Hver dag får ATP over 10.000 telefonopkald fra borgerne om fx pension, barsel, feriepenge, boligstøtte eller andre vigtige velfærdsydelser. 

Efter hver samtale udarbejder den enkelte kunderådgiver et notat, der opsummerer, hvad der er blevet talt om. 

Det er et lovkrav – og en af de dokumentationsopgaver, der både kræver præcision og tempo, når telefonerne gløder. 

Og her kommer Christine og Louise ind i billedet. 

Sammen med en lang række gode kolleger står de bag en AI-løsning, der i dag er udrullet til 300 kunderådgivere i ATP. En løsning, der sikrer, at der i gennemsnit kun går omkring 8 sekunder fra et opkald afsluttes, til et kort og præcist AI-genereret notatudkast er klar til gennemgang. 

Det lyder simpelt. 

Det er det ikke. 

“Det er det aldrig, når man arbejder med sprogmodeller,” siger Christine med et smil. 

Ved siden af hende nikker Louise. 

“Da jeg startede for to år siden, var det egentlig min fornemmelse, at det her projekt var på vej i afvikling,” siger hun. “På det tidspunkt havde vi nok reelt kun ét sidste skud i bøssen. En sidste præsentation. Og så skulle det afgøres, om vi kunne fortsætte.” 

Det blev også et vendepunkt. Og der er sket meget siden. 

To veje ind i det samme maskinrum 

Louise er forretningskonsulent og forretningsansvarlig på Journalnotatsassistenten, der i daglig tale går under navnet JN. 

Hun har været i organisationen i to år, men hendes vej ind i et generativt AI-projekt begyndte et sted, hvor det ikke umiddelbart lå i kortene.  

Inden hun kom til ATP, arbejdede hun med elektronisk sags- og dokumenthåndtering i en privat virksomhed, hvor hendes opgaver bl.a. bestod i afleveringer til Rigsarkivet.  

Og afleveringer til Rigsarkivet lyder måske ikke som en direkte rute ind i moderne AI-løsninger, men for Louise blev det en uventet genvej. 

“Det lyder jo nok ikke mega actionpacked,” siger hun med et smil. “Men det var her, jeg blev teamlead for en gruppe af hardcore dataspecialister, og fik den første smag på styring af it- og dataprojekter. Det er i høj grad den erfaring, jeg har bygget videre på i ATP.” 

Christine kom ind fra en anden kant. Hun startede som graduate i ATP i april 2024 og har siddet på JN i halvandet år. 

”Efter min uddannelse fik jeg mit første job som Data Scientist i en virksomhed, hvor vi arbejdede med marketing. Jeg var glad for jobbet, men jeg ville gerne endnu mere teknisk udvikling,” fortæller hun.

“En uddannelse inden for Machine Learning og AI giver ikke nødvendigvis en dybdegående indsigt i softwareudvikling. Derfor valgte hun at skifte til ATP, som gav hende mulighed for at udvikle sine kompetencer inden for netop dette felt.”

I dag er hun teknisk tovholder på JN. 

Vi kender ikke facit 

”Jeg er forretningsansvarlig på JN, og jeg har kort fortalt ansvar for at sikre at udvikling, drift og forretningsværdi bindes sammen i ét.”  

”Derudover fungerer jeg også lidt som en slags pedel for projektet” siger Louise og griner. 

“Ej, det behøver du måske ikke skrive.” 

Christine kigger op og smiler: 

“Det skriver han 100 procent sikkert nu.” 

Og så griner de begge. 

Det høje humør og den gode energi siger noget om deres samarbejde. De sidder tæt sammen på kontoret, arbejder tæt og har i praksis gjort hinanden til en del af den daglige kvalitetssikring – ikke bare af løsningen, men af beslutningerne bag. 

“Vi er meget afhængige af hinanden,” siger Louise. “På et projekt som det her, hvor der ikke nødvendigvis er ét facit, er vi nødt til hele tiden at kommunikere og afstemme.” 

Christine supplerer: 

“Beslutningsprocessen fylder rigtig meget i det her arbejde. Hvis jeg tænker det her rent teknisk, er der så noget forretningsmæssigt, jeg glemmer?” 

De beskriver deres rytme som en slags “jo men nej”. 

“Nogle gange handler det faktisk om at være gode til at sige nej til hinanden,” siger Louise. 

“Ja,” siger Christine. “Det kan godt være, at det ville være fedt, men det kan vi ikke.” 

“Men det er også et ‘nej, fordi at…’,” fortsætter Louise. “Og så prøver vi en anden vej.” 

Fra sidste chance til en løsning, der kan holde til virkeligheden 

Da Louise kom ind på projektet, lå der allerede erfaringer fra tidligere forsøg. Blandt andet havde en nøglefrasemodel været afprøvet uden at give den ønskede effekt. 

“Jeg følte egentlig, at det var et projekt i afvikling,” siger hun. 

Næsten samtidig kom ChatGPT, og med adgangen til en ny sprogmodel var der pludselig en ny mulighed og et sidste reelt forsøg på at undersøge, om projektet skulle leve eller droppes. 

Løsningen blev tilpasset det nye værktøj til en tidlig test hos slutbrugerne. Den test blev det første brugbare bevis. 

“På det tidspunkt kunne modellen godt nok kun køre hos fem kunderådgivere, og svartiden var omkring 30 sekunder. Men behovet var at få afklaret, én gang for alle, om der var noget at komme efter. Og med den her demo fik vi vist, at det kunne lade sig gøre,” afslutter Louise. 

Ud på dybt vand 

“Jeg blev en del af JN, mens jeg stadig var en del af graduateforløbet,” fortæller Christine.  

”Relativt kort tid efter min ansættelse blev hele mit udviklerteam fuldtid dedikeret til projektet.” 

Og så opstod der en særlig energi. 

”Det gav en sindssygt god teamfølelse,” siger hun. 

”Og den har vi fortsat. Og i den her forbindelse er det vigtigt at sige, at det virkelig er en holdindsats. Intet af det her ville have kunnet have ladet sig gøre uden vores udviklingsteam og ikke mindst de fantastisk dygtige kolleger i Fraud Detection and AI Solutions, som har støttet op om projektet.”

“Men ja. Som nyansat var det megafedt. Vi vidste jo ikke, præcis hvordan det her skulle løses, så alle var bare sådan: Du tager bare en opgave – vi er i virkeligheden bare nødt til at forsøge.” 

Hendes første opgave var fx transcriberen. 

“Puha,” siger hun og griner. “Det var virkelig udfordrende, men jeg lærte absurd meget af det.” 

Louise supplerer: 

“Der har ikke på noget tidspunkt været en facitliste. Så vi har hele tiden vidst, at vi nogle gange ville løbe ind i blindgyder og fejle. Og når tingene så er lykkedes og virker, har det bare været en endnu større sejr.” 

Når kvalitet ikke er en grøn knap 

Det særlige ved JN er, at kvalitet ikke kan reduceres til et simpelt ja/nej. 

“Det har været svært at pege på kravene i løsningen,” siger Louise. “Fordi det her handler om noget, der på mange måder er subjektivt.” 

“Det er ikke ‘skal knappen være grøn, ja/nej’,” siger Christine. “Det handler om, om journalnotatet er fyldestgørende.”  

Og når man arbejder med sprogmodeller, kan man ikke ende med en løsning, hvor alle notatforslag er perfekte. 

Derfor er det afgørende, at løsningen er et støtteværktøj. Kunderådgiveren kvalitetssikrer altid notatet, før det gemmes endeligt. Og på den måde har kunderådgiverne også en helt central rolle i udviklingen af værktøjet. 

Beviset i hverdagen 

I dag er løsningen i brug hos 300 kunderådgivere, og interne målinger peger på en tydelig effekt: 

95 procent oplever, at notaterne kræver minimal tilretning. 

91 procent vurderer, at JN gør notatskrivningen lettere. 

I første kvartal 2026 forventes over 600 brugere, hvilket samlet peger mod mere end 16.000 frigjorte arbejdstimer årligt. 

For Louise er det dog ikke kun tallene, der gør indtryk: 

“Det var faktisk først, da jeg så løsningen i brug ude i kundeservice, at jeg fik følelsen af, at: Okay, her har vi virkelig fået leveret noget, der giver værdi,” siger hun. 

”Det kræver ikke meget fantasi at forestille sig, at sådan en løsning kan gøre en forskel i et callcenter af den størrelse, vores har. Men det at sætte noget i stabil drift har været skelsættende for os, og når man hører kunderådgivernes glæde over løsningen, så er det alle arbejdstimerne værd”.  

Christine er enig. 

“Det har været helt vildt vigtigt for udviklingen af løsningen, at vi fx har været i Holstebro og brugt tid sammen med dem, der rent faktisk skal bruge den,” siger hun. 

“Og det er jo noget af det særlige ved setuppet her i ATP, hvor vi ejer processen end-to-end,” supplerer Louise.  

“Fordi vi sidder med alt lige fra udvikling til implementering og brug, har vi mulighed for at sidde på skødet af dem, der bruger løsningen. Altså vi kan komme helt tæt på, og det giver en meget bedre forståelse af, hvad vi skal justere.” 

“Ja, vi hænger jo på den,” griner Christine. “Og det er faktisk virkelig motiverende.” 

Case: Eksempel på brugen 

Senita: “Jeg har haft søvnløse nætter over journalnotater” 

Kunderådgiver Senita Glusac er ordblind og har tidligere oplevet, hvordan journalnotater kunne fylde uforholdsmæssigt meget i en travl hverdag. 

“Jeg var nødt til at spørge mine kolleger om hjælp til at rette mine stavefejl – også selvom de havde travlt med egne opgaver.” 

Siden JN kom i drift, er hendes hverdag forandret: 

“Nu kan jeg gå på arbejde uden at være nervøs. Mine journalnotater er korrekte, og jeg kan koncentrere mig om borgeren.” 

Historien viser en vigtig pointe i Louise og Christines arbejde: Brugen af kunstig intelligens handler ikke kun om effektivisering, men også om tryghed for medarbejderne og mere nærvær i betjeningen af borgere.