AI er det nye "responsive design" — alle vil have det, men de færreste ved hvad de skal med det. Jeg har bygget AI-features til danske webshops og B2B-platforme i 2 år nu, og mønsteret er klart: 80% af AI-projekter leverer ingen målbar ROI. De resterende 20% leverer enormt.

Forskellen er ikke teknologi. Det er valg af use case.

Her er 3 AI-funktioner vi har bygget der faktisk har leveret omsætning til kunderne — og 3 der ser fantastiske ud i en pitch men dør i produktion.

Det der virker

1. AI-billedgenerering integreret i købsflow

Hvad det gør: Kunden skriver en prompt, AI'en genererer et billede, og kunden kan købe det som fysisk produkt.

Hvorfor det virker: Det skaber en oplevelse der ikke kan kopieres af konkurrenter, og det fjerner den traditionelle "browse-and-pick"-friktion. Kunden investerer 30 sekunder i at lave noget unikt, og er derfor langt mere tilbøjelig til at konvertere.

Reel case: Dreamwall Imaginator — 50.000+ AI-genererede plakater siden lancering, ~30% conversion-rate på dem der bruger generatoren (mod ~3% på normalt browse-and-pick). Pris per produkt steg samtidig med ~25% fordi kunden føler ejerskab over det selv-genererede produkt.

Hvad det kræver: En billed-model (Stable Diffusion, DALL-E, eller Replicate-API), en mockup-renderer der kan placere billedet på produktet, cost-control så API-kald ikke løber løbsk, og fuld integration med din eksisterende ordre-platform. Pris hos os: 75K-200K, afhængigt af kompleksitet.

2. Kundeservice-chatbot med RAG på din egen data

Hvad det gør: En chatbot der er trænet på dine FAQ'er, produktdata, ordre-historik og support-logs. Svarer 40-70% af henvendelser uden menneskelig involvering.

Hvorfor det virker: Support er den dyreste del af de fleste e-commerce-virksomheder. Hvis du betaler en supporter 350 kr./t, og chatbotten håndterer 40% af henvendelser, sparer du 14.000 kr./md ved 100 henvendelser/uge. Plus: kunderne får svar 24/7, hvilket forbedrer NPS.

Vigtig forskel: Det skal være RAG-baseret (Retrieval-Augmented Generation) — det vil sige, chatbotten henter information fra din database/CMS hver gang den svarer. Generic chatbots der bare bruger ChatGPT direkte hallucinerer og giver forkerte svar.

Reel case: B2B-kunde i emballage-industrien — chatbotten svarer på "hvad er minimumsbestilling for produkt X?", "hvornår leverer I til Sjælland?", "har I dette i lager?". Reducerede support-tickets med 55% i første kvartal efter launch.

Hvad det kræver: Strukturerede produktdata (Shopify/WooCommerce er fint), et chat-interface på sitet (intercom-stil eller custom), en LLM med RAG-pipeline (Claude eller GPT-4o), og evaluering hver uge for at fange edge cases. Pris hos os: 25K-75K initialt + 1.500-5.000 kr./md i drift.

3. AI-genererede produktbeskrivelser i bulk

Hvad det gør: Du har 5.000 produkter med korte/dårlige beskrivelser. AI'en genererer SEO-optimerede, brand-konsistente beskrivelser baseret på produktnavn + specs.

Hvorfor det virker: Manuel skrivning af 5.000 produktbeskrivelser tager 200-500 timer (= 200-500K kr.). AI gør det på en aften for 200 kr. i API-kald. Kvaliteten er typisk 80% af menneskelig — godt nok til SEO, godt nok til konverteringer, og du sparer tid til at skrive de beskrivelser hvor det virkelig betyder noget.

Vigtig forskel: Det skal være drevet af en brand-style-guide og produkt-data (ikke bare "skriv en beskrivelse af X"). Vi bygger typisk en 3-step pipeline: extract → generate → validate. Den sidste del fanger fejl før de når sitet.

Reel case: Webshop med 8.000 produkter — vi genererede unikke beskrivelser i stedet for de duplicate-templates de havde brugt. SEO-trafik steg 38% over 4 måneder. Conversion-rate på affected pages steg 12%.

Hvad det kræver: Eksisterende produkt-data (jo mere struktureret jo bedre), en brand-guide (eller vi skriver en sammen med dig), validation-rules (max-længde, forbudte ord, krav om at nævne brand-værdi-prop), og batch-processing-infrastruktur. Pris hos os: 15K-40K, afhængigt af antal produkter og kompleksitet.

Det der ikke virker

1. "AI-personalisering" der ikke har data

Hvad det lyder som: "Vi viser hver kunde personaliserede produktanbefalinger baseret på AI."

Hvorfor det fejler: Hvis du har under ~10.000 unike brugere/md og ikke et trænet anbefalings-system, leverer "AI-personalisering" identiske anbefalinger til alle. Kunderne mærker det, og du har brugt 80K på en feature der gør det samme som en simpel "bestsellers"-widget.

Hvad du burde gøre i stedet: Brug Shopify's built-in recommendations eller WooCommerce's Smart Recommendations-plugin. Vent med custom AI-personalisering til du har data-volumen til at det giver mening.

2. AI-genereret video til marketing

Hvad det lyder som: "Vi laver 50 unikke produktvideoer om dagen med AI."

Hvorfor det fejler: Kvaliteten af AI-genereret video er stadig 6-12 måneder bag det folk forventer fra brand-content. Resultatet ligner discount-marketing, og kunderne associerer det med spam. Bedre at have 5 gode menneske-skabte videoer end 50 AI-videoer der får din brand til at se billig ud.

Hvad du burde gøre i stedet: Brug AI til at hjælpe med scripts og storyboards (det fungerer godt). Lav selve videoen med menneske eller god agency.

3. Generic AI-chatbot uden RAG

Hvad det lyder som: "Vi tilføjer en ChatGPT-chatbot til dit site."

Hvorfor det fejler: Uden RAG (= chatbot trænet på din data) hallucinerer den. Den giver kunder forkert information om dine produkter, dine åbningstider, dine return-policies. Det skader din brand mere end det hjælper.

Hvad du burde gøre i stedet: Enten gør det rigtigt med RAG (#2 i "det der virker"), eller lad være.

Hvordan du vurderer om en AI-feature er værd at bygge

Stil disse 4 spørgsmål før du committer pengene:

→Hvad sparer det / hvad genererer det per måned? Hvis svaret er "vi ved det ikke" eller "det er svært at måle", så er det ikke en investering — det er en gætning. Vent.
→Findes der menneske-data nok til at træne på? AI uden data er bare random output. Hvis du ikke har FAQ-database, produkt-spec-data, eller ordre-historik, så har AI'en ikke noget at arbejde med.
→Kan du måle resultatet inden 3 måneder? Hvis det tager 12 måneder at vide om det virker, er du for langt fra feedback-loopet.
→Hvad er din plan B hvis modellen opdateres / API-prisen stiger 5x? OpenAI har hævet priser. Anthropic har deprekeret modeller. Du skal kunne skifte under.

Hvis du kan svare overbevisende på alle 4, byg det. Hvis ikke, vent.

Konkret forslag til dig

Hvis du driver en webshop og vil eksperimentere med AI uden at brænde 200K på en PoC der ikke kommer live:

Start med #3 (bulk produktbeskrivelser) — lav investering (15-40K), klar ROI inden for 3 måneder, lav kompleksitet i implementering. Hvis det virker, har du data til at bygge større AI-features senere.

Eller start med #2 (RAG-chatbot) hvis support er en flaskehals. Inden for 6 måneder har du målbar ROI på supporter-tid sparet.

Skip #1 (AI-billedgenerering) medmindre dit produkt-format virkelig understøtter custom-design (plakater, t-shirts, produkt-konfiguratorer). For en standard webshop er det dyr feature der ikke flytter omsætning.

Vil du tale konkret om en AI-feature til din forretning? Book en scope-snak — første 20 minutter er gratis, og jeg siger ærligt om det giver mening eller ej.

Læs videre

— Journal

Få nye artikler direkte i indbakken

1-2 mails om måneden. Ingen spam. Frameld dig når som helst.

3 AI-funktioner der faktisk giver mere omsætning — og 3 der ser godt ud i en pitch