Document AI: Automatisér faktura- og kontrakt-behandling med 95% præcision

Hver dansk virksomhed har mindst én rolle der bruger 50%+ af sin tid på at flytte tal og tekst fra dokumenter til systemer. I 2026 er det et løst problem. Her er hvordan vi automatiserer det for kunder.

Hvad gør moderne Document AI muligt

Klassisk OCR læser tekst fra billeder. Det har eksisteret længe og virket dårligt på reelle erhvervsdokumenter (rynkede fakturaer, scanninger med skæve kanter, håndskrift).

Moderne Document AI kombinerer:

• Avanceret OCR (fx Mistral OCR, Google Document AI, AWS Textract)
• Multimodale LLM\'er der ser dokumentet og forstår layout
• Structured extraction via Claude eller GPT med JSON-output

Forskellen: i 2020 var præcisionen på 70-85% på rigtige fakturaer. I 2026 er den 95-99%.

De typiske use cases

Fakturabehandling

Udtræk leverandør, beløb, dato, momsdel, betalingsfrist, ordrenumre. Match mod indkøbsordrer. Send til e-conomic, Dinero eller anden bogføring.

Kontrakter

Find vilkår (opsigelsesvarsel, pris, automatisk fornyelse, eksklusivitet). Flag risikable klausuler. Sammenlign mod jeres standard-kontrakter.

Kvitteringer/udlæg

Medarbejder fotograferer kvittering med mobil → Document AI → kategorisering + bogføring + udlægsrefusion.

HR-dokumenter

Ansøgninger, CV\'er, oversigt over kompetencer + erfaring. Pre-screening mod jobkrav.

Forsikringskrav

Skades-fotos + skades-rapport → ekstraktion af relevant info → første-tier-vurdering.

Vores standard-arkitektur

1. Input: Dokument modtages (email, upload, scan)
2. Pre-processing: Konverter til billede/PDF, normalisér orientering
3. OCR + Vision: Send til Claude Sonnet 4.6 eller Gemini 3 Pro med vision
4. Structured prompt: Bed om JSON-output med specifikke felter
5. Validering: Reglerbaseret check (beløb > 0, gyldig dato, kendt leverandør osv.)
6. Confidence scoring: Hvis usikkerhed > threshold → flag til menneske
7. Output: Til CRM, ERP, eller andet system

Real-world tal fra en kunde

Et regnskabskontor med 6 ansatte modtog 800-1.200 fakturaer/md fra deres kunder. Tre fuldtidsstillinger gik primært til at bogføre dem.

Vi byggede et flow der:

1. Receive fakturaer på en dedikeret email (fakturaer@deresfirma.dk)
2. Claude Sonnet udtrækker alle felter
3. Match mod kundedatabase
4. Auto-bogfør i e-conomic hvis confidence > 95%
5. Flag til menneske ellers

Resultater efter 6 måneder:

• 83% af fakturaer auto-processeret end-to-end
• 15% flagged til human review (typisk usædvanlige leverandører eller dårlige scans)
• 2% fejl-rate på de auto-processerede (caught via reconciliation)
• Tid pr. faktura: fra 7 min manuelt til 30 sek for review-cases
• Sparede 2 fuldtidsstillinger

Hvad det koster i drift

For 1.000 fakturaer/md:

• LLM-kald (~ 2.000 tokens pr. faktura): ~ 150-300 kr/md
• Storage + database: ~ 100 kr/md
• Drift af workflow (Make eller N8N): ~ 200 kr/md
• Total: 450-600 kr/md i drift

Implementering: 3-6 uger.

Hvad I bør tjekke før I starter

1. Volumen: Under 50 dokumenter/md? Glem det. ROI er ikke der.
2. Format-variation: Hvis hver leverandør har sit eget format, virker det stadig — men det er mere komplekst end "alle bruger samme template".
3. Downstream-system: Hvis jeres ERP/CRM ikke har API, bliver projektet pludselig fire gange dyrere.
4. Compliance: Persondata på dokumenter? Vælg model med EU data residency.
5. Human-in-the-loop: Plan for hvem der review\'er edge cases — uden det vil systemet langsomt drifte.

De ting jeg ikke ville bygge endnu

• Fuld-automatisk juridisk kontraktreview til høj-værdi-kontrakter (over 1 mio kr) — for høj risiko
• Medicinske journaler — kvalitetskrav for høje, regulering er kompleks
• Håndskrevne breve / noter — stadig svage med dansk håndskrift

Resten af "papir til system"-arbejdet kan automatiseres i dag. Pris og kompleksitet er kollapset på 18 måneder.