Fra Excel-ark til AI-værktøjer: Sådan bruger LETH kunstig intelligens til at spare tid og skabe nye produkter

“Vi fandt hurtigt ud af, at man ikke behøver være teknisk ekspert for at komme i gang,” fortæller Omar Thomas Lund, operationsmedarbejder hos LETH. “Hvis du kan beskrive dine arbejdsprocesser i små bidder - lidt som at bygge med LEGO - så kan du begynde at automatisere med AI.”

En konservativ branche, men fuld af potentiale 

LETH hjælper rederier med at navigere gennem verdens havne og maritime knudepunkter, som Suezkanalen, Panamakanalen og de danske farvande. De hjælper med alt fra told og papirarbejde til logistik og mandskabsskift, og her er tilladelser og lokale regler altafgørende.

I mange år er alt foregået via mail, telefon, Excel og baseret på individuelle medarbejderes viden, netværk og erfaring. 

“Det er en meget klassisk branche,” siger Omar. “Men netop derfor er potentialet så stort.” 

Fra inspiration til handling

Eksperimenteringen med AI hos LETH spredtes først blandt nye medarbejdere, som fandt på innovative løsninger på konkrete problemer i arbejdsdagen.

Et vigtigt vendepunkt kom, da Omar og Bjørn Jeppesen deltog i AI for Alle-konferencen, som satte skub i deres idéer: “Vi kom hjem med hovedet fuld af inspiration,” fortæller Omar. “Hvis ikke vi var blevet sendt af sted, havde vi nok stadig siddet og taste i Excel.”

Efter konferencen begyndte Omar, Bjørn og deres kollega, Rasmus Sonnicsen, at eksperimentere med de nye værktøjer, de havde set. De havde ingen baggrund i kodning, men opdagede hurtigt, hvor langt man kan komme med no-code, AI-værktøjer som Lovable.

Hér kan ikke-programmører - som Omar, Bjørn og Rasmus - bygge digitale produkter ved hjælp af en AI agent. 

(Et screenshot fra LETH's Lovable-konto. Omar og team chatter med AI agenten i venstre side, som forvandler instrukser til et konkret, digitalt produkt i højre.)

Hvordan kom de så igang? Hvor startede de?

“Vi fandt ud af, at man ikke behøver være teknisk ekspert,” fortæller Omar. "Vi begyndte bare med det, der irriterede os mest.”

Her er tre eksempler på løsninger, de har bygget ved hjælp af faglig viden om konkrete problemer og AI som værktøj.

Tre løsninger der ændrer hverdagen 

Rebate Calculator: fra mavefornemmelse til faktabaserede svar 

Når rederier planlægger en rute, kan de nogle gange få rabat for at sejle gennem Suezkanalen frem for at sejle udenom Afrika. Problemet var, at ingen præcist vidste, hvor meget rabat der var at hente, bortset fra de mest erfarne medarbejdere, der havde opbygget en baggrundsviden gennem årene.

Derfor byggede Bjørn og Rasmus en Rebate Calculator. Den trækker data fra LETHs egne historiske filer og beregner automatisk et realistisk estimat for rabatten ud fra rute, last og distance. 

“Før skulle vi sidde og lede i gamle mails og Excel-ark. Nu får vi svaret på få sekunder,” siger Omar. 

Systemet kan endda foreslå lignende ruter, hvis der mangler historiske data - f.eks. ved at sammenligne geografisk afstand og tidligere rabatniveauer. 

Hvor en forespørgsel før tog 15–20 minutter at håndtere, tager det nu omkring fem. Samtidig er fejlrisikoen faldet markant.  

Flådesporing i realtid giver overblik og proaktiv service

Omar og hans kollegaer i den danske afdeling har bygget et Python-baseret program, der henter offentlige AIS-satellitdata , som er live GPS-signaler fra skibe over hele verden. Phython-programmet benyttes sammen med en app, der viser, hvor alle LETHs kunders skibe befinder sig, og hvornår de igen forventes at sejle gennem danske farvande. 

“Vi kan forudse, hvornår der bliver travlt, og hvor vores kunder er på vej hen,” forklarer Omar. 

Det betyder, at LETH i dag kan planlægge bemanding og vagtskemaer mere præcist – og i nogle tilfælde kontakte kunder proaktivt, når et skib nærmer sig en havn, hvor Leth tilbyder services. 

Tidligere reagerede LETH først når kunden ringede. Nu kan de skrive til proaktivt: "Vi kan se, I nærmer jer Suez – skal vi hjælpe jer igen?” 

Resultatet er både bedre ressourceplanlægning, kortere svartider og øget salg til eksisterende kunder. 

Digital tilbudsberegner = hurtige svar på kundernes forespørgsler

Når rederier planlægger en passage, skal de have et hurtigt prisestimat på ydelser som mandskabsskift, bunkring, lodsning eller toldhåndtering.

Tidligere tog det op mod 20 minutter at beregne et tilbud manuelt fordi hver prisafgørelse krævede at slå faste tariffer op, vurdere kompleksitet og taste det hele ind i en mail. 

Nu har LETH udviklet en digital tilbudsberegner, der kombinerer faste takster, kundedata og lokale forhold. Med et par klik genereres et komplet estimat, som medarbejderen kan sende direkte. 

“Det frigiver tid til noget af det vores kunder værdsætter mest - den personlige service,” siger Omar. 

Systemet bruges i dag internt, men rummer potentialet til at blive et selvbetjeningsværktøj for kunder, hvor de selv kan beregne estimerede priser. 

Når AI rammer forretningsmodellen 

Og dét med at tilbudsberegneren kan være et kundevendt produkt, har potentiale til at disrupte hele shippingbranchen. 

De nye værktøjer har nemlig ikke kun effektiviseret arbejdet, de udfordrer også LETHs grundlæggende forretningsmodel. 

LETH, og lignende service-virksomheder, har altid har tjent penge på timer og personlig rådgivning i servicen omkring papirarbejde til logistik og håndtering af mandskabsskift.

AI-løsningerne introducerer en ny potentiel kommerciel retning af produktificerede services og digitale abonnementer. 

“Vi står midt i et spændende, men svært skifte,” siger Omar.  “Vi sælger service, men vores værktøjer kunne i princippet sælges som produkter. Spørgsmålet er, om vi skal – og hvordan.” 

Ledelsen opfordrer til innovation, men balancerer på en velkendt knivsæg:

• Hvordan udnytter man AI's nye muligheder uden at underminere kernen i forretningen. Den personlige kontakt og tillid, der er afgørende i shippingbranchen?

“Vores kunder betaler for den tryghed, de får ved at kende os. Hvis alt bliver automatiseret, mister vi noget af det, der gør os unikke,” siger Omar.

En kultur, der gør det muligt 

At innovation overhovedet kan ske, skyldes kulturen. Hos LETH er hierarkiet fladt, og nysgerrighed og initiativ bliver belønnet.

“Så længe du passer dit arbejde, må du bygge, hvad du vil,” fortæller Omar i videoen her.

Ledelsen har investeret i eksperimenterne og givet frie rammer for medarbejderne. De har gjort det uden at binde store midler, og gevinsterne i tid og kvalitet har været markante.

Det kommer dog ikke helt uden udfordringer og nye læringer at finde på nye produkter selv. Især for en organisation der ikke har dén diciplin på rygraden.

Udfordringerne ved at bygge internt 

Selvom resultaterne er tydelige, er rejsen ikke uden bump.

Tekniske udfordringer

Værktøjerne er bygget af ikke-programmører, hvilket har ført til udfordringer med vedligeholdelse, når underliggende systemer eller API’er ændres.

“Et af de interne værktøjer, brød pludselig sammen, da platformen opdaterede sig. Så sad jeg der og skulle fejlfinde, uden at vide præcis hvorfor,” fortæller Omar.

Nye krav til support og ansvar

Når et internt værktøj bruges af mange kolleger, bliver det pludselig et produkt, der skal driftes.

“Folk begyndte at komme med ønsker: Kan den ikke også det her? Eller: Hvorfor virker det ikke i dag? - og så skal man pludselig være supportafdeling,” siger Omar med et smil.

Strategisk balance

AI-løsningerne giver markante effektivitetsgevinster, men udfordrer også det økonomiske fundament. Hver time, der spares, er i princippet en time mindre at fakturere. 

"Det paradoksale er, at når man bliver mere effektiv i et konsulenthus, skal man finde ud af, hvordan man tjener penge på det,” fortæller Omar.

Små investeringer, stor effekt 

LETHs AI-værktøjer er udviklet på licenser til omkring 1.300 kr om måneden. 
Alligevel har de frigivet mange arbejdstimer, reduceret fejl, forbedret kundetilfredshed. Samtidig har de sat gang i en intern kultur af innovation og nye potentielle forretningsmodeller. 

LETHs råd til andre virksomheder 

LETHs tilgang til at få AI ind i forretningen er en, som mange kan lade sig inspirere af. Især virksomheder som ikke kan afsætte millioner til store AI-projekter. Her er hvad de anbefaler: 

1. Start småt: Automatisér de gentagne rutiner først. Det giver hurtige gevinster og viden omkring AIs muligheder i jeres forretning.
2. Søg inspiration bredt: Få inspiration til at løse problemer med relevante AI-løsninger udenfor jeres egen branche.
3. Giv medarbejderne frihed: Innovation kræver tillid; skab en kultur som fordrer tid og lyst til at eksperimentere. 
4. Bryd dine processer ned: Hvis du kan beskrive dine arbejdsprocesser i små bidder, kan du begynde at automatisere med AI.
5. Brug no-code: Du behøver ikke kunne kode, for at bygge et produkt, der kan løse et givent problem. 
6. Tænk over driften: Hav med i overvejelserne hvem og hvordan produkterne skal driftes og videreudvikles.
7. Investér tid, ikke millioner: Selv små eksperimenter giver stor læring, så investér tid i at forstå AIs muligheder. 
8. Tænk forretningsmodel: AI kan både disrupte jeres eksistende forretningsmodeller og åbne op for helt nye måder at tjene penge på.

Vil du lære mere om AI?

AI udvikler sig hurtigt, og det kan være svært at følge med, men du står ikke alene. Hos Dansk Industri har vi samlet en lang række ressourcer, der gør det lettere at forstå, anvende og implementere AI – uanset om du er i gang, på vej eller bare nysgerrig.

Hvis du har fået blod på tanden efter at læse om Leth's rejse, og gerne vil lære mere om AI, så kan du finde mere materiale i vores AI for Alle univers.

Her finder du desuden:

• Guides og artikler om alt inden for AI
• Konkrete cases fra danske virksomheder
• Gratis værktøjer og vejledninger
• Kurser og events

AI er ikke kun for specialister og teknikere. Det er for alle, der vil være med til at forme fremtiden, og bruge teknologien klogt og ansvarligt.