Lær · Forklaret
Hvad er AI-infrastruktur for en mindre virksomhed?
Udgivet 31. oktober 2026
Kort svar. AI-infrastruktur er den opsætning, der gør, at jeres AI-agenter kan udføre rigtigt arbejde i jeres systemer og gøre det sikkert. Jeres data, jeres pipelines og de værktøjer, agenterne bruger, bliver i jeres egen cloud, og virksomheden styrer adgangen. Agenterne arbejder inden for grænser, de ikke kan overskride, og et menneske i virksomheden holder øje med arbejdet og godkender resultatet. Selve modellen kører hos den AI-udbyder, I har valgt. En mindre virksomhed kan sætte det op uden at have sin egen IT-afdeling.
Guiden forklarer hver del, hvilke dele der forbliver jeres, hvad I skal aftale med modeludbyderen, og hvad I sætter op først.
AI-infrastrukturens otte dele
En AI-agent er en AI-model, der er sat op til at arbejde mod et mål: Den deler målet op i trin, bruger værktøjer, tjekker sit eget arbejde og kommer tilbage med resultatet. Omkring den ligger otte dele:
| Del | Hvad den er | Hvor den ligger | Hvem der styrer den |
|---|---|---|---|
| Jeres cloud-projekt | Virksomhedens eget område hos en cloududbyder som Google Cloud eller Microsoft Azure. Alt andet, der ligger i jeres cloud, ligger inden i det. | Hos cloududbyderen, i virksomhedens navn | Virksomheden bestemmer, hvem der har adgang |
| Datafundamentet | Data pipelines er små programmer, der kører fast, fx hver nat, og kopierer data fra de systemer, I allerede bruger, ind i ét data warehouse: én samlet database, hvor hvert tal kan føres tilbage til sin kilde. Læs Datafundamentet forklaret. | Jeres cloud-projekt | Virksomheden |
| Forbindelser og værktøjer | De veje, en agent når jeres data og systemer ad. En MCP-server er én slags: et program, der giver et AI-værktøj en fastlagt måde at læse jeres data på og, hvor I tillader det, at handle i jeres systemer, med et eget login for hver person eller agent. | Jeres cloud-projekt | Virksomheden; hver forbindelse har kun de rettigheder, den har brug for |
| Adgang | Det, hver agent må læse og gøre. En agent får kun det, dens opgave kræver, og I kan trække det tilbage når som helst. | Jeres cloud-projekt og jeres forretningssystemer | Virksomheden |
| Guardrails | Grænser, en agent ikke kan overskride, håndhævet uden for modellen: ingen betalinger, ingen sletning af data, intet sendes ud uden godkendelse. Læs Hvad er guardrails for en AI-agent, og hvem håndhæver dem? | Adgange, forbindelser og kode | Virksomheden beslutter; systemerne håndhæver |
| Modeludbyderen | Virksomheden bag den AI-model, der tænker opgaven igennem, fx OpenAI, Anthropic eller Google. | Hos udbyderen | De vilkår, I har aftalt med udbyderen |
| Logbogen og advarsler | Logbogen viser, hvilken adgang der blev brugt, hvad der blev foreslået, hvem der besluttede, og hvilke kilder arbejdet byggede på. En advarsel giver et menneske besked, når noget går i stykker, og agenten stopper. | Det afhænger af, hvad der bygges, af udbyderen og af abonnementet; se nedenfor | Virksomheden bestemmer, hvor den skal ligge |
| Operatøren og godkendelse | Operatøren er den person i virksomheden, der giver agenten dens instrukser, gennemgår dens arbejde og godkender det. Hvert trin ligger i én af tre godkendelseszoner: “handler selv”, “spørger først” eller “operatøren godkender”. | I det system, hvor arbejdet udføres, fx jeres bogføringssystem | Virksomheden |
De dele, der hører til den enkelte agent, som dens regler og virksomhedsordbogen, er forklaret i Hvad en AI-agent skal have for at udføre rigtigt arbejde.
Hvad der bliver i jeres cloud, og hvad der går til modeludbyderen
Jeres AI-infrastruktur ligger tre steder:
| I jeres egen cloud | Hos den modeludbyder, I har valgt | I jeres forretningssystemer |
|---|---|---|
| Jeres data, pipelines og data warehouse | Modellen, der tænker hvert trin igennem | Bogføringssystemet eller ERP-systemet, hvor arbejdet godkendes |
| Forbindelserne og de værktøjer, agenterne bruger | Agenten foreslår; godkendelsen sker dér | |
| Den kode og de indstillinger, der binder det hele sammen |
Hvor logbogen ligger, afhænger af, hvad der bygges, hvilken udbyder I bruger, og hvilket abonnement I har. En agent, der er bygget til jeres virksomhed, kan have sin logbog i jeres egen cloud. En agent i en leverandørs produkt gemmer sin historik i leverandørens tjeneste, på de vilkår, jeres abonnement giver. Beslut, før I vælger, hvor fortegnelsen skal ligge, og hvem der kan læse og eksportere den.
Når AI-vidensarbejderen arbejder, behandler den modeludbyder, I har valgt, det, hvert trin kræver, på de vilkår, I har med udbyderen.
Alt i den første kolonne tilhører virksomheden. I kan give, indskrænke eller trække adgangen til det tilbage når som helst.
Hvor agenten kører
En agent er en model inden i en harness: den software, der giver modellen dens værktøjer, adgang, hukommelse og arbejdsgang. Læs Hvad er en agent harness?
Hvor selve agenten kører, afhænger af, hvad der bygges, af udbyderen og af abonnementet. Tre almindelige opsætninger:
- En agent, der er bygget til jeres virksomhed: Dens kode ligger i jeres eget cloud-projekt og kalder modeludbyderen ved hvert trin.
- En agent i en leverandørs produkt, fx Claude Team, ChatGPT eller Microsoft Copilot, kører i leverandørens tjeneste og når jeres data gennem de forbindelser, I tillader.
- En kodeagent, fx Claude Code, kan køre på en persons egen computer.
I alle tre tilfælde foregår tænkearbejdet hos modeludbyderen, og agenten når kun jeres systemer gennem de forbindelser og adgange, virksomheden giver den.
Fire ting at aftale med modeludbyderen
Modeludbyderen ser det, hvert trin kræver, så aftal vilkårene, før en agent går i gang:
- Et erhvervsabonnement eller API’et. Brug udbyderens abonnement for virksomheder eller dens API, den vej, software bruger. Private abonnementer har andre vilkår.
- En databehandleraftale. Når agentens arbejde indeholder personoplysninger, behandler udbyderen dem på jeres vegne, og GDPR kræver en kontrakt, der binder udbyderen til jeres instrukser (GDPR artikel 28, stk. 3). Læs mere i Hvem har ansvaret, når en AI-agent laver en postering?
- Træning på jeres data. Tjek, om udbyderen bruger jeres input og output til at træne sine modeller. OpenAI og Anthropic oplyser begge, at de som udgangspunkt ikke træner på data fra deres erhvervsabonnementer og API’er (OpenAI, Business data privacy; Anthropic Privacy Center).
- Friheden til at skifte. Hold jeres data og værktøjer i jeres egen cloud og logbogen et sted, hvor I kan læse og eksportere den. Så kan I bruge den model, der passer til opgaven, og skifte, når der kommer en bedre.
Det sætter I op først
- Et cloud-projekt, som virksomheden styrer. Jeres IT, internt eller hos jeres IT-partner, opretter det i virksomhedens navn, og virksomheden bestemmer, hvem der får adgang.
- Styr på de data, arbejdet kræver. Pipelines samler de data, arbejdet har brug for, i ét data warehouse, hvor hvert tal kan føres tilbage til sin kilde. Det trin gavner med eller uden AI, så det er det første, der er værd at tage.
- Én modeludbyder, på erhvervsvilkår. Aftal de fire punkter ovenfor.
- Den adgang, opgaven kræver, og ikke mere. Agenten læser gennem skrivebeskyttede forbindelser og skriver kun kladder, som et menneske godkender.
- En logbog og advarsler. Registrér hver brug af adgang og hver beslutning, og giv et menneske besked, når noget går i stykker.
- En operatør og en godkendelseszone for hvert trin. Hvert trin starter i “spørger først” eller “operatøren godkender”. Et trin rykker først til “handler selv”, når det har vist sig pålideligt, og vejen tilbage står altid åben.
Det kan vente
- Data warehouset, i nogle tilfælde. En AI-vidensarbejder, der arbejder med jeres tal, læser fra data warehouset. En custom agent i de værktøjer, I allerede har, kan starte uden.
- Flere agenter. Den næste agent genbruger det samme datafundament, den samme virksomhedsordbog og den samme opsætning af adgange, så den er lettere at sætte op end den første.
- Trin, der handler selv. Automatisering gøres fortjent trin for trin, når et trin har vist sig pålideligt.
- En modeludbyder mere. Start med én; jeres opsætning lader jer skifte senere.