Kort fortalt: En AI-salgsagent kan læse det meste af det, der lander i salgsindbakken, og skrive et udkast til svar. Det dyre er de få mails, den aldrig selv bør tage stilling til: et rabatønske gemt i en mødeforespørgsel, tvivl om fornyelsen gemt i en takkemail, en mail fra en af dine vigtigste kunder. Her er et regelsæt på én side, der siger, hvilke mails agenten skal give videre til et menneske. Jeg har fået Claude til at prøve det af på 140 opdigtede mails, og du kan få regelsættet, mailene, facit og scriptet, der tester det, gratis.
Det her er en test. Jeg anbefaler ikke, at en agent sender mails til dine kunder, før et menneske har godkendt dem. I drift er agentens valg og udkast en anbefaling til den person, der svarer, ikke en handling.
Hvilke mails skal en AI-salgsagent give videre til et menneske?
Seks slags: alt om penge, kontrakter og jura, en kunde, der er utilfreds eller på vej væk, dine nøglekunder, noget personligt eller følsomt og alt, agenten ikke er sikker på. Resten kan den forberede selv: et udkast til svar om, hvordan produktet virker, en ny bruger, der skal oprettes, eller en demo, der skal bookes. En person godkender udkastet, før det går ud.
For dit team betyder det, at agenten forbereder svar på de mange mails, der bare skal have et hurtigt svar, så de kun skal godkendes, mens sælgerne selv tager de få, hvor et forkert svar kan koste en kunde eller give en rabat, ingen har godkendt. Bruger du AI til leadkvalificering, vejer afsenderen tungt: i testen kom 4 af de 7 mails, der slap igennem uden regler, fra nøglekunder.
Den dyre mail ligner en nem mail
De farlige mails råber ikke. En anmodning om indsigt efter GDPR kommer som et praktisk spørgsmål om, hvordan man gør. En kunde, der vil skære halvdelen af brugerne fra efter nytår, spørger bare, hvordan man fjerner en bruger. En vred kunde skriver pænt. Og en nøglekunde skriver bare med fornavn, så kun signaturen afslører, hvem det er.
Derfor indeholder testen 20 fælder af den slags blandt 100 mails, på dansk og engelsk, med videresendte tråde og stavefejl. De fleste har en emnelinje, der ligner rutine, så en agent, der skimmer, skriver et høfligt udkast, og den, der godkender, ser kun et pænt svar. Så har sælgeren mistet chancen for at ringe, før kunden har besluttet sig.
Nogle linjer bærer det meste
Uden noget regelsæt, kun med en beskrivelse af firmaet og Claudes egen dømmekraft, slap 7 af de 100 mails igennem, og 3 nemme mails blev sendt til et menneske uden grund. Claude fangede alligevel 16 af de 20 fælder. Det, der slap igennem, var for det meste mails fra nøglekunder: 4 af de 7. Dem kan Claude ikke kende, for det er kun dig, der ved, hvem dine vigtigste kunder er. Det er regelsættets opgave.
Det ser du i demoen længere nede, når du slår linjerne fra én ad gangen i den første udgave af regelsættet. Med alle linjer slået til slap 2 mails igennem. Uden linjen om nøglekunder slap 7, uden linjen om kunder, der er utilfredse eller på vej væk, også 7, og uden linjen om penge 8. Linjen om det personlige og linjen om tvivl flyttede næsten intet på de 100 mails. Så ved du, hvilke linjer der bærer vægten, og hvilke du ikke må slette, når regelsættet skal kortes ned.
Kan du stole på tallet?
Facit for hver mail blev skrevet og gemt, før Claude så en eneste. Regelsættet blev rettet én gang, i to linjer, efter den første test. Derfor er det resultatet på 40 nye mails, der tæller. De er skrevet efter rettelsen og har de fleste af de samme fælder, bare sagt med nye ord. Det danske regelsæt fik 39 af 40 rigtige, og det engelske fik alle 40. Ingen nemme mails blev sendt videre uden grund, og begge kørsler sendte hver mail samme vej.
Den ene, der stadig slipper igennem på dansk, er en kunde, der spørger, om et job kan gentages hver sjette uge, og i samme mail nævner, at halvdelen af holdet allerede bruger en anden planlægningsapp, og at de snart skal beslutte sig. Jeg har ikke rettet regelsættet efter den, for så skulle det testes på endnu en runde nye mails, før det beviste noget. Skriver dine kunder sådan, så skriv det direkte ind i linjen om kunder, der er på vej væk.
Prøv selv: slå linjen om nøglekunder fra, og se, hvor mange mails der havner hos agenten. Alt i demoen afspilles fra de gemte kørsler, så der kører ingen model, mens du klikker.
Tag regelsættet med hjem
Regelsættet på dansk og engelsk, de 140 mails med facit, scriptet, der kører regelsættet, scriptet, der sammenligner svarene med facit, og en vejledning på engelsk er gratis, og du må kopiere og tilpasse det hele. Du får det tilsendt på mail: Få regelsættet og testen.
Sådan bruger du det. Skift det opdigtede firma, produktet og de tre nøglekunder ud med dine egne, og sæt blokken ind i agentens instruktioner. Træk så en bunke rigtige mails ud af indbakken, fjern navne og alt personligt, og skriv selv, hvor hver mail skal hen, før du kører noget. Kør scriptet med din egen API-nøgle, og se, hvilke mails der slipper igennem. Det er dem, du retter regelsættet efter.
Hvad det ikke gør. Det er ikke et spamfilter og ikke en sikkerhedskontrol. Det afgør kun, om en mail går til agenten eller til et menneske, og det erstatter ikke den person, der læser de mails, agenten giver videre. Mailene er opdigtede, og regelsættet, mailene og facit er skrevet af samme person, så din indbakke vil have tilfælde, testen ikke har set. Et regelsæt, der virker på én model, kan opføre sig anderledes på en anden, så test på den model, du bruger.
Et menneske i loopet på din egen indbakke
Som AI-konsulent i København sætter jeg AI-agenter op for danske salgs- og kundeteams, og regelsættet er det første, vi skriver sammen. For dig ville jeg tage dine egne mails, dine nøglekunder og de fælder, der er typiske for dine kunder, skrive facit med dig og teste agenten, før den skriver et eneste udkast til en kunde. Det er sådan, AI-automatisering holder i en salgsindbakke: agenten skriver udkast til de mange mails, et menneske godkender hvert svar, og de mails, hvor det tæller, går direkte til en sælger. Se, hvordan jeg bygger interne AI-værktøjer.
Hvorfor agenten skal give beslutningen tilbage, kan du også læse om i testen, hvor Claude skulle følge en mønt og fulgte sin egen mening. Det er samme spørgsmål fra den anden side: en agent, der aldrig siger nej, skal have at vide, hvornår den skal stoppe.
FAQ
Ofte stillede spørgsmål
En AI-agent, der læser salgs- og kundemails for din virksomhed og skriver udkast til svar, typisk om produktet, bookinger og praktiske ændringer. Den skal også vide, hvilke mails den slet ikke skal skrive udkast til, men give videre til en sælger. Et menneske godkender alt, før det går ud.
Den bør ikke sende svar på nogen af dem, før et menneske har godkendt svaret. Og nogle skal slet ikke have et udkast fra agenten: mails om penge, kontrakter og jura, utilfredse kunder eller kunder på vej væk, dine nøglekunder, personlige eller følsomme sager og alt, den er i tvivl om. Regelsættet siger det i seks linjer, du kan sætte direkte ind.
På 40 nye mails, skrevet efter rettelsen, fik det danske regelsæt 39 rigtige og det engelske 40. Ingen nemme mails blev sendt videre uden grund, og to kørsler gav præcis det samme.
Ja, som en anbefaling til den, der svarer, ikke som en agent, der sender selv. Skift firma, produkt og nøglekunder ud med dine egne. Skriv først facit til en bunke af dine egne anonymiserede mails, og test så regelsættet på dem. Vejledningen, du får tilsendt sammen med regelsættet, viser hvordan.
Claude Haiku 5.5, den billigste model, der kunne vise pointen. Et regelsæt kan opføre sig anderledes på en anden model, så test på den, du bruger.
Nej. Alle mails, firmaer og personer er opdigtede, og firmanavnene blev søgt på nettet, før de blev brugt. Ingen rigtige kundedata har været igennem testen.
AI, der gør forarbejdet, mens et menneske træffer beslutningen. Her sorterer agenten mailene og skriver udkast, og en person godkender hvert svar, før det går ud. De mails, hvor et svar kan koste penge eller en kunde, går direkte til en sælger.
Hvem lavede arbejdet: AI 76 %, Kim 24 %. Kim fastlagde metoden og reglerne for, hvordan en test bliver til en ressource, ændrede efter sit gennemsyn rammen, måden regelsættet udleveres på og demoens plads, og godkender det hele, før det går ud. Claude Code fandt idéen i en kildescanning, skrev de 100 opdigtede mails og facit, før nogen model så dem, kørte testen, rettede to linjer i regelsættet, skrev 40 nye mails til kontrollen, byggede demoen på begge sprog, lavede filmen og teksten og byggede Kims ændringer. Et GitHub-workflow kørte de 4.320 kald på Claude Haiku 5.5. Faserne er hentet fra kørselsloggen og git; vægtene er et skøn.
