Anthropic Claude i praksis: Projects, Computer Use og Sub-agents til reelle workflows

For seks måneder siden var Claude "den AI man brugte til at skrive ordentligt". I dag er den fundamentet i seks af vores aktive produktion-workflows. Det skift er ikke tilfældigt — det skyldes tre features, som de fleste danske virksomheder stadig ikke kender.

Anthropic Claude: hvad du behøver vide

Claude er Anthropic's AI-familie. I 2026 består frontier-tilbuddet af:

• Claude Opus 4.5 — flagship-model. Bedst til reasoning, kode og dybe analyser. Dyrere.
• Claude Sonnet 4.6 — work-horse. Næsten Opus-kvalitet, ~4× billigere. De fleste workflows kører på Sonnet.
• Claude Haiku 4 — hurtig og billig. Til høj-volumen som klassificering, simple svar.

Til forbrugerne tilgår man via claude.ai. Til virksomheder via API, AWS Bedrock, Google Vertex AI, eller den nye Claude Enterprise.

Feature 1: Projects — det undervurderede gamechanger

Projects i claude.ai er Anthropic's svar på Custom GPTs — men implementeret bedre.

Hvad er et Project?

Et Project er en isoleret "arbejdsrum" hvor du:

• Uploader op til 500 MB dokumenter (PDF, Word, Excel, kode)
• Skriver custom instructions (rollen Claude skal spille)
• Bevarer chat-historik på tværs af samtaler
• Deler med dit team (på Team/Enterprise-tier)

Det lyder simpelt. Men forskellen til at uploade filer ad hoc er enorm: kontekst bevares, deles og raffineres over tid.

Sådan bruger vi Projects internt

• "Moselstudio Brand Voice": Indeholder vores style guide, eksempler på godt output, kunde-cases. Hver gang vi skriver markedsføringstekst, sker det i dette Project. Claude lærer over tid hvordan vi skriver.
• "Kontraktanalyse": Indeholder vores standard-kontrakter + dansk aftalelov essentials. Når en kunde sender en kontrakt, kører den herigennem. Spar 2 timer pr. kontrakt-gennemgang.
• "Codebase Q&A": Vi uploader hele kodebasen til et internt Project. Nye udviklere kan stille spørgsmål om "hvor er denne funktion" og få korrekte svar.

Pris-tricket: Projects i Pro ($20/md) er fint til personlig brug. Til team-brug skal du på Team ($25/bruger/md, min. 5 brugere). Enterprise har volume-rabatter.

Feature 2: Computer Use — Claude kan klikke for dig

Det her er det vildeste Anthropic har sluppet. Computer Use er en API-feature der lader Claude observere et skærmbillede og udføre handlinger — klik, tastatur, scroll.

Hvad kan det reelt?

I praksis kan Claude:

• Åbne en browser og logge ind på et system
• Udfylde et formular baseret på et brief
• Navigere et CRM og lave updates
• Analysere et dashboard ved at læse skærmbilledet
• Bygge en præsentation i PowerPoint

Det kører i en sandbox (typisk en VM eller container), så Claude ikke roder med din egen maskine. Anthropic leverer reference-implementeringen som Docker image.

Real-world use case fra os

En kunde i fast ejendom havde en gammel CRM-platform uden API. De ville migrere data ud, men eksport-funktionen var begrænset til 100 records pr. gang og krævede 12 klik pr. eksport. Med 30.000 records ville en intern medarbejder bruge 3 uger.

Vi byggede en Computer Use-agent der:

1. Loggede ind på systemet
2. Navigerede til eksport-funktionen
3. Eksporterede 100 records, downloadede CSV'en
4. Gentog 300 gange (paginering)
5. Konsoliderede til én fil

Tid: 14 timer kørsel i baggrunden. Kostpris i API: ~ 2.000 kr. Sparet medarbejdertid: ~ 120 timer = 60.000 kr.

Hvornår IKKE bruge Computer Use

• Hvis der findes en API — brug den. 100× hurtigere, 50× billigere.
• Sikkerhedskritiske systemer — Claude kan tage forkerte beslutninger. Vores Computer Use-agenter har altid "human review"-steps.
• Hyppige UI-ændringer — agenten bygger på, at skærmen ser ud som forventet. Hvis siten redesignes ofte, går agenten i stykker.

Feature 3: Sub-agents — orkestrering af opgaver

Den sidste pattern, som er ved at blive standard: sub-agents. Det er en arkitekturpattern hvor en "orchestrator-agent" delegerer specifikke opgaver til specialiserede sub-agents.

Hvorfor det matter

En enkelt agent prøver at gøre alting. Den får et stort prompt, en lang værktøjs-liste, og masser af kontekst. Det fungerer dårligt — modellen mister fokus, overser detaljer, eller går i loops.

Med sub-agents:

• Orchestrator-agenten holder den overordnede plan
• Hver sub-agent har én snæver opgave, ét lille prompt, få værktøjer
• Resultater samles og bedømmes af orchestrator

Eksempel: research-agent

Vi bygger til en kunde en agent der laver konkurrentanalyse:

1. Orchestrator får brief: "Lav analyse af 5 konkurrenter i håndværker-branchen"
2. Sub-agent 1 (Search) finder de 5 konkurrenter via web search
3. Sub-agent 2 (Scrape) trækker hjemmesider, priser, services
4. Sub-agent 3 (Review) finder anmeldelser på Trustpilot, Facebook
5. Sub-agent 4 (Synth) sammenfatter til en rapport
6. Orchestrator kvalitetstjekker og leverer

Hver sub-agent bruger den billigste Claude-variant (Haiku) til simple opgaver, og kun Sonnet/Opus hvor reasoning er nødvendigt. Det halverer prisen og fordobler kvaliteten sammenlignet med "én stor prompt".

Hvordan kommer man i gang? Vores anbefalede progression

For en dansk virksomhed der vil tage Claude alvorligt:

1. Uge 1-2: Claude Pro ($20/md) til 1-2 personer. Brug claude.ai. Eksperimentér.
2. Uge 3-4: Opret 3-5 Projects til konkrete workflows. Mål tidsbesparelser.
3. Måned 2: Opgradér til Claude Team ($25/bruger/md). Deler Projects på tværs.
4. Måned 3: Identificér ét ekstern-facing use case (eks. dokumentprocessering). Byg via Anthropic API + Claude Sonnet.
5. Måned 4-6: Hvis ROI er positiv, kig på Computer Use eller sub-agent-arkitekturer.

Hvorfor vi foretrækker Claude til de fleste produktion-workflows

• Lange kontekstvinduer (200K tokens): Vi kan dumpe en hel kodebase eller juridisk pakke ind på én gang.
• Bedre dansk: Subtilt, men målbart i blind tests.
• Hallucinerer mindre: Indrømmer oftere "jeg ved det ikke" i stedet for at finde på fakta.
• Computer Use: Industriens bedste browser/UI automation lige nu.
• Anthropic's filosofi: Constitutional AI, færre jailbreaks, mere konservativ approach til AI-sikkerhed.

Det er ikke den eneste model i vores stack — men det er den mest brugte.

Konklusion: Claude er gået fra "interessant" til "default"

For 18 måneder siden var Claude et eksperiment. I dag er det ryggraden i vores AI-implementeringer. Forskellen var ikke modellen i sig selv — det var Projects, Computer Use og sub-agent-patterns der gjorde den brugbar i produktion.

Hvis din virksomhed har skiftet "AI" ud med "ChatGPT" i hovedet og aldrig set til siden, så har du sandsynligvis gået glip af 50% af det danske AI-landskab. Tag fat — vi viser jer gerne hvad Claude reelt kan i jeres specifikke kontekst.