Indkøberens ERP-opgaver i en AI-tid

Hvordan kan AI-agenter aflaste indkøberen i Business Central?

AI-agenter og automatiseringer kan aflaste en indkøber i Microsoft Dynamics 365 Business Central ved at tage tastearbejdet, overvågningen og analysen. Indkøberen beholder dialogen med leverandørerne og beslutningerne. Det gælder blandt andet oprettelse af varer, opfølgning på leveringstid, prisaftaler, MRP-planlægning, styklister, forecast og ordrebekræftelser. Abakions anbefaling er: Brug AI til fortolkning og mennesker til beslutning.

Publiceret 1. oktober 2026

Microsoft taler om, at kontorarbejdere skal være dirigenter for et orkester af agenter. Det lyder abstrakt, også for dem af os, der bruger AI hver dag. Derfor har vi taget én rolle, indkøberen i Business Central, og gennemgået de opgaver, der tager mest tid. Vi spurgte ikke kollegaerne, hvad man kan automatisere. Vi spurgte, hvad indkøbere bruger rigtig meget tid på.

Hvad er automatiseringsspektret?

Automatiseringsspektret er Abakions måde at placere indkøberens opgaver på mellem regelbaseret automatisering og autonome agenter. Når Microsoft siger, at agenter snart laver det hele, så handler det i praksis mest om automatiseringer. I den ene ende af spektret ligger den regelbaserede automatisering, som man har kendt i mange år: Hvis det her sker, så gør sådan og sådan. I den anden ende ligger den autonome agent, der modtager en e-mail og selv klarer resten.

Mange af indkøberens opgaver hører hjemme et sted midt på spektret. Og noget af det mest værdifulde er AI som støtte. Du spørger Copilot eller Claude om noget, får det til at strukturere en tekst og bruger resultatet bagefter. Det føles ikke automatisk, fordi du selv validerer. Men det er netop meningen.

Overtager AI indkøberens job?

Nej. Der er hele job, der bliver overflødige, fordi AI kan lave det hele, men indkøberens job er ikke et af dem. Indkøberen taster en hel masse i Business Central, kopierer, læser e-mails og indsætter data. Hvis noget af det bliver flyttet over i automatiseringer, så kan indkøberen bruge tiden på at være indkøbsfaglig.

Hvornår giver AI mening ved oprettelse af nye varer i Business Central?

AI giver mening ved vareoprettelse, når leverandørens data ikke er strukturerede, fx en liste i en e-mail, en PDF eller et scannet dokument. Varer og stamdata skal vedligeholdes, hver gang en leverandør kommer med noget nyt. Hvis du er heldig, så får du en CSV-fil med varenumre, priser og dimensioner, som du kan importere i en skabelon med for eksempel Master Data Information eller en anden app. Ved førstegangsoprettelse af stamdata giver det god mening at bruge en almindelig importfunktion.

Et typisk eksempel på ustrukturerede data er en leverandør, der skriver, at en underkomponent er skiftet ud, så produktet har fået et nyt varenummer. Hvis det er et scannet dokument, så kan du ikke engang kopiere teksten.

Agent eller Copilot.

Hvor meget automatisering, der giver mening, afhænger af, hvor tit det sker. Hvis det sker ofte, så kan en agent overvåge mailboxen og fange ændringerne. Abakion kunne for eksempel lægge sådan en agent på AppSource som en app. Hvis det kun sker en eller to gange om måneden, så er det nok ikke værd at bygge en agent. Så opdager indkøberen selv mailen, giver indholdet til Copilot og beder den om at lave et format, der kan importeres i Business Central. Det ændrer indkøberens hverdag markant, hvis det sker flere gange om dagen.

Validering.

Det, der er tilbage til indkøberen, er valideringen. Passer det, AI har trukket ud af scannet, med det, vi ved om produktet? Agenten fortæller, hvad den har tænkt sig at opdatere, og indkøberen siger ok. Det kan også være et helt nyt produkt, der skal oprettes.

Kan AI vise, om leverandørerne overholder deres lead time?

Ja. En AI-agent kan bruge mønstergenkendelse på leverancerne i Business Central og vise, hvor mange gange hver leverandør procentvis har overskredet lead time med fx 10 % eller 50 %. De fleste sætter en lead time op per leverandør og har en ambition om at holde den opdateret. Men Business Central har ikke en visuel oversigt eller en advarsel, når en leverandør gentagne gange leverer for sent.

Leverancerne har både en forventet og en aktuel leveringsdato, og agenten kan læse hele historikken. Du kan starte agenten, når du har brug for oversigten, eller få den hver tredje uge eller hver tredje måned. Agenten kan også holde styr på:

• leverancer, der risikerer at blive forsinket
• leverancer, der allerede er forsinkede
• modtagne leverancer, der kom for sent

Agenten skal ikke forhandle med leverandøren. Hvis en leverandør ikke leverer til tiden, så er det indkøberen, der tager dialogen og vurderer, om der skal findes en anden. Og det har betydning langt ned ad vejen, når leverancen er en komponent til noget, I selv producerer. De fleste synes, det er sjovere at løse problemet end at analysere, hvor tit det er sket.

Hvordan kan AI hjælpe med prisaftaler og rabataftaler?

AI og automatiseringer kan overvåge udløbsdatoerne på rabataftaler og kampagnepriser og give besked, når indkøberen skal reagere. Prisaftaler og rabataftaler kommer løbende fra leverandørerne, ofte i et forskelligt format for hver leverandør. Meget af arbejdet er import og validering af data, og her har generativ AI ikke mest at sige.

Det sted, hvor flest brænder fingrene, er udløbsdatoerne. Hvis du bestiller ud fra en pris, der er udløbet, så køber du for dyrt eller sælger for billigt. Selve forhandlingen og afvejningen af udbud og efterspørgsel kræver et menneske.

En fornuftig arbejdsdeling er at aftale et fast format med hver leverandør, så en almindelig app kan læse priserne ind i Business Central og mappe dem korrekt. AI kan så tjekke ind imellem, om der er glemt en udløbsdato. Meget store leverandører ændrer ikke format for din skyld. Men leverandører, der har styr på deres ting, sender ikke et scannet dokument. De sender et format, som ERP-systemer er bygget til at tage imod. Måske kræver det en app og en tilpasset skabelon, men når forbindelsen først er sat op, så kører den.

Kan AI forklare forslagene fra MRP-planlægning?

Ja. En AI-agent kan læse forslagene fra MRP-planlægning eller reverse planning i Business Central, forklare i menneskesprog hvad der ligger bag, og prioritere, hvilke forslag indkøberen bør se på først. MRP-planlægningen giver et væld af forslag, og man kan diskutere, hvor mange virksomheder der bruger den. Vi oplever, at flere bruger reverse planning, hvor man starter fra den anden ende og kigger på de behov, der skal dækkes. Der findes også apps, der gør planlægningen nemmere at overskue. Uanset værktøjet bruger indkøberen meget tid på at gennemgå forslagene manuelt.

At vurdere kladden er indkøberens ansvar og skal blive det. Men bare det at forstå, hvorfor planlægningen har foreslået et indkøb eller en flyttet leveringsdato, er en opgave i sig selv. Forklaringen kan komme, når indkøberen spørger hvorfor. Eller det kan ske helt autonomt, så forklaringen ligger klar som et ekstra input, når indkøberen skal vurdere forslagene.

Hvordan hjælper AI med styklister og afhængigheder?

AI kan gennemskue konsekvenserne af en forsinket leverance, når I arbejder med niveauinddelte styklister og afhængigheder mellem produkter og subprodukter. Styklister gør indkøbsplanlægningen langt mere kompleks.

Tag en stationær computer, der skal bruges som konfirmationsgave. For at producere computeren skal I have produceret et grafikkort. For at producere grafikkortet skal I have leveret nogle varer. Hvis leverandøren af de varer ikke leverer til tiden, så kan du allerede nu se, at grafikkortet ikke bliver færdigt, og at computeren ikke er klar, når forældrene kommer for at hente den. Her er der en stor gevinst at hente i indkøberens hverdag.

Er AI bedre end mavefornemmelse til forecast?

Ja. Forecast er det største straffespark af alle indkøbsopgaverne, fordi AI er bedre til at gætte via mønstergenkendelse, end vi er via mavefornemmelse. Mange virksomheder lægger forecast ind manuelt. Hvis varerne har lang leveringstid, for eksempel fra Østen, så skal den forventede efterspørgsel ligge i systemet, før kunderne har bestilt. Nogle beder sælgerne om et forecast, andre gætter selv på tallene.

En AI-agent kan få adgang til eksterne kilder. Et eksempel fra vores kollegaer er solcreme, hvor vejrudsigten har meget at sige for, hvor meget man skal bestille. Indkøberen skal stadig vurdere, om tallet er realistisk, og enten godkende det eller rette det og så godkende.

Sælgernes forecast har også sine svagheder. Nogle genbruger det samme forecast som sidst, fordi ingen ved, hvad kunderne køber. Andre er lidt for optimistiske. Det binder kapital i varer, der ligger på hylden og ikke bringer indtægt ind.

Hvad kan en agent gøre med ordrebekræftelser fra leverandører?

En agent kan overvåge den mailbox, ordrebekræftelserne kommer i, sammenholde dem med indkøbsordren og kun vise indkøberen de linjer, der afviger. Når en indkøbsordre er sendt, så svarer leverandøren, om de kan levere antallet til tiden. Svaret kan være, at du kan få 8 af de 12 til den ønskede dato og de sidste 4 en uge senere. Den information skal ind i Business Central, og det kræver meget kommunikation og manuel opdatering.

Agenten hos kunden.

Abakions Nikolaj og Mads har bygget en sådan agent til en kunde. Agenten læser PDF’er og mailtekster og sammenholder oplysningerne med indkøbsordren. Hvis antal, dato og pris stemmer, så afslutter den linjen. Hvis der er afvigelser, så skriver den de nye værdier ind i nogle felter uden at bogføre. Ud af 50 linjer skal indkøberen kun forholde sig til de 4, hvor leverandøren ikke ramte plet. Agenten flytter også data fra PDF, Word-dokument eller mailtekst over i felterne i ERP-systemet, så tastearbejdet forsvinder.

Næste skridt.

Agenten kunne også vurdere konsekvensen. Hvis I først skal levere de sidste 4 til jeres egne kunder om 14 dage, så betyder det ikke noget, at leverandøren sender dem om en uge. I andre tilfælde skal en kunde ringes op og spørges, om leverancen kan rykkes tre dage. Agenten kunne komme med forslag til, hvordan det løses bedst.

Hvordan kan AI hjælpe, når en leverance bliver forsinket?

En AI-agent kan kortlægge konsekvenserne af en forsinket leverance og foreslå, hvilke kunder der skal prioriteres, mens indkøberen selv beslutter. Det gælder, når en leverandør skriver, at leverancen kommer om to uger i stedet for en. Hvis I har lovet 12 til jeres kunder og kun har 8, så skal nogle kunder prioriteres op og andre ned. Agenten kan kigge på den samlede mængde, I skal levere, og finde ud af, hvor ændringerne påvirker færrest, eller hvordan A-kunderne bliver prioriteret.

Hvem har ansvaret, når AI hjælper indkøberen?

Mennesket har ansvaret. Rollerne forsvinder ikke, de ændrer sig. Ingen har lyst til at stå i en situation, hvor forklaringen er, at AI gjorde noget. Der skal være et menneske, der tager ansvaret og kan stå på mål for beslutningen.

Vores anbefaling er derfor at gå indkøberens opgaver igennem og skille fortolkning fra beslutning. Hvor der er fortolkningsopgaver, så skal I bruge AI. Hvor der skal træffes reelle beslutninger, så skal I bruge fortolkningen til at sikre, at indkøberen træffer den rigtige beslutning.

Ofte stillede spørgsmål

Skal man bygge en AI-agent for at automatisere indkøb i Business Central?

Nej. Hvis en opgave kun opstår en eller to gange om måneden, så er det nok ikke værd at bygge en agent. Så kan indkøberen give indholdet af en leverandørmail til Copilot og bede om et format, der kan importeres i Business Central.

Kan Business Central advare, når en leverandør leverer for sent?

Nej. Business Central har ikke en visuel oversigt eller en advarsel, når en leverandør gentagne gange leverer for sent. En AI-agent kan bruge den forventede og den aktuelle leveringsdato på leverancerne til at vise, hvor tit hver leverandør har overskredet sin lead time.

Kan AI læse ordrebekræftelser fra PDF og opdatere indkøbsordrer?

Ja. Abakion har bygget en agent til en kunde, der læser ordrebekræftelser fra PDF’er og mailtekster, sammenholder dem med indkøbsordren og skriver afvigelser ind uden at bogføre. Ud af 50 linjer skal indkøberen kun forholde sig til de 4, hvor leverandøren ikke ramte plet.

Kan AI forhandle med leverandørerne?

Nej. AI skal ikke forhandle med leverandøren om leveringstid eller priser. AI skaber overblikket, og indkøberen tager dialogen med leverandøren.