Proces mapping med AI: Sådan kortlagde Claude Code 86 af mine arbejdsopgaver på 38 minutter

Proces mapping er kortlægningen af alle de opgaver og arbejdsgange, du gentager i din virksomhed. Du skriver ned, hvad der sætter hver opgave i gang, hvilke trin den består af, og hvilke systemer den rører. Det er det første skridt, hvis du vil have AI til at overtage en del af dit arbejde. Du kan ikke automatisere det, du ikke har skrevet ned.

Jeg bruger sommeren på at få AI til at håndtere 80 % af mine arbejdsopgaver. Trin 1 i den rejse hedder proces mapping, og det er normalt langsommeligt og kedeligt. Så jeg bad Claude Code om at gøre det for mig. Den fandt 0 processer på 0 minutter.

Proces mapping er det første skridt, ikke at "lege med ChatGPT"

De fleste tror, at man kommer i gang med AI ved at gå i gang og lege. Det er sådan, du lærer værktøjet at kende. Det er ikke sådan, du bygger processer, der rent faktisk skal holde i produktion.

At få AI til at overtage en opgave kræver, at du ved præcis, hvad opgaven består af. Hvis du ikke kender trinene, kan AI ikke udføre dem. ChatGPT kender ikke de nuancer i din arbejdsgang, du aldrig har skrevet ned. Derfor falder "kast et problem efter ChatGPT" fra hinanden.

Da jeg kortlagde mine egne processer, dukkede der mønstre op, jeg ikke rigtgt havde tænkt over. Og det viste sig endda, at flere processer overlappede hinanden.

Lad os tage et tænkt eksempel fra en dansk B2B SaaS virksomhed.

I et salgsmøde, høre sælgeren, at en kunde gerne ville købe, hvis produktet havde én bestemt funktion. Den viden skal videre til udviklingsteamet, helst som et punkt i deres backlog med et kravspecifikat. Det skal ydermere logges i CRM-systemet og de rette actions og stage cycles skal justeres.

Det er for det første en tidskrævende opgave, men der sker ofte fejl eller forglemmelser, fordi sælgeren jo er på farten.

Med en kortlagt proces kan mødet transskriberes automatisk, opgaven oprettes i Slack, og et menneske godkender, at det rigtige er fanget. Den slags ser du først, når processen ligger på bordet.

Eksempel: "send en cold email" er ikke eksplicit nok

Sig, jeg vil have AI til at hjælpe med mit salg. "Find de rette personer og send dem en cold outreach" er alt for løst. AI'en ved ikke, hvad jeg mener.

Den faktiske proces ser sådan ud:

1. Mine kunder er frisører i Østjylland med minimum fem ansatte, hvor ejeren kan træffe beslutningen.
2. Jeg finder dem, åbner deres LinkedIn og googler dem.
3. Jeg åbner hver omtale af dem og læser, hvad de kan, og hvad de går op i.
4. Jeg kigger på proof for, hvordan virksomheden klarer sig, og hvem medarbejderne er.
5. Jeg skriver et personligt udkast. Ikke generisk, ikke for sælgende, ikke creepy.
6. Jeg vælger en stærk icebreaker og skriver til sidst en subject line.
7. Jeg gemmer det som udkast.

Det er en beskrivelse, en AI kan arbejde ud fra. "Send en cold email" er det ikke.

Sådan kortlagde Claude Code 86 processer på 38 minutter

Jeg brugte 5 til 10 minutter på at skrive prompten. Så lod jeg den køre. Efter knap 38 minutter kom jeg tilbage til en mappe med markdown-filer, én pr. proces, som jeg kunne læse igennem.

Den havde fundet 86 processer og arbejdsopgaver. Fire eller fem af dem var ikke brugbare. Resten ramte plet. Ikke alt kunne bruges en til en, men kortlægningen dækkede stort set alle de processer, jeg har.

Er det perfekt? Nej. Kan en agent det hele? Nej. Men den graver i ting, du tager for givet og aldrig tænker over. Det alene var arbejdet værd. Manuelt ville den samme kortlægning have taget mig nemt en uges arbejde fordelt over flere dage.

Hvorfor en agent med adgang slår ChatGPT

Her spørger du måske, hvorfor jeg ikke bare bruger ChatGPT, som kender mig efter tre års samtaler. Fordi ChatGPT opsummerer. Den gemmer et lille snippet af det, I taler om. En kortlægning af hele din virksomhed kræver, at agenten kan gennemgå dine faktiske data.

Claude Code bor lokalt på din PC. Den kan læse alle dine mapper og filer, se hvad du har lavet og hvornår, og hente logs fra din computer. Den gennemgår store mængder data sammenhængende og udleder, hvad du laver.

Det bliver først stærkt, når du også giver den adgang til resten:

• Din second brain. En vidensbase, en LLM-wiki, der samler alt om dig og din virksomhed. Den giver agenten konteksten, så den forstår, hvorfor dine mapper er interessante.
• Dit projektværktøj og dine to-dos. Jeg har vibe-codet mit eget, jeg kalder det HOP. Det rummer mine projekter, mine opgaver og mine daglige to-dos. Hvis du tager noter på din computer eller bruger Trello, så giv adgang til det.
• Dit CRM og CMS. Salgsprocesser ligger i CRM'et, content-processer i CMS'et. Giv adgang via deres API eller MCP.

Det er ikke bundet til Claude Code. Codex kan det samme i Visual Studio Code eller som app, og begge har adgang til din computer, MCP'er og API'er. Værktøjet er ligegyldigt. Fremgangsmetoden er pointen.

GDPR: kun read-access, og anonymisér før den læser

Når du giver adgang til CRM eller andre systemer med kundedata, så hold to regler.

For det første giver du kun read-access. Agenten skal læse, ikke skrive. Så kan den hverken ændre, sende eller slette noget.

For det andet behøver du ikke kundedata for at kortlægge en proces. Hvis persondata er relevant, så bed Claude Code om at pseudonymisere eller fjerne alt personhenførbart og følsomt, du ikke har eksplicit ret til at bruge til formålet, før den læser filerne.

Map til en post-AI tid, ikke en pre-AI tid

Mange af dine processer er gamle. De blev bygget, før AI fandtes. Når du kortlægger, så kortlæg ikke kun det, du gør i dag.

Nogle processer skal flettes sammen eller fjernes, fordi AI gør dem overflødige. Andre kan udvides, fordi AI åbner muligheder, der før var lukkede. Du kunne ikke behandle 600 leads manuelt på én gang. Det var en for stor opgave. Med AI er det ikke et problem, så den mulighed kan du bringe ind i processen nu.

Proces mapping handler om to ting på én gang. Den fanger, hvad du gør i dag, og hvad AI kan tilføje i morgen.

Men hvilke arbejdsopgaver og processer skal man så starte med? Jeg giver svar og et eksempel på det i videoen.

Det kræver ikke en udvikler

En anden fordom siger, at det her er kompliceret og kræver en udvikler, der bygger kode i et stort system. Det gør det ikke.

Du behøver ikke bygge komplekse automatiseringer eller dine egne AI-agenter fra bunden. Du kan nøjes med horisontale AI-agenter og give dem de rette skills, instruktioner og værktøjer til at løse opgaven. Det kræver forståelse for dine processer og for teknologien. Det kræver ikke, at du er teknisk gud.

Prompten jeg brugte (kopiér og kør den selv)

Prompten beder agenten arbejde som en operations-arkitekt, der gennemgår alle kilder, rekonstruerer hver proces, og klassificerer den som n8n-automatiserbar, agent-skill-egnet eller hybrid. Her er starten:

<rolle>
Du er en verdensklasse Operations Architect og Business Process Mining-ekspert
med 15+ års erfaring i at kortlægge, dokumentere og redesigne arbejdsprocesser.
Du gætter aldrig på en proces du ikke har data for. Du markerer den som "uafklaret".
</rolle>

<opgave>
Gennemgå systematisk ALT mit tilgængelige data, kortlæg HVER eneste tilbagevendende
arbejdsopgave og proces jeg udfører, kategorisér dem, klassificér hver enkelt som
n8n-automatiserbar eller Agent-Skill-egnet, og dokumentér hver proces i sin egen
markdown-fil efter den faste skabelon.
</opgave>

Du skal selv udfylde stier og connectors: rod-stien til dine mapper, din second brain, dit CRM, dit CMS. Hele prompten ligger klar til at kopiere og downloade på procesmapping-prompten.

Brug den manuelle metode bagefter

Lad ikke dokumentet stå alene. Tag en dag og gå det igennem proces for proces, gerne gammeldags med post-its på væggen.

Start fra dokumentet. Agenten har fundet, lad os sige, 60 processer. Gå dem igennem en for en. Laver jeg faktisk det her? Hvis ja, så skriv trinene ned.

Hvordan startede processen, hvad gik igennem den, hvad kom ud. Den øvelse fanger det, agenten ikke kunne se.

Det er trin 1 i mit seks-trins framework til at skalere en virksomhed med AI uden at ansætte. Trin 2 handler om, hvordan AI får adgang til de værktøjer, processer og data, du arbejder med. Det tager jeg i et senere indlæg.

Vil du have hjælp til at skalere med AI?

Vil du have AI til at overtage en del af dit arbejde, ikke bare kortlægge det, så se hele frameworket på Skalér din forretning med AI. Jeg tager på Danmarksturné og hjælper virksomheder on-premise med at bygge løsningerne, mens jeg holder workshop hos jer.

Ofte stillede spørgsmål

Hvad er proces mapping?

Proces mapping er kortlægningen af de opgaver og arbejdsgange, du gentager i din virksomhed. Du skriver ned, hvad der sætter hver opgave i gang, hvilke trin den består af, hvilke systemer den rører, og hvor der kræves dømmekraft. Det er forudsætningen for at kunne automatisere noget med AI.

Kan ChatGPT lave proces mapping for mig?

Ikke på samme måde. ChatGPT opsummerer jeres samtaler i korte snippets og kan ikke gennemgå dine mapper, logs og systemer. En lokal agent som Claude Code eller Codex har adgang til din faktiske virkelighed og kan kortlægge udtømmende.

Er det GDPR-sikkert at give en AI-agent adgang til mit CRM?

Det kan det være, hvis du giver kun read-access og beder agenten pseudonymisere eller fjerne persondata, før den læser filerne. Du behøver ikke kundedata for at kortlægge en proces. Giv kun adgang til persondata, du har lov til at bruge til formålet.

Skal jeg kunne kode for at komme i gang?

Nej. Proces mapping kræver forståelse for dine egne arbejdsgange, ikke teknisk udvikling. Næste skridt bygger på horisontale AI-agenter med de rette skills og værktøjer, ikke et stort custom system.