30. oktober 2026Nicolai Kibsgaard, Head of Shopify
Start med irritationen. Ikke teknologien
Når snakken falder på automatisering i e-commerce, kommer værktøjerne hurtigt på bordet.
Skal vi bruge AI? Bygge en agent? Eller kan vi få hele processen til at passe sig selv, mens vi laver noget andet?
Det er fristende at begynde med mulighederne. Men det er sjældent der, den største gevinst ligger.
Start i stedet med at kigge på hverdagen. Hvor bliver tiden af? Hvilke opgaver bliver løst igen og igen? Og hvor bruger dygtige medarbejdere deres tid på noget, som et system lige så godt kunne klare?
For der er forskel på at automatisere en opgave, der tager en halv time hver eneste dag, og at bygge en avanceret løsning til noget, der klares på fem minutter én gang om måneden.
Bare fordi noget kan automatiseres, betyder det ikke, at det bør.
Og før du kaster dig over den næste AI-agent, er det værd at kende forskel på de løsninger, du faktisk har brug for.
1. Manuelt arbejde - når mennesker gør arbejdet
Produktbeskrivelser bliver opdateret, indkøbsordrer tastet ind, og produktdata vedligeholdt direkte i systemerne.
Nogle opgaver giver god mening at løse manuelt. Især når de kræver vurdering, kreativitet eller særlig viden.
Men når den samme handling bliver gentaget for 500 produkter, begynder det at ligne en opgave, der fortjener en anden løsning.
2. Automatiserede workflows - når systemerne tager over
Her er det faste regler, der gør arbejdet.
Når en vare når sin minimumslagerbeholdning, kan systemet eksempelvis automatisk oprette et forslag til genbestilling.
Ingen AI. Ingen digital kollega. Bare systemer, der udveksler de rigtige oplysninger på det rigtige tidspunkt.
Det lyder måske ikke revolutionerende. Men det kan være temmelig befriende for den medarbejder, der ellers skulle gøre det manuelt.
3. AI-assisteret arbejde - når medarbejderen får en hjælpende hånd
Her hjælper AI med at skrive produkttekster, oversætte indhold, analysere data eller komme med forslag.
AI laver forarbejdet. Medarbejderen vurderer, retter til og beslutter, hvad der skal bruges.
Det er ikke nødvendigvis en fuld automatisering. Men det kan stadig gøre en mærkbar forskel i hverdagen.
4. AI-agenter - når flere opgaver bliver løst i sammenhæng
Her kan en AI-løsning arbejde på tværs af systemer og udføre flere trin i en opgave ud fra instruktioner og fastlagte rammer.
Det kan eksempelvis være at hente produktinformationer fra dit e-commerce system som fx Shopify, bruge dem til at generere en produktvideo og sende resultatet videre til godkendelse.
Det giver nye muligheder. Men også større krav til data, kontrol og kvalitetssikring.
Og det er værd at huske: Niveau fire er ikke nødvendigvis bedre end niveau to.
Hvis et simpelt workflow løser problemet, behøver du ikke bygge en digital kollega med adgang til hele maskinrummet.
Fire timers lagerarbejde. Hver fredag. Hver eneste uge
Forestil dig en indkøbsansvarlig, der hver fredag åbner sit regneark og begynder den samme rutine.
Lagerbeholdningen skal gennemgås. Varer med lav beholdning skal findes. Leveringstider skal tjekkes. Og til sidst skal det hele samles til et overblik over, hvad der skal genbestilles.
Med flere tusinde varenumre er det ikke nødvendigvis en lille opgave.
I vores tænkte eksempel tager det fire timer. Hver fredag.
Det er tid, der kunne være brugt på at forhandle med leverandører, planlægge indkøb eller arbejde med sortimentet.
Og selvom medarbejderen gør sit bedste, kan der stadig ske fejl. En populær vare bliver overset. Et sæsonprodukt bliver bestilt hjem igen, selvom sæsonen er ved at være slut.
Så hvad nu, hvis regnearket kunne opdatere sig selv?
Lad lagerdataene tage det kedelige arbejde
Med fx Shopify Flow og integrationsplatformen n8n kan du bygge et workflow, der holder øje med lagerbeholdningen og automatisk samler forslag til genbestilling.
Når en vare når sin minimumsbeholdning, kan relevante oplysninger sendes videre til Google Sheets. Her bliver de samlet i en oversigt, som den indkøbsansvarlige kan arbejde videre med.
Og ved at tage højde for eksempelvis leveringstid, lagertype og sæson kan forslagene blive mere relevante.
Det betyder ikke, at systemet nødvendigvis skal bestille varerne.
Det betyder, at medarbejderen slipper for at bruge timer på at samle oplysningerne og i stedet kan koncentrere sig om at vurdere dem.
Automatiseringen klarer forarbejdet. Mennesket træffer beslutningen.
Produktvideoer til hele sortimentet? Uden et filmhold til hver vare
En god produktvideo kan gøre det lettere at købe ind på nettet.
Hvordan ser materialet ud? Hvor stor er varen egentlig? Og hvordan fungerer den i brug?
Det er spørgsmål, en video ofte kan besvare bedre end endnu et produktbillede.
Problemet er bare, at video traditionelt kræver tid, planlægning og produktion. Og når sortimentet tæller hundredvis eller tusindvis af produkter, er det sjældent realistisk at producere en video til hver eneste vare.
Derfor bliver video ofte forbeholdt de produkter, der sælger mest.
Men hvad nu, hvis de produktbilleder og beskrivelser, du allerede har, kunne bruges til at producere mere videoindhold?
Fra produktnummer til videoudkast
Du har måske allerede flere af værktøjerne
Det er ikke nødvendigvis nye systemer, der gør forskellen. Det er måden, de eksisterende systemer arbejder sammen på.
Shopify Flow kan automatisere opgaver direkte i Shopify. n8n kan forbinde systemer og håndtere workflows på tværs af platforme. Claude kan hjælpe med AI-assisterede opgaver og indgå i mere avancerede løsninger.
Og Google Sheets? Ja, et ganske almindeligt regneark kan stadig være en vigtig del af en god automatisering.
Der findes også værktøjer som Matrixify, Make, Zapier og Shopify Sidekick, der kan løse forskellige opgaver afhængigt af behovet.
Men værktøjslisten er ikke en indkøbsseddel.
Du behøver ikke bruge dem alle. Du behøver heller ikke skifte hele din tekniske opsætning ud for at komme i gang.
Det afgørende er, at løsningen passer til opgaven, dataene og de mennesker, der skal arbejde med den.
Begynd med den opgave, alle er trætte af
Du behøver ikke en stor automatiseringsstrategi for at tage det første skridt.
Begynd med at spørge medarbejderne, hvilke opgaver de helst ville slippe for.
Måske er det produktopdateringer. Måske er det lagerlister. Eller måske er det de samme spørgsmål om ordrestatus, som kundeservice besvarer hver eneste dag.
Find tre opgaver, der tager tid, gentager sig eller skaber unødvendig frustration.
Vælg den, hvor gevinsten ser størst ud, og undersøg, hvad der egentlig skal til for at løse den.
Og særligt én ting, skal du have styr på: dataene.
For hvis lagerbeholdningen er forkert, produktinformationerne mangler, eller systemerne ikke er enige om, hvad der er op og ned, hjælper det ikke meget at automatisere processen.
Så får du bare de samme fejl. Hurtigere.
Vi elsker at dele vores viden
