjælp til dit regnskab, og robotten finder på en eller anden momsregel. Det dur simpelthen ikke.

Noget af det første, vi måtte gøre, var derfor at begrænse den. Den skulle ikke gå ud på nettet og finde tilfældige svar. Vi skulle kunne kontrollere, hvilket materiale den brugte.

Og vi fandt også ud af, at det ikke var nok at smide alle artiklerne ned i én stor spand. Så begyndte den at blande oplysninger på tværs. Regler for et ApS kunne blive blandet sammen med regler for en enkeltmandsvirksomhed. Et teknisk spørgsmål kunne blive blandet med noget om skat.

Vi måtte skille materialet mere ad. Der er forskellige kategorier: teknisk hjælp til at bruge programmet, abonnement og login, moms og andre områder. Og der er forskel på virksomhedstyperne.

Så har vi en slags dispatcher, der prøver at forstå, hvad kunden spørger om, og sende spørgsmålet til den rigtige viden. Jeg skal ikke gøre mig klog på alle kategorierne, men princippet er, at robotten skal arbejde inden for en mere præcis ramme.

Hvis spørgsmålet falder udenfor, eller hvis den ikke er sikker, skal den sende det videre til et menneske. Vi vil hellere have, at den siger: Det ved jeg ikke, jeg finder en medarbejder, end at den leger professor og gætter.

Meget af arbejdet har faktisk handlet om at begrænse skaderne. Den er frisk fra starten og vil gerne svare på alt. Men det er ikke den egenskab, vi har mest brug for i et regnskabsprogram. Vi har brug for, at den ved, hvornår den ikke skal svare.

Vi gennemgik svarene og fulgte op, når noget var forkert. Så måtte vi hjælpe kunden tilbage på sporet og finde ud af, hvorfor robotten var kommet galt af sted.

Nogle gange lå problemet i vores egne artikler. Der kunne være en fejl eller en formulering, som var let at misforstå. Det, som et menneske lige kunne regne ud ud fra sammenhængen, var ikke nødvendigvis entydigt for en maskine.

Derfor har vi også brugt meget tid på at skrive og rydde op i teksterne. Det minder lidt om arbejdet med søgemaskineoptimering: Du skal formulere tingene, så det system, der læser dem, faktisk forstår det rigtigt.

Det er altså ikke kun et teknologiprojekt. Det er også et sprogligt arbejde og et arbejde med at organisere vores viden. Hvis grundlaget er uklart, kommer der også uklare eller forkerte svar ud.

Jeg tror, vi efterhånden har en af de rigtig gode supportagenter i Danmark. Og det er ikke noget, vi lige har installeret en fredag eftermiddag. Mit grove gæt er, at der ligger flere mandeårs arbejde alene i træningen, og endnu mere, hvis du tager supportartiklerne med.

Nu, her under momsperioden, har vi sendt alle kunderne forbi Fin først. Og den har besvaret omkring 80 procent af henvendelserne. Kundetilfredsheden ligger omkring 92 på AI-supporten, mod omkring 88 på den menneskelige support.

Det er rigtig flot. Men igen: Robotten tager ofte de nemme spørgsmål. Når den må give op, er det de vanskeligere sager, menneskene overtager. Kunden kan også allerede have brugt lidt tid og skal måske vente i en kø. Så tallene siger ikke, at medarbejderne er dårligere til deres arbejde.

Til gengæld siger de, at mange mennesker er glade for at få et godt svar med det samme. Og derfor diskuterer vi, om Fin skal være første stop hele tiden, også når momsperioden er overstået.

Der vil være nogen, som ikke har lyst til at tale med en robot. Det er jeg ikke et øjeblik i tvivl om. De vil hellere have et menneske, og så skal de kunne sige det. Fin skal kunne stille dem videre, og de skal beholde deres plads i køen.

Det kan også betyde, at vi til sommer ikke genansætter lige så mange af de studerende, der stopper. Jeg håber og tror, vi kan gøre det gennem naturlig afgang. Det er ikke sådan, at jeg glæder mig til at gå rundt med en stor le og fyre folk.

Samtidig kan vi få brug for andre kompetencer. Måske studerende fra DTU, som kan hjælpe os med at optimere løsningerne og finde ud af, hvordan Fin bliver endnu bedre. Opgaverne ændrer sig.

Vi arbejder også på at bygge hjælpen mere direkte ind i Dinero. Så behøver kunden måske slet ikke kontakte supporten, fordi vi opdager et problem tidligere.

I begyndelsen vil det typisk være noget, hvor du bliver spurgt, før der bliver gjort noget. Men på længere sigt kan vi forestille os, at systemet hjælper med at holde regnskabet i orden, før du selv har opdaget, at der er noget galt.

Og nu kommer vi til millionen i titlen. Vi har nemlig sat Fin til at sælge. Hvis en gratis bruger spørger efter en funktion, som findes i Dinero Pro, kan Fin foreslå en opgradering og give et link.

På et par uger har den solgt 38 abonnementer. Hvis vi ser på den gennemsnitlige værdi af en Pro-kunde over hele kundeforholdet, som hos os er omkring syv år, svarer de salg til lidt over en million kroner.

Det er altså den anslåede værdi over kundernes levetid. Ikke en million kroner, som allerede er landet på kontoen på de to uger. Men det er stadig et ret interessant resultat, når vi næsten ikke er begyndt at optimere salget.

Fin skal lære at opfange købssignaler bedre. Den skal bruge de rigtige ord og foreslå en opgradering på en mere elegant måde. Der er en masse salgspsykologi, vi kan arbejde med.

Min mavefornemmelse er, at den kunne sælge væsentligt mere, hvis vi trænede den ordentligt til det. Og selv hvis nogle af kunderne ville have opgraderet alligevel, er der stadig en stor mulighed. Halvér bare effekten i dit eget regnestykke. Så er den stadig interessant.

Det næste er blandt andet kreditnotaer. En kunde sidder måske sidst på måneden og beslutter sig for at gå fra månedsabonnement til årsabonnement, og lige der bliver måneden fornyet. Så skriver kunden til os, og en medarbejder skal ind og rette det.

Den slags situationer arbejder vi på, at Fin kan hjælpe med. Det samme gælder andre tilfælde, hvor kunden fortryder noget eller skal have løst et praktisk problem omkring abonnementet. På sigt kan der være mere, men vi begynder med nogle klare situationer, hvor vi ved, hvad der skal ske.

Det er derfor, jeg bliver lidt træt af den der abstrakte diskussion om, om AI overhovedet skaber værdi. Her er nogle helt konkrete eksempler. Hurtigere hjælp. Færre manuelle opgaver. Flere salg. Og mulighed for at servicere flere kunder.

Vi har også den laveste kundeafgang, vi nogensinde har haft. Den ligger omkring 1,04 procent om måneden. Hvis du kommer fra en virksomhed med store, stabile kunder, kan det måske lyde højt. Men vi arbejder med mikrovirksomheder, og mange lukker eller går konkurs.

Andre bliver større og går videre til et andet program, for eksempel e-conomic. Jeg sidder også i bestyrelsen der, og det er en del af Visma, så det er ikke, fordi jeg synes, det er en katastrofe. Men min forfængelighed vil selvfølgelig gerne have, at de bliver i Dinero.

Noget af det kan vi gøre noget ved, hvis vi kan hjælpe større virksomheder. Og hvis vi giver virksomhederne bedre overblik over deres økonomi, kan vi måske også hjælpe nogle af dem med at undgå at komme i alvorlige problemer.

Jeg tror også, der er kunder, som bliver hængende, fordi de kan se, at der sker en masse. Bogføringen bliver nemmere, og vi kan hjælpe med mere af deres forretning. Når jeg siger avanceret, mener jeg ikke svært at bruge. Jeg mener, at der ligger noget avanceret under en enkel oplevelse.

Det er den viden, vi har siddet og talt om på bestyrelsesmødet. Og det er interessant for Visma, fordi erfaringerne kan bruges i andre virksomheder i koncernen, som er i over 30 lande.

Der er også andre, som er gode til AI-support. Vi har blandt andet nogle dygtige kollegaer i Spanien. Men jeg synes, vi er rigtig langt. Telefonsupporten skal vi stadig tænke mere over, blandt andet på grund af de cirka 30 kroner pr. opkald.

Det seneste år har vi fået omkring 20 procent flere kunder uden at ansætte ekstra supportere. Tidligere ville vi normalt have øget bemandingen. Det er allerede en besparelse, selv om vi ikke har skåret antallet af medarbejdere ned.

Hvis vi på sigt kan give bedre support med væsentligt færre ressourcer, er det en meget konkret forretningsmæssig effekt. Det er ikke bare noget, der lyder godt i en debat.

Nå, så har jeg også lige været på Bornholm til julefrokost med personalet på Hotel Klippen. Det var så fucking hyggeligt. Vi sad og grinede fra omkring klokken 18 til langt ud på natten.

Vi er i gang med at gøre alle værelserne i stand. De skal være klar til den nye sæson, og jeg boede i et af de nyrenoverede værelser. Nye møbler, maling og en helt anden oplevelse. Det begynder virkelig at blive lækkert.

Restauranten er også blevet renoveret, og facaderne er blevet ordnet. Der er julepynt, juleophold og nytårsophold, og jeg synes, der er en kæmpe forskel fra tidligere. Det er ikke d’Angleterre, men det er heller ikke de priser.

Et værelse kan typisk ligge omkring 1.500 kroner for to med morgenmad, alt efter opholdet. Når du sidder og kigger ud over Østersøen og får den brunch, Christie og Oliver laver, synes jeg faktisk, det er god værdi.

Der skal selvfølgelig også på et tidspunkt være en ordentlig forretning i det. Vi er kommet derhen, hvor jeg ikke hele tiden skal tage penge med på arbejde. Det har jeg ikke gjort i et par år. Men det ville også være dejligt en dag at tage lidt med hjem.

Det er Jannie, Thomas og alle de gode mennesker på hotellet, der skal have æren. Maiken, Henriette, Anne-Marie og alle de andre, som jeg sikkert glemmer at nævne, fordi jeg er elendig til navne. I knokler, og I gør det så fucking godt.

Tak, fordi du lyttede med. Hav det rigtig rart.