Chatbot til virksomhedens hjemmeside: hvornår kan det reelt betale sig

En åben guide baseret på vores egne erfaringer. Vi viser retningen og de konkrete tal, men beslutningen træffer I på jeres egne præmisser. En servicevirksomhed fra Masovien, 22 medarbejdere, tre personer i kundeservice. Hver dag modtager virksomheden mellem 15 og 30 gentagne spørgsmål via formular, e-mail og Messenger: om åbningstider, rutevejledning, priser på standardydelser, påkrævede dokumenter. De to mest erfarne medarbejdere brugte hver 45–60 minutter dagligt på at svare. En del af henvendelserne blev udskudt til næste dag, fordi der om eftermiddagen ikke længere var kapacitet. Dette er udgangspunktet, ikke en undtagelse: I mange mindre servicevirksomheder tager et gentaget spørgsmål 4–8 minutter, og timeprisen er 45–70 PLN ved fulde arbejdsgiveromkostninger, ifølge data fra det polske statistiske kontor GUS og ZUS: gennemsnitlige lønninger og sociale bidrag.

AIBillede genereret af AI.

Sådan beregnede vi det før implementering

Før implementeringen af chatbussen registrerede virksomheden alle spørgsmål fra indgående kanaler i to uger. Det viste sig, at seksti procent af henvendelserne var variationer af tolv spørgsmål: åbningstider, priser, serviceomfang, leveringstid. Et enkelt manuelt svar kostede 3,5–9 PLN i arbejdstid, afhængigt af medarbejder og dag. Ved 15 henvendelser om dagen (ca. 450 om måneden) udgjorde tidsværdien for svarene 1.575–4.050 PLN om måneden. Dette er beløbet, man sammenligner med abonnements- og driftsomkostningerne for en bot. Uden en sådan måling er enhver implementering et slag i blinde.

Omkostningsintervaller ved polske lønomkostninger

I Polen afhænger omkostningerne ved etablering og drift af en bot i højere grad af vidensbasen og integrationerne end af teknologien. En regelbaseret chatbot, det vil sige et træ af spørgsmål og svar, implementeres for 0–5.000 PLN ved egen opsætning på en SaaS-platform og for 5.000–20.000 PLN ved konfiguration via et polsk bureau. En AI-bot med virksomhedens egen vidensbase (RAG) koster typisk 8.000–25.000 PLN for en mellemstor virksomhed. Fuld integration med CRM eller API til et bookingsystem hæver startprisen til 20.000–70.000 PLN. Månedligt abonnement? Op til 100 forespørgsler om måneden dækkes ofte af en gratis plan eller op til 100 PLN. 101–500 henvendelser koster typisk 100–300 PLN. Ved 501–2.000 henvendelser om måneden ligger planerne på 300–800 PLN. LLM API-omkostningen for et kort svar ud fra virksomhedens viden er 0,005–0,05 grosz pr. forespørgsel. Ved en måned med 1.000 henvendelser giver det yderligere 5–50 PLN. Disse niveauer stammer fra faktiske prislister og implementeringsstandarder: Dialogflow CX pricing og OpenAI API pricing viser, at prisen pr. forespørgsel ikke afskrækker, medmindre der genereres meget omfattende svar.

Rentabilitetspunktet ved en lønomkostning på 45–70 PLN pr. arbejdstime og et tidsforbrug på 4–8 minutter pr. svar: Manuel besvarelse af et enkelt spørgsmål koster 3,5–9 PLN. En chatbot til 300 PLN om måneden tjener sig ind ved 35–85 henvendelser om måneden. Ved 15 henvendelser om dagen (ca. 450 om måneden) er besparelsen fratrukket abonnementet på 1.300–3.700 PLN om måneden. Dette er minimumsniveauet: Modtages der henvendelser uden for åbningstid, og virksomheden reelt taber kunder på det, falder tærsklen yderligere. Men tallet på 35 henvendelser om måneden for en bot til 300 PLN er et teknisk rentabilitetspunkt, ikke et markedsføringsløfte.

AIBillede genereret af AI.

Beregning for fire henvendelsesniveauer

For en virksomhed i dette scenarie (15–30 henvendelser om dagen, primært gentagne) ser regnestykket således ud: 100 henvendelser om måneden er spildtid til en værdi af 350–900 PLN; 500 henvendelser svarer til 1.750–4.500 PLN. En chatbot med et abonnement på 300 PLN og 30 PLN i API-forbrug giver faste omkostninger på 330 PLN. Nettobesparelse: ved 100 henvendelser 20–570 PLN, ved 500 henvendelser 1.420–4.170 PLN. Denne matematik kan kun anfægtes, hvis procesændringen blot flytter tidsforbruget i stedet for at frigøre det, se nedenfor. Ved 50 henvendelser om måneden hænger intet scenarie sammen; implementeringserfaringen tilsiger da at blive på en gratis SaaS-løsning eller helt undlade automatisering og forbedre FAQ-sektionen på websitet.

Hvad kundeservice foretager sig efter implementering

Tidsbesparelser giver mening, hvis nogen reelt overtager opgaverne. I det beskrevne tilfælde overtog én medarbejder botten i 1–3 timer om ugen: mandagsgennemgang af samtaler, rettelse af svar, opdatering af FAQ-databasen samt en ugentlig analyse af eskalerede henvendelser og spørgsmål, som botten ikke kunne besvare. Kundeservice besvarer ikke længere de gentagne spørgsmål, botten har håndteret; i stedet overvåger, tester og fjerner medarbejderne fejl. Dertil kommer oplysningspligten jf. art. 50 i AI Act om, at brugeren chatter med et AI-system og ikke et menneske. Dette krav gælder fra 2. august 2026: forordningens ordlyd. Hertil kommer GDPR: databehandleraftale med botleverandøren og oplysning til kunderne om databehandling i chatten. Uden disse to dokumenter er omkostningsoverslaget ufuldstændigt.

Hvem dette scenarie er relevant for

Denne implementering tjener sig hjem i servicevirksomheder, hvor mere end 60% af henvendelserne er gentagne og kommer via website, kontaktformular, e-mail eller Messenger. Hos et revisionskontor med spørgsmål om frister og bilag, et værksted med faste servicepriser, en klinik med tidsbestilling: her holder casen med 450 henvendelser om måneden. Der er ingen økonomisk rationale i et advokatfirma med komplekse retssager, en producent af specialmaskiner eller B2B-salg, hvor hver dialog er unik. Nøglen er gentagelser, ikke blot volumen.

En sidste væsentlig pointe: investeringsafkastet blev her beregnet på en opfølgende måling ti uger efter lanceringen. Resultatet viste, at botten lukkede 64% af de gentagne henvendelser uden menneskelig indblanding, nettobesparelsen nåede 1.550 PLN om måneden, og hele implementeringen (4.800 PLN) var tjent hjem i fjerde måned. Det er ikke tal fra en salgsbrochure eller en leverandør; det er målinger fra den faktiske drift. Samme metode bør bruges hver gang: stop med at gætte, mål data.