Byg en agent til Business Central

Byg en agent til Business Central med Copilot Studio

Her kan du læse, hvad Nicolai Schjørmann og Mads Dalgas fortalte på webinaret i marts 2026, der havde titlen ”Byg en agent til Business Central”.

Sammen gennemgik de, hvad agenter er, hvad der adskiller dem fra automatiseringer og chatbots, og demonstrerede en agent bygget i Copilot Studio, som automatisk behandler ordrebekræftelser fra leverandører og opdaterer data i Business Central.

AI ændrer måden, vi arbejder på

Der er meget usikkerhed om, hvordan AI kommer til at påvirke jobmarkedet. AI kommer til at have en impact, men det er vigtigt at huske, at det ændrer den måde, vi arbejder på. Det fjerner det ikke.

Ifølge en undersøgelse fra Gartner er der helt klart nogle jobs, som bliver overflødige, fordi det ikke giver mening for mennesker at udføre dem længere. Men når vi bliver mere produktive, frigiver det tid og skaber nye muligheder. Ud i fremtiden krydser de to kurver, og så vil der være flere muligheder skabt, end der er tabt.

Værdien fra medarbejderen flyttes fra selve udførelsen til orkestrering, mere en arkitektrolle. Noget af det manuelle rutinearbejde, man var tvunget til at lave før, har man nu en agent til.

Som medarbejder skal man i stedet holde øje med, at agenten opfører sig ordentligt, bevæger sig i den rigtige retning og holder sig inden for de guardrails, man har sat. Man giver den en retning og bliver mere produktiv.

Microsoft taler om, at det er “human-led, agent-operated”. Agenterne udfører den faktiske handling, men det er stadig mennesker, der træffer beslutningerne.

Derfor Microsoft AI: Økosystem, sikkerhed og connectors

Når man vælger at arbejde med Microsoft AI, er der tre ting, man får med. Det første er hele sammenhængen i økosystemet: nem integration med Office, Teams, Outlook, SharePoint og alle de andre værktøjer, som medarbejderne og IT-administrationen allerede er vant til at arbejde i.

Det andet er sikkerheden. Microsoft står inde for enterprise data protection. Hverken prompts eller data bliver delt med Microsoft eller brugt til træning af modeller. Data bliver holdt inden for virksomhedens egen boble.

Derudover bruger platformen Azure Entra (det gamle Azure Active Directory) til at arbejde i brugerens kontekst. Det betyder, at når to medarbejdere med forskellige rettigheder stiller nøjagtigt det samme spørgsmål til en agent, får de to forskellige svar, fordi agenten respekterer de eksisterende adgangsrettigheder. Hvis man derimod vil connecte til Microsoft-produkter fra AI-værktøjer udenfor, skal man selv konfigurere en masse opsætning for at styre, hvilken data der må udleveres til den enkelte bruger.

Det tredje er Copilot-universet med over 1.500 connectors. Man behøver ikke bygge op fra bunden, men kan integrere med de systemer, man allerede har.

Det rette værktøj til den rette opgave

Ikke alt behøver at være en agent. Man har mange muligheder i dag, og man kan virkelig komme igennem med nogle vilde scenarier, men man skal samtidig vælge det rette værktøj. Værktøjerne kommer i tre kategorier: automatiseringer, chatbots og agenter.

Agent Playground i Business Central

Agent Playground blev lanceret i public preview som del af Business Central 2025 release wave 2 (version 27.2) i januar 2026. Det er Microsofts mulighed for at bygge agenter direkte i Business Central.

Kender man salgsordreagenten eller payables-agenten, ved man, hvordan det ser ud: Agenten bor i Business Central med sit eget ikon, og man har et opgave-faneblad til højre, hvor man kan se, hvad agenten laver.

Man skal se agenten som en bruger med profiler og rettigheder. Man kan designe en speciel profil til den, tillade den at se specifikke menupunkter og give den rettigheder, så den har adgang til at læse bestemte tabeller men ikke andre, og bogføre nogle ting men ikke alle.

Konfigurationen kræver ingen kode. Det sker via guidelines, instruktioner og task-instruktioner. Hvis man kan forklare sin automatisering med sprog, kan man også få agenten til at lave det.

Der er dog nogle vigtige forbehold. Det hedder Playground af en grund: Det kræver et sandbox-miljø (version 27.2 eller nyere) samt opsætning af billing for agent capabilities, og Microsoft har ikke lagt en dato for, hvornår det kommer i produktion. Der er heller ingen integrationer til eksterne systemer endnu. Microsoft har lagt op til, at man kan bruge det til at teste, hvilke automatiseringer der i fremtiden vil være mulige.

Power Automate: Regelbaserede automatiseringer

Automatiseringer har intet med AI at gøre. Det er en sammenhængende proces, der går fra en trigger til en række handlinger. Der skal ikke træffes beslutninger. Når noget sker, skal noget andet efterfølgende ske. Processerne skal være forudsigelige og uden mange forskellige udfald. Fokus er på effektivitet frem for intelligens.

Der er tre typer triggers. Den første er den manuelle: En lagermedarbejder har færdigpakket en ordre og trykker på en knap på en tablet, hvorefter Power Automate sender en mail til fragtfirmaet og en statusopdatering til kunden. Den anden er den automatiske: Når der oprettes en ny kunde i CRM-databasen, sender systemet automatisk en velkomstmail med login-oplysninger. Den tredje er den planlagte: Hver mandag kl. 8 sender Power Automate af sig selv en ugentlig opgaveliste fra Microsoft Planner til et projektteam.

En vigtig pointe: I Copilot Studio findes der noget, der hedder Agent Flows. Det er i virkeligheden det samme som et Power Automate-flow, bare med en specifik trigger (at agenten beder Power Automate om at gøre noget) og en specifik afsluttende handling (at aflevere et svar tilbage til agenten).

Det er fuldstændig samme teknologi og samme brugerflade. Man har bare en forudbestemt trigger og en forudbestemt afsluttende action. Agent Flows bruges typisk, når man vil definere nogle specifikke steps, som man ikke kan nøjes med at beskrive via instruktioner alene.

Chatbots: Svar baseret på viden

Chatbots kan modtage et spørgsmål og aflevere et svar. Det er ikke sådan, at man har skrevet specifikke svar til specifikke spørgsmål. Man har givet chatbotten adgang til videnssøgning. Det kan være SharePoint-lister, filer, uploadede PDF-dokumenter som en personalehåndbog, eller opslag i et CRM-system.

Det afgørende er, at chatbotten svarer på spørgsmål. Den begynder ikke at ændre i data eller behandle data i de systemer, den har adgang til. Den er dialogbaseret og ligger typisk som et chatvindue, man skriver til. Det klassiske eksempel er supportchatbots på hjemmesider, der kan svare på åbningstider eller slå et ordrenummer op.

I Microsofts terminologi er dette den simpleste af tre agent-typer og kaldes retrieval agents. De henter information fra forskellige videnkilder (SharePoint, Word, Excel osv.), laver noget reasoning, og opsummerer det, de har fundet.

Chatbotten kopierer ikke bare teksten fra kilden. Den læser og forstår den, og skriver et svar, der passer til den måde, brugeren har stillet spørgsmålet på. Svaret indeholder også en reference til den kilde, informationen stammer fra. De to øvrige agent-typer i Microsofts klassifikation er task agents og autonomous agents, som beskrives i næste afsnit.

Agenter: Handlinger og autonomi

Agenter kommer i to varianter. Den første er task agents, som stadig er dialogbaserede. Man skriver til dem, og de udfører en handling. Forskellen fra chatbots er, at de kan ændre data. Man kan fx skrive til en agent, at man gerne vil oprette en ny sag i sit kundeservicesystem. Agenten stiller selv de nødvendige spørgsmål. Hvad handler sagen om, hvem er kunden, hvilken mail skal der svares på. Fordi den har adgang til systemet og selv finder ud af, hvilke felter der er påkrævede. Det kunne lige så godt være en indkøbsordre eller en salgsordre i Business Central.

Den anden variant er autonome agenter. De har de samme muligheder for at arbejde med og behandle data, men de starter automatisk på baggrund af en trigger. Det kan være, at der kommer en e-mail, at der bogføres en ordre, eller at noget andet sker i et system. Man behøver ikke som bruger at skrive til den eller trykke på en knap.

Fælles for begge typer agenter er, at de forstår kontekst, de kan selv træffe beslutninger ud fra instruktioner, de udfører handlinger, og de kan orkestrere andre agenter (underagenter).

Som tommelfingerregel: En automatisering følger regler. En chatbot svarer på spørgsmål. En agent udfører handlinger.

Copilot Studio: Tre lag og tre byggepladser

Copilot Studio er der, hvor man bygger agenter i Power Platform. Man tilgår det via copilotstudio.microsoft.com. Der er tre steder, man kan bygge løsninger:

Copilot Studio Agent Builder (også kaldet Copilot Studio Lite) er indbygget i Microsoft 365 Copilot. Det er kun til vidensbaserede agenter med simple handlinger. Man kan ikke konfigurere dem. Man kan kun skrive til dem og bede dem om at kunne noget, hvorefter de selv genererer deres instruktioner. Agenter bygget her kan kun bruges inden for Microsoft 365 Copilot og kan ikke deles til andre kanaler.

Copilot Studio (Full Experience) er Power Platforms produkt og det, der bruges til langt det meste agentarbejde. Det er her, man har fuld kontrol over instruktioner, triggers, connectors, videnskilder og integrationer til eksterne kanaler som fx Facebook Messenger.

Visual Studio og Azure AI Foundry er for dem, der har brug for mere, end Copilot Studio kan tilbyde, fx custom sprogmodeller, tredjepartsmodeller eller andre avancerede muligheder.

Copilot Studio er opbygget i flere hoveddele.

Orchestratoren er selve Copilot Studio, hvor man sætter instruktioner, rammer, guardrails og guidelines.

Triggers gør det muligt at køre agenten autonomt baseret på handlinger via Power Platform Connectors, fx når der modtages en e-mail eller når data opdateres i en tabel i Dataverse.

Knowledge er videnkilder, agenten kan trække på: offentlige websites, Dataverse, uploadede filer, SharePoint, Microsoft Fabric og connectors.

Tools er det, der gør, at agenten kan handle, herunder MCP (Model Context Protocol), en åben standard oprindeligt udviklet af Anthropic i november 2024, som standardiserer, hvordan AI-modeller kommunikerer med eksterne datakilder og API’er. Standarden er siden blevet adopteret bredt af bl.a. Microsoft og OpenAI og er overdraget til Agentic AI Foundation. I Business Central-sammenhæng er MCP det, der giver agenten adgang til at læse og forstå Business Centrals datamodel og det data, der er i den.

Casen: Automatisk behandling af ordrebekræftelser fra leverandører

Udgangspunktet for webinarets demo var en case fra en rigtig kunde. Abakion har en app til Business Central, der hedder Purchase Order Management. Når en indkøber sender en købsordre til en leverandør, samler appen alle udstående købsordrelinjer i en Purchase Management Journal. Her kan indkøberen se, hvad der er bestilt (antal, pris, forventet leveringsdato) og afventer leverandørens bekræftelse.

Når leverandøren svarer med et bekræftet antal, en pris og en leveringsdato, skal indkøberen manuelt gå ind og opdatere disse felter. Det tager lang tid, især hvis man har mange købsordrer i gang. Ønsket var en agent, der automatisk kan læse leverandørens ordrebekræftelse fra en indkommende e-mail, hente de relevante oplysninger ud af PDF-vedhæftningen og opdatere de rigtige linjer i Business Central.

Demoen: Fra købsordre til automatisk opdatering

I demoen blev der oprettet en købsordre i Business Central til en leverandør med to varelinjer. Ordren blev sendt via e-mail med en PDF-vedhæftning. Herefter ventede man på leverandørens svar.

Da svaret kom som en ordrebekræftelse pr. e-mail med en PDF, gik agenten automatisk i gang. Den læste PDF’en, matchede data og opdaterede de relevante felter i Purchase Management Journal i Business Central: bekræftet antal og forventet modtagelsesdato.

Bagefter sendte agenten en opsummeringsmail til indkøberen med en bekræftelse af, hvad den havde gjort: ordrenummer, linjer, antal og datoer.

Sådan er agenten bygget i Copilot Studio

I Copilot Studio starter man med en beskrivelse, der fortæller agenten, hvad den er sat i verden for. I dette tilfælde: automatisk at processere indkommende ordrebekræftelser.

Herefter vælger man en sprogmodel. Lige nu er der OpenAI-modeller samt Anthropic-modeller (Claude Sonnet og Claude Opus) tilgængelige. Modelvalget har betydning for, hvor godt agenten performer, og hvor komplekse opgaver den kan løse.

Hvis man har brug for modeller, der ikke er tilgængelige i Copilot Studio, kan man gå til Azure AI Foundry.

Instruktioner: Agentens opskrift

Instruktionerne er kernen i agenten. Her beskriver man tydeligt, hvad agenten skal kunne, og man bruger gerne AI til at hjælpe med at formulere dem, da AI er god til at forstå, hvordan AI bedst modtager information.

Instruktionerne indeholder:

En persona eller identitet: hvem er du, og hvad er du sat i verden for.

Guardrails (critical rules): hvad agenten skal forholde sig til, fx at den ikke selv må parse dokumenter, at den skal skelne mellem leverandør og kunde, og at den skal køre alle steps i rækkefølge uden at springe noget over.

Herefter følger de konkrete steps i processen: 1) Gennemlæs bekræftelses-PDF’en. 2) Find leverandøren i Business Central ved at matche CVR-nummer. 3) Hent ordredetaljer fra PDF’en og fra Business Central og match dem. 4) Hent journal lines. 5) Opdater de relevante linjer. 6) Send en opsummeringsmail.

Alt i opsummeringsmailen: format, indhold, layout er styret via instruktioner. Der er ikke skrevet nogen kode til det. Agenten har fået ét værktøj til at sende en mail, og instruktionerne specificerer, at formatet skal være rå HTML med inline CSS og en bestemt skrifttype.

Tools: Agentens værktøjer

Agenten har tre tools.

MCP-serveren er integrationen til Business Central, som giver agenten adgang til at læse og skrive data.

Send e-mail giver agenten mulighed for at sende opsummeringsmails.

Tekst til JSON konverterer vedhæftninger til et format, agenten kan arbejde med.

Trigger: Hvornår starter agenten

Agenten er sat op til at starte, når der kommer en e-mail i en specifik indbakke. I en produktion kunne det være en delt postkasse til ordrebekræftelser.

MCP Server-konfiguration i Business Central

MCP (Model Context Protocol) er det, der forbinder Copilot Studio med Business Central. For at komme i gang skal MCP-serveren først aktiveres i Business Central: I Feature Management skal flaget “Feature: Enable MCP Server access” være slået til, og miljøet skal køre version 27 eller nyere.

I Copilot Studio tilføjer man MCP-forbindelsen ved at logge ind med en bruger og vælge “add and configure”. Herefter skal man ind i Business Central og opsætte MCP Server Configuration.

I konfigurationen kan man tilføje alle standard-API’er fra Business Central. Hver page har operationer for read, create, modify, delete og bound action (sidstnævnte giver agenten mulighed for at udføre handlinger som fx at trykke på en bogfør-knap eller en release-knap i BC).

Vil man bare have læseadgang til hele sin BC via MCP, går man ind, tilføjer alle standard-API-tools med read access og sætter den til aktiv. Så virker MCP-integrationen, og man kan begynde at tale med sin data fra Copilot Studio.

Som standard giver MCP-serveren netop read-only adgang til alle API-sider. Skriverettigheder skal eksplicit tilføjes for hver operation, man ønsker agenten skal kunne udføre.

Til mere komplekse løsninger, hvor agenten skal oprette eller ændre data, skal man tilføje de relevante rettigheder. En vigtig begrænsning er, at Copilot Studio understøtter maksimalt 128 tools pr. agent, men Microsoft anbefaler ikke mere end 25–30 for optimal performance. Tilføjer man alle pages med alle operationer, kan man hurtigt nå denne grænse.

Business Central har derfor en Dynamic Tool Mode, der reducerer antallet til tre generelle tools: bc_actions_search, bc_actions_describe og bc_actions_invoke. Sætter man den til, har agenten adgang til det hele via disse tre tools, som dynamisk finder og udfører de relevante operationer. Derudover er der Discover Additional Objects, som giver agenten adgang til alle API-sider, også dem der ikke er tilføjet manuelt i konfigurationen.

Hvor lang tid tager det at bygge?

Agenten i demoen blev bygget som en proof of concept på en dag. Den dækker happy-path-scenariet, hvor alt er som forventet. I en produktionsversion skal der bygges fejlhåndtering og sikkerhed ovenpå, fx håndtering af flere PDF’er, forkerte ordrenumre og andre uforudsete situationer. Til det kan man fx bruge AI Builder til at træne en model på, hvordan forskellige ordrebekræftelser ser ud.

Kan en agent have for mange opgaver?

En agent kan godt blive for stor, men det handler ikke om hastighed. Det handler om, at den begynder at hallucinere eller blive forvirret over, hvad man vil. Beder man den om at kunne 50 ting, ved den ikke, hvad den skal. Beder man den om at kunne én ting, er den rigtig god til det. Derfor giver det mening at bruge underagenter til specialiserede opgaver og til funktionalitet, der skal genbruges på tværs af flere processer.

Er det driftssikkert?

Det er et relevant spørgsmål, om man kan stole på en AI-agent i et økonomisystem. Nøglen er at være meget konkret og specifik i sine instruktioner og i de rettigheder, man giver agenten. Jo mere man begrænser, hvad agenten kan i Business Central, jo lavere er risikoen for uforudsigelig adfærd.

Samtidig er det værd at bemærke, at grundmodellerne bliver markant bedre over tid. For nogle år siden var hallucineringer hyppige, men de nyeste modeller performer væsentligt bedre. Og de gange, agenten i demoen ikke agerede som forventet, viste det sig at skyldes fejl i testdataene, ikke hallucineringer.

Hvis en regelbaseret automatisering kan løse opgaven, er det stadig et godt valg. Agenter giver mening, når processer kræver forståelse af kontekst og ustruktureret data, som at læse en PDF og matche indholdet med poster i et ERP-system.

Kom i gang

Alt, der er vist i webinaret, er lavet uden en eneste linje kode, hverken i agenten eller i MCP-konfigurationen. Agentopbygningen og konfigurationen er ren opsætning og instruktioner.

Microsofts officielle dokumentation for at bygge Business Central-agenter med Copilot Studio er et godt sted at starte: Create Agents in Copilot Studio that Connect to Business Central.

Abakion har udgivet bogen “Hurtigere, Bedre og Nemmere” med en playbook og en masse eksempler på automatiseringer med Power Platform. Den er gratis som e-bog og i trykt version på abakion.dk/power-platform.

Derudover findes der et Copilot Studio Community, startet af Nicolai Schjørmann sammen med folk fra Microsoft, hvor man mødes fire gange om året og deler viden og erfaringer.