Ofte stillede spørgsmål
Svar på de spørgsmål, vores kunder oftest stiller, fra de første skridt til tekniske detaljer.
Har I et spørgsmål, der ikke er besvaret her? Tag kontakt, vi svarer typisk inden for to hverdage.
Kom godt i gang
Har min virksomhed overhovedet brug for AI?
Ærligt svar: ofte ikke, i hvert fald ikke på den måde, I måske tror. Mange processer får gavn af simpel automatisering, længe før AI kommer ind i billedet. Vores opgave er ærligt at vurdere, hvor AI skaber reel værdi, og hvor et simpelt workflow er det bedre valg. Når I er i tvivl: ikke enhver proces har brug for AI.
Jeg ved ikke præcis, hvad jeg vil. Kan jeg alligevel tage kontakt?
Ja, helt sikkert. De fleste af vores første samtaler begynder med „vi ved ikke helt endnu, hvad der er muligt." Det er præcis derfor, vi starter med en vurdering og viser jer, hvilke indgangsvinkler der findes i jeres virksomhed, før vi taler om teknologi.
Er den indledende samtale gratis?
Ja, den indledende samtale er gratis og uforpligtende. Vi bruger typisk 30 til 60 minutter på at forstå jeres situation og give de første indtryk. Først når et konkret projekt tegner sig, taler vi om indsats og pris.
Arbejder I kun med store virksomheder?
Tværtimod. Vores fokus er SMV'er og den offentlige sektor i DACH-regionen og Danmark. Vi mener, at mellemstore virksomheder og myndigheder har et enormt potentiale for AI og automatisering, og at de bevidst har brug for slanke, pragmatiske løsninger, ikke enterprise-projekter.
Teknologi & metoder
Hvilke værktøjer og teknologier bruger I?
Vi er bevidst værktøjsuafhængige. Afhængigt af projektet bruger vi n8n til workflow-automatisering, Python til skræddersyede løsninger, lokale LLM'er (Llama, Mistral, Qwen via Ollama) til databeskyttelseskritiske miljøer, og Claude eller GPT, hvor cloud-API'er giver mening. Værktøjssammensætningen følger kravene, ikke omvendt.
Hvad er forskellen på OCR, ICR og HTR?
OCR (Optical Character Recognition) håndterer trykt standardtekst og er en hyldevareteknologi. ICR (Intelligent Character Recognition) bruger AI-metoder og ensemble-tilgange og er derfor langt mere robust over for vanskeligt materiale. HTR (Handwritten Text Recognition) er specialiseret i håndskrift og kræver sine egne modeller med reel sprogforståelse. I praksis kombineres alle tre som regel.
Hvad er CER og WER?
CER (Character Error Rate) måler andelen af forkert genkendte tegn, WER (Word Error Rate) andelen af forkert genkendte ord. Det er de to standardmetrikker for tekstgenkendelse. Moderne AI-pipelines opnår CER-værdier under 2% på trykt tekst og under 5% på håndskrift, værdier der for få år siden blev anset for uopnåelige.
Hvad er en AI-agent, og hvad er den ikke?
En AI-agent er et system, der selvstændigt kan undersøge, træffe beslutninger og udføre opgaver i jeres IT-landskab, ikke bare en chatbot, der svarer på spørgsmål. Forskellen: en agent har et mål og et handlerum, en chatbot har bare svar. Agenter har brug for klare rammer, governance og kvalitetssikring.
Hvad er RAG, og hvorfor er det vigtigt?
RAG (Retrieval-Augmented Generation) forbinder en sprogmodel med en søgbar videnbase. I stedet for udelukkende at stole på træningsdata henter modellen relevante dokumenter fra jeres datakilde i kørselsøjeblikket og bruger dem til sit svar. Det reducerer hallucinationer og sikrer, at svarene bygger på jeres reelle, aktuelle data.
Databeskyttelse & lokal AI
Må mine data overhovedet sendes til skyen?
Det afhænger af datatypen. Personoplysninger, helbredsdata, borgerdata og forretningskritiske oplysninger bør ikke flyde ukontrolleret ind i cloud-tjenester. Derfor foretrækker vi on-premise-løsninger, hvor jeres data aldrig forlader jeres infrastruktur. For mindre følsomme data er skyen ofte uproblematisk, det afgør vi fra projekt til projekt.
Hvad betyder on-premise i jeres sammenhæng?
On-premise betyder: AI-modellerne og hele behandlings-pipelinen kører fuldstændigt på jeres egen infrastruktur eller i et datacenter, I kontrollerer. Ingen API-kald til OpenAI, ingen dataoverførsel til amerikanske udbydere, ingen Schrems II-risiko. Jeres data bliver, hvor de hører hjemme.
Er AI GDPR-konform?
AI er i sig selv hverken konform eller ikke-konform, det afhænger af, hvordan den indsættes. Vores løsninger er GDPR-konforme by design: lokal behandling, klare retsgrundlag, gennemsigtige datastrømme, databehandleraftaler hvor det er nødvendigt. Om nødvendigt hjælper vi jer også med dokumentationen til jeres databeskyttelsesrådgiver (DPO).
Kan jeg køre lokale LLM'er på min egen hardware?
Ja, og det er ofte mere fornuftigt, end folk tror. Moderne open source-modeller som Llama 3, Mistral eller Qwen kører på rimelig hardware og leverer fremragende resultater til mange use cases. Vi rådgiver jer om valg af hardware, opsætning (f.eks. med Ollama eller vLLM) og drift i et produktionsmiljø.
Dokumentbehandling
Kan I virkelig genkende håndskrift pålideligt?
Ja, men det afhænger altid af jeres specifikke dokumenter. Moderne HTR-pipelines opnår CER-værdier under 5% for gennemsnitlig håndskrift, ofte markant bedre. Det afgørende er, at vi træner pipelinen på jeres rigtige dokumenter, ikke på laboratorie-testdata. Vi finder vores ærlige svar i et proof of concept med jeres faktiske scanninger.
Hvordan hænger det sammen med lovkrav som skriftlighedskrav og tilgængelighedslovgivning?
Både i Danmark og i resten af EU forpligter regler om skriftlighed, tilgængelighed og god forvaltningsskik myndigheder til fortsat at acceptere papir og håndskrift. Det betyder ikke, at dokumenter skal tastes ind manuelt, det betyder, at de skal digitaliseres og gøres maskinbehandlbare. Det er præcis dét, vi bygger pipelines til.
Hvilke brancher får mest ud af OCR, ICR og HTR?
Den offentlige sektor (ansøgninger, byggetilladelser, klager), forsikring (skader, gamle policer), sundhedsvæsen (håndskrevne notater, journaler), arkiver og kulturinstitutioner (historiske dokumenter) samt industri og logistik (følgesedler, kontrolskemaer). Overalt hvor papir stadig er en realitet.
Projekt & samarbejde
Hvor lang tid tager et typisk AI-projekt?
Der findes ikke ét svar, der passer til alt, men vi arbejder bevidst i korte cyklusser. En første analyse og strategi tager omkring 2-4 uger. Et proof of concept for en konkret use case som regel 4-8 uger. Driftsklar tilstand derefter yderligere 4-12 uger, afhængigt af kompleksiteten. Vi leverer tidligt og ofte, så I hurtigt ser, om retningen er rigtig.
Hvad er et proof of concept, og hvorfor er det vigtigt?
Et proof of concept er en overskuelig prototype: den velkendte 80%-løsning. Det besvarer to spørgsmål: virker tilgangen i princippet? Og opnår den den kvalitet, I har brug for? Først når begge spørgsmål er klart besvaret, investerer vi i fuld driftsklar tilstand. På den måde undgår I dyre fejlbeslutninger.
Arbejder I alene eller med et team?
Vellmerk.ai er bevidst etableret som en slank rådgivningsvirksomhed. Til større projekter arbejder vi med et netværk af erfarne freelancere og specialister, vi sammensætter det rette team afhængigt af kravene. I får præcis den ekspertise, jeres projekt har brug for, uden overhead.
Hvilke regioner arbejder I i?
Vi arbejder på tværs af brancher i DACH-regionen (Tyskland, Østrig, Schweiz) og Danmark. Rådgivningen er fleksibel, remote, hybrid eller on-site, afhængigt af projektet og jeres ønske.
Hvordan afregner I?
Det afhænger af projektet. For rådgivning og workshops arbejder vi som regel på dags- eller timebasis. For implementeringsprojekter foretrækker vi faste priser med klart definerede leverancer, så I har budgetsikkerhed. For langsigtede partnerskaber er retainer-modeller også mulige.
Er jeres spørgsmål ikke med her?
Tag kontakt, vi svarer typisk inden for to hverdage og er glade, hvis jeres spørgsmål hjælper fremtidige besøgende.
Stil et spørgsmål