Chatbot

Hvad er en chatbot?

En chatbot er et softwareprogram der kan føre en samtale med mennesker, typisk via tekst i et chatvindue. Du skriver en besked, og chatbotten svarer. Det kan være alt fra en simpel kundeservice-bot der besvarer FAQ’s til en avanceret AI-chatbot som ChatGPT der kan diskutere næsten ethvert emne.

Ordet “chatbot” er en sammentrækning af “chat” og “robot.” Det dækker et enormt spektrum af teknologier, fra simple if-then-regler til de mest avancerede sprogmodeller i verden.

Chatbots er overalt: på websites der spørger “Kan jeg hjælpe dig?”, i messaging-apps som Messenger og WhatsApp, i virksomheders interne systemer og som selvstændige produkter som ChatGPT og Claude.

Typer af chatbots

Regelbaserede chatbots (generation 1)

Den ældste og simpleste type:

1. Hvordan de fungerer. Programmøren definerer et sæt regler: “Hvis brugeren skriver X, svar Y.” Chatbotten matcher brugerens input mod disse regler og vælger det mest passende svar.
2. Beslutningsträd. Mange regelbaserede chatbots guider brugeren gennem et fast flowchart. “Vil du vide om priser eller levering?” → “Priser” → “Vil du se privatpriser eller erhvervspriser?”
3. Fordele. Forudsigelige, pålidelige og nemme at kontrollere. Svaret er altid korrekt inden for det definerede domæne.
4. Ulemper. Kan kun håndtere forudsete spørgsmål. Forstår ikke variationer i sprog. “Hvad koster det?” og “Kan du sige prisen?” kan kræve separate regler. Brugeren føler hurtigt at den er dum.
5. Eksempel. En bankbot der kun kan besvare 50 specifikke spørgsmål om kontotyper, renter og åbningstider.

Intent-baserede chatbots (generation 2)

Bruger maskinlæring til at forstå hensigten:

1. Hvordan de fungerer. En NLU-model (Natural Language Understanding) klassificerer brugerens besked i en “intent” (hensigt) og udtrækker relevante “entities” (nøgleinformation).
2. Eksempel. Bruger skriver: “Jeg vil flytte mit møde til fredag kl. 14.” → Intent: ændre_møde. Entities: dag=fredag, tid=14:00.
3. Fordele. Forstår variationer i sprog. “Flyt mit møde” og “Kan mødet rykkes?” giver samme intent. Meget mere fleksibel end regelbaserede.
4. Ulemper. Kræver træningsdata for hver intent. Begrænset til foruddefinerede intents, nye emner kræver ny træning. Forstår ikke åbne samtaler.
5. Teknologi. Dialogflow (Google), Lex (Amazon), LUIS (Microsoft), Rasa (open source).

AI-chatbots (generation 3)

Drevet af store sprogmodeller:

1. Hvordan de fungerer. En stor sprogmodel (LLM) genererer svar baseret på hele samtalen og sin enorme træning. Ingen prædefinerede intents eller regler, modellen forstår sprog og genererer frie svar.
2. Fordele. Kan håndtere næsten ethvert emne. Forstår kontekst, nuancer og implicit mening. Genererer naturlige, flydende svar. Kan ræsonnere og løse problemer.
3. Ulemper. Kan hallucinere (generere forkerte svar). Sværere at kontrollere præcist. Dyrere at køre. Kræver guardrails for at forhindre uønsket adfærd.
4. Eksempler. ChatGPT, Claude, Gemini, Copilot.

Hvordan fungerer en moderne AI-chatbot?

Samtaleflowet

1. Bruger sender besked. “Hvad er den bedste måde at lære Python?”
2. System prompt. Chatbotten har faste instruktioner: personlighed, begrænsninger, videndomæne.
3. Kontekst. Alle tidligere beskeder i samtalen inkluderes så chatbotten forstår sammenhængen.
4. LLM-generering. Sprogmodellen genererer et svar token for token baseret på input, kontekst og sin træning.
5. Filtrering. Outputtet tjekkes for uønsket indhold (vold, bias, fortrolig information).
6. Svar vises. Brugeren ser svaret og kan fortsætte samtalen.

Kontekst og hukommelse

1. Inden for samtalen. Chatbotten husker alt der er sagt i den aktuelle samtale. “Fortæl mere om punkt 3” fungerer fordi den husker hvad punkt 3 var.
2. Kontekstvindue. Der er en grænse for hvor meget der kan huskes, typisk 8.000-200.000 tokens afhængigt af modellen.
3. Mellem samtaler. Standard: ingen hukommelse. Hver ny samtale starter forfra. Nyere chatbots har memory-funktioner der gemmer vigtige detaljer.

Personlighed og adfærd

1. System prompt. Definerer chatbottens personlighed: “Du er en venlig kundeservicemedarbejder hos XYZ.”
2. Tone. Formel vs. uformel, kortfattet vs. detaljeret, professionel vs. legende.
3. Begrænsninger. “Besvar kun spørgsmål om vores produkter.” “Del aldrig intern prisfastsættelse.”
4. Guardrails. Sikkerhedsmekanismer der forhindrer chatbotten i at generere skadeligt indhold.

Chatbots i kundeservice

Den mest udbredte forretningsmæssige anvendelse:

Hvorfor chatbots til kundeservice?

1. 24/7 tilgængelighed. Chatbotten sover aldrig, holder aldrig ferie og er aldrig syg.
2. Skalerbarhed. Kan håndtere 1.000 samtidige samtaler lige så nemt som én.
3. Konsistens. Giver det samme korrekte svar hver gang.
4. Hastighed. Svarer øjeblikkeligt i stedet for minutter i telefonkø.
5. Omkostninger. Markant billigere per henvendelse end menneskelige agenter.

Typisk implementering

1. Niveau 1: Chatbot. Besvarer de 60-80% af henvendelser der er simple og gentagne. “Hvad er jeres returpolitik?” “Hvor er min pakke?”
2. Niveau 2: Eskalering. Chatbotten genkender komplekse eller følelsesmæssige henvendelser og viderestiller til et menneske med fuld kontekst fra samtalen.
3. Niveau 3: Menneskelig agent. Håndterer de sager chatbotten ikke kan løse.

Eksempel: e-commerce chatbot

1. Kunde. “Hvor er min ordre?”
2. Chatbot. Slår ordrenummeret op via API. “Din ordre #12345 blev afsendt i går og forventes leveret torsdag. Her er dit trackingnummer: DK123456789.”
3. Kunde. “Jeg vil returnere en vare.”
4. Chatbot. “Selvfølgelig. Hvilken vare vil du returnere?” Guider kunden gennem returprocessen, genererer returetiket.
5. Resultat. Kunden er hjulpet på 2 minutter uden menneskelig involvering.

Chatbots på websites

Lead generation

1. Proaktiv. Chatbotten starter samtalen: “Hej! Leder du efter noget specifikt?”
2. Kvalificering. Stiller spørgsmål for at forstå besøgendes behov: branche, virksomhedsstørrelse, budget.
3. Handoff. Kvalificerede leads viderestilles til en sælger med fuld kontekst.
4. Booking. Chatbotten kan booke demo-møder direkte i sælgerens kalender.

Selvbetjening

1. FAQ. Besvarer de mest stillede spørgsmål uden at brugeren skal finde en FAQ-side.
2. Navigation. “Hvor finder jeg jeres API-dokumentation?” Chatbotten linker direkte.
3. Produktanbefaling. “Jeg har brug for en laptop til videoredigering.” Chatbotten anbefaler baseret på behov og budget.

Interne chatbots i virksomheder

IT-support

1. Typiske spørgsmål. “Hvordan nulstiller jeg mit password?” “Hvorfor virker min VPN ikke?”
2. Selvbetjening. Chatbotten guider medarbejdere gennem løsninger uden at involvere IT-afdelingen.
3. Effekt. 40-60% af IT-henvendelser løst automatisk. IT-teamet fokuserer på komplekse problemer.

HR og onboarding

1. Nye medarbejdere. “Hvornår får jeg løn?” “Hvordan bestiller jeg frokost?” “Hvem skal jeg kontakte om ferie?”
2. Policies. Chatbotten kender virksomhedens politikker og svarer præcist.
3. Fortrolighed. Medarbejdere spørger hellere en chatbot om følsomme emner (barsel, sygemelding) end kolleger.

Vidensbase-chatbot

1. Setup. AI-chatbot forbundet til virksomhedens interne dokumentation via RAG (Retrieval-Augmented Generation).
2. Brug. “Hvad er vores procedure for GDPR-anmodninger?” Chatbotten søger i dokumenterne og svarer med reference til kilden.
3. Fordel. Medarbejdere finder svar på sekunder i stedet for at lede i SharePoint i 20 minutter.

Chatbot-platforme og teknologi

Byggestenene

1. LLM (sprogmodel). Kernen der forstår sprog og genererer svar. GPT, Claude, Gemini, Llama.
2. NLU (Natural Language Understanding). For intent-baserede chatbots: forstår hensigt og udtrækker information.
3. Dialog management. Styrer samtalens flow og holder styr på kontekst.
4. Integration. API’er til CRM, ordresystemer, kalendere og andre forretningssystemer.
5. Frontend. Chat-widget på website, Messenger-integration, Slack-bot, standalone app.

Populære platforme

1. OpenAI API + Assistants. Byg chatbots med GPT. Understøtter tool use, filer og code interpreter.
2. Anthropic API. Byg chatbots med Claude. Langt kontekstvindue og stærk sikkerhed.
3. Dialogflow (Google). Intent-baseret chatbot-platform med NLU og integration til Google-tjenester.
4. Rasa. Open source-framework til at bygge chatbots on-premise. Fuld kontrol over data.
5. Intercom, Zendesk, Drift. Kundeservice-platforme med indbyggede chatbot-funktioner.

Chatbot-design: gode principper

Sæt klare forventninger

1. Fortæl hvad chatbotten kan. “Jeg kan hjælpe med ordrestatus, returneringer og produktspørgsmål.”
2. Fortæl hvad den ikke kan. “For kontospørgsmål, kontakt os på telefon.”
3. Vær ærlig om at det er en bot. Lad aldrig brugeren tro at de taler med et menneske.

Håndtér fejl elegant

1. Forstår ikke. “Beklager, det forstod jeg ikke. Kan du omformulere?”, ikke bare tavshed.
2. Kan ikke hjælpe. “Det kan jeg desværre ikke hjælpe med. Vil du tale med en medarbejder?”, nem eskalering.
3. Usikkerhed. Bedre at sige “Jeg er ikke sikker” end at gætte forkert.

Gør samtalen naturlig

1. Korte svar. Chatbeskeder bør være korte og scanbare, ikke lange afsnit.
2. Knapper og quick replies. Giv brugeren valgmuligheder ud over fritekst.
3. Kontekstbevidst. Husk hvad brugeren allerede har sagt. Spørg ikke om det samme to gange.

Chatbots i praksis

Eksempel: bankchatbot

1. Situation. En bank lancerer en AI-chatbot til privatkunders spørgsmål.
2. Kapabiliteter. Kontobalance, transaktionshistorik, kortspærring, rådgivning om produkter.
3. Sikkerhed. Kunden autentificerer via MitID. Chatbotten har kun adgang til kundens egne data.
4. Resultat. 55% af henvendelser løst af chatbotten. Gennemsnitlig svartid: 8 sekunder vs. 12 minutter i telefonkø.
5. Eskalering. Komplekse rådgivningsspørgsmål overdrages til en menneskelig rådgiver.

Eksempel: intern videnschatbot

1. Situation. En konsulentvirksomhed med 500 medarbejdere og 10.000 interne dokumenter.
2. Problem. Medarbejdere bruger gennemsnitligt 30 minutter dagligt på at finde information.
3. Løsning. AI-chatbot med RAG der søger i alle interne dokumenter.
4. Brug. “Hvad er vores standardpriser for GDPR-audits?” Chatbotten finder svaret i 5 sekunder med reference til kildedokumentet.
5. Effekt. 20 minutter sparet per medarbejder per dag. 500 × 20 min = ~167 timers besparelse dagligt.

Fra regelbaseret til AI: en udvikling

1960’erne: ELIZA

1. Det første chatbot-program. Skabt af Joseph Weizenbaum ved MIT i 1966.
2. Simulerede en psykoterapeut ved at omformulere brugerens udsagn som spørgsmål.
3. “Jeg er trist.” → “Hvorfor siger du at du er trist?”
4. Simpel mønstergenkendelse, men overraskende overbevisende for samtidige brugere.

1990’erne-2000’erne: AIML og regelbaserede bots

1. ALICE og lignende chatbots baseret på AIML (Artificial Intelligence Markup Language).
2. Tusindvis af håndskrevne regler. Bedre end ELIZA men stadig fundamentalt begrænsede.
3. SmarterChild på MSN Messenger og AIM, mange menneskers første chatbot-oplevelse.

2010’erne: NLU og intent-baserede

1. Siri (2011), Google Assistant (2016), Alexa (2014).
2. Maskinlæring til at forstå naturligt sprog og klassificere intents.
3. Virksomhedschatbots via Dialogflow, Wit.ai, LUIS.
4. Messenger-bots (2016), eksplosion af chatbots på Facebook Messenger.

2020’erne: LLM-baserede AI-chatbots

1. ChatGPT (november 2022), det hurtigst voksende produkt nogensinde. 100 millioner brugere på 2 måneder.
2. Fundamentalt anderledes: genererer frie svar i stedet for at vælge fra prædefinerede.
3. Kan diskutere ethvert emne, skrive kode, analysere data og ræsonnere.
4. Grænsen mellem chatbot og AI-assistent udviskes.