AI-agenter til e-handel: automatiseret kundeservice, lager og returneringer

En netbutik driver ikke ét fag, den driver tre samtidig: salg, logistik og kundeservice, ofte med et lille team og belastningstoppe, der ikke venter på nogen. Det er et terræn, hvor en autonom AI-agent naturligt finder sin plads, fordi arbejdet aldrig rigtig stopper, selv om natten eller en udsalgssøndag.

Problemet

E-handel har tre kendetegn, der adskiller den tydeligt fra andre brancher: en brutal sæsonudsving, en høj returrate og en spredning af salget på flere kanaler.

På sæsonsiden vejede det franske marked 196,4 milliarder euro i 2025, med 3,2 milliarder transaktioner og 42,2 millioner netkøbere, ifølge nøgletallene fra Fevad (kilde). Men dette volumen er ikke jævnt fordelt over året: Black Friday, udsalg og årets afslutning koncentrerer en uforholdsmæssig stor del af ordrerne, og dermed også af spørgsmål, forsinkelser og tvister. Nogle brancheundersøgelser nævner en stigning på 80 til 200 procent i mængden af supportsager i perioden Black Friday, Cyber Monday sammenlignet med en normal uge, en størrelsesorden der ofte citeres i rapporter fra supportværktøjer, men ikke bekræftet af en navngiven undersøgelse, og bør læses som et retningsgivende signal snarere end et præcist mål.

Returraten er det andet friktionspunkt, der er specifikt for branchen. I Frankrig lå den på 24 procent i 2023-2024 ifølge Fevad, citeret af Shopify (kilde). I USA vurderer National Retail Federation, at 19,3 procent af onlinesalget vil blive returneret i 2025, mod 15,8 procent på tværs af alle kanaler, og op til 17 procent af salget i julehandelsperioden (kilde). E-handel returnerer derfor mekanisk mere end fysisk handel, i mangel af muligheden for at røre eller prøve produktet før køb.

Tredje punkt, styring på tværs af kanaler. Markedspladser udgør 32 procent af produktsalgets volumen i Frankrig ifølge Fevad (kilde), hvilket betyder, at en betydelig del af ordrer, returneringer og betalinger kommer ind gennem en kanal, den egne site ikke ser direkte. Kundeanmeldelser følger samme spredte logik: én utilfreds kunde efterlader en anmeldelse på markedspladsen, en anden skriver direkte til supporten, en tredje poster på sociale medier, og ingen i teamet har et samlet overblik uden manuelt at gennemgå hver kanal.

Hertil kommer udsolgte varer, en klassiker i branchen: specialiserede e-handelsdatasammenstillinger nævner en gennemsnitlig udsolgt-rate på omkring 8 procent på tværs af alle kategorier, et tal der bør behandles som en størrelsesorden, der ikke er bekræftet af en navngiven undersøgelse, i mangel af en solid identificeret primærkilde. Lagt sammen overstiger denne kombination, belastningstoppe, hyppige returneringer, flere kanaler, hurtigt kapaciteten hos et lille team, der behandler alt manuelt, især når dette team består af to eller tre personer, der også laver andet end kundeservice resten af ugen.

Hvad agenten gør, trin for trin

Frem for ét generisk workflow dækker en AI-agent til e-handel typisk tre forskellige scenarier, der kan køre parallelt på samme agent eller på dedikerede agenter.

Kundeservice og sortering af kundehenvendelser

Agenten overvåger løbende indkommende sager, hvad enten det er en forsinket ordre, en betalingstvist eller en returanmodning. Den sorterer hver henvendelse efter type og hastegrad, besvarer direkte simple og gentagne sager som en ordreopfølgning, og forbereder en fyldestgørende sag, før den eskalerer følsomme sager. Den overvåger også anmeldelser lagt på butikken og markedspladserne, flager negative anmeldelser, der fortjener et hurtigt svar, og samler det hele i samme forløb, i stedet for at lade hver kanal leve sit eget liv. Dette scenarie overlapper stort set med, hvad en agent til automatisering af supportsager gør, med et ekstra lag specifikt for detailhandel: at krydstjekke sagen med den reelle ordre i Shopify for at bekræfte, om pakken virkelig er forsinket, eller om kunden bruger det forkerte sporingsnummer.

Lager og leverandørrykkere

Et dårligt overvåget lager omsættes direkte til tabt salg. Agenten overvåger lagerniveauerne i Shopify, finder varer, der nærmer sig en kritisk grænse, og rykker automatisk den relevante leverandør per email med de sædvanlige mængder og frister. Den følger derefter op på svarene og flager, hvis en genopfyldningsfrist glider. Dette arbejde ligner det, en agent til automatisering af indkøb laver, men i en version tilpasset behovene i et e-handelskatalog frem for klassiske virksomhedsindkøb.

Finansiel forsoning på tværs af kanaler

Mellem salget fra site, salget fra markedspladser og de betalinger, der reelt modtages via Stripe, er det let at miste overblikket. Agenten forsoner disse tre kilder, finder ordrer der er betalt, men ikke leveret, refusioner der ikke er sporet i regnskabet, og genererer en ugentlig samlet rapport. Det er et arbejde, der ligner det, en agent til finansiel rapportering laver, anvendt på virkeligheden for en netbutik, der sælger på flere platforme samtidig.

I alle tre tilfælde kører agenten i sit eget miljø, husker historikken af sager og leverandørkorrespondance, og stopper ikke mellem to menneskelige tjek.

Integrationerne i spil

Shopify fungerer som rygrad: det er her, agenten læser ordrer, lagerniveauer og kundehistorik. Til kundeservice bygger agenten på Zendesk for at modtage, sortere og besvare sager. På finanssiden leverer Stripe virkeligheden om betalinger og refusioner, til at krydstjekke med de ordrer, der er registreret på site og markedspladser. Airtable fungerer som delt dashboard til at følge leverandører og opdagede afvigelser, mens Gmail bærer leverandørrykkere og interne rapporter. Hver integration er fortsat underlagt et eksplicit grant, med et præcist omfang af enten kun læsning eller læsning og skrivning: intet gives som standard, et team kan sagtens starte med kun læseadgang til Shopify, før skriveadgang åbnes, når de første uger er valideret.

Det, der stadig er op til mennesket

Agenten absorberer volumenet, ikke vurderingen. En refusion over et defineret beløb forbliver underlagt menneskelig godkendelse, ligesom en tvist hvor kunden åbent bestrider det automatiske svar: det er princippet om menneskelig kontrol anvendt på et fag, hvor en fejlvurdering koster dyrt på brandets image. Forhandlingen med en leverandør forbliver til gengæld en menneskelig beslutning, hvor agenten blot forbereder terrænet med de rette tal. Endelig er sorteringsreglerne og alarmtærsklerne ikke fastlåst én gang for alle: de udvikler sig med kataloget, nye salgskanaler eller en returpolitik, der ændres i løbet af året, og det er teamets opgave at justere dem.

Målbart resultat

Det mest direkte resultat er en kundeservice, der absorberer toppene uden hastende nyansættelser til hver Black Friday, med svar sendt på få minutter på de simple sager frem for flere timer. Det andet resultat er mindre tabt salg på grund af manglende lager, fordi leverandørrykkerne sendes, før varen bliver udsolgt, ikke bagefter. Det tredje, mere diskret men lige så konkret, er en finansiel forsoning, der ikke længere tager en hel dag ved månedens afslutning, fordi afvigelser mellem salg, markedspladser og Stripe-betalinger bliver flaget løbende. Det fælles træk ved alle tre scenarier: mindre gentaget arbejde absorberet af et team, der allerede er presset under toppe, og menneskelig tid omdirigeret til de beslutninger, der reelt tæller. For et konkret første omfang giver siden om priser og guiden til at rulle en agent ud på en uge en idé om den korteste vej til at komme i gang.