AI-kundeserviceagent: 5 anvendelser, hvor teams erstattede Tier 1-support

Udgivet den Sep 28, 2026 af Adam Khaled.
AI Kundesupport Cases
Fem virksomheder har offentliggjort reelle tal for brugen af en AI-agent til Tier 1-support: Fundrise automatiserede over 50 % af sagerne på 3 måneder, Lightspeed løste 65 % og øgede CSAT med 60 %, Chime reducerede omkostningerne med 60 % og fordoblede tilfredsheden, Duolingo afviste 80 % af chatsamtalerne, og ClassPass reducerede omkostningerne med 95 %. Ingen af dem er LiveAgent-kunder; hvert tal er hentet fra virksomhedens egen case.

I denne artikel:

  1. Hvad Tier 1-support egentlig betyder
  2. Fundrise: over 50 % af supportsagerne på under 3 måneder
  3. Lightspeed Commerce: 65 % løst, CSAT steg
  4. Chime: 60 % lavere omkostninger, tilfredsheden fordoblet
  5. Duolingo: 80 % af chatsamtalerne afvist
  6. ClassPass: omkostningerne skåret med 95 %, afvisningsraten oversteg deres eget skøn
  7. Hvad disse 5 teams faktisk har til fælles

De fleste eksempler på AI i kundeservice beskriver, hvad en AI-agent teoretisk set kunne gøre. Denne artikel bruger kun eksempler, hvor en rigtig virksomhed har offentliggjort et konkret tal med en navngiven kilde, så du selv kan kontrollere det i stedet for blot at stole på en blogs ord.

Ingen af de fem virksomheder nedenfor bruger LiveAgent. Vi henviser til deres egne offentliggjorte resultater som dokumentation for, at tilgangen virker – ikke som en anbefaling af de værktøjer, de brugte.

Hvad Tier 1-support egentlig betyder

Tier 1 er det første lag i enhver supportkø: rutinespørgsmål, som ikke kræver specialistviden for at besvare korrekt. Ordrestatus. Nulstilling af adgangskoder. Grundlæggende spørgsmål om fakturering. Kontoændringer. I de fleste teams er det også det lag, der sluger flest medarbejdertimer i forhold til udbyttet, fordi en erfaren medarbejder bruger de samme ti minutter på et rutinespørgsmål, som en mindre erfaren medarbejder ville gøre.

Det er netop derfor, alle eksemplerne nedenfor begyndte her. Ingen af de fem teams forsøgte først at automatisere deres sværeste sager.

Illustration af en AI-kundeserviceagent, der automatisk løser rutineprægede Tier 1-sager såsom ordrestatus og nulstilling af adgangskoder og derefter eskalerer en kompleks tvist til en menneskelig medarbejder

Fundrise: over 50 % af supportsagerne på under 3 måneder

Fundrise , en ejendomsplatform direkte rettet mod investorer, implementerede Intercoms AI-agent Fin for at håndtere den voksende mængde supporthenvendelser uden at øge bemandingen. Luke Ruth, Fundrises produktchef, sagde: “Mindre end tre måneder efter lanceringen af Fin håndterer den nu mere end 50 % af alle vores supportsager.”

Her er konteksten lige så vigtig som tallet. Fundrise ønskede at fastholde korte svartider for en voksende investorbase og samtidig give medarbejderne plads til at levere gennemtænkte svar på komplekse økonomiske spørgsmål – den slags spørgsmål, der slet ikke bør gå til en AI-agent. Automatiseringen af den rutineprægede halvdel af køen skabte den plads.

Lightspeed Commerce: 65 % løst, CSAT steg

Lightspeed Commerce , en global e-handels- og kasseløsning, bruger Fin i et supportteam, der består af både mangeårige Intercom-brugere og medarbejdere, som er nye i værktøjet. Fin deltager nu i 99 % af samtalerne og løser selvstændigt op til 65 % af dem.

Det tal, der er værd at lægge mærke til, er ikke løsningsraten. Det er, at Fin-relateret CSAT steg med 60 %, samtidig med at svartiderne i chat faldt med 38 % og svartiderne på e-mail med 67 %. Den gængse antagelse er, at automatisering af support går ud over kvaliteten til gengæld for hurtigere svar. Lightspeeds tal viser, at det modsatte skete, da AI-agenten fik fuld kontrol over, hvornår en samtale skulle overdrages til et menneske, i stedet for at alle sager først skulle igennem agenten.

Chime: 60 % lavere omkostninger, tilfredsheden fordoblet

Chime , en fintech-virksomhed, implementerede Decagons AI-agent og rapporterede et fald på 60 % i kundesupportomkostningerne, en løsningsrate på 70 % for chat og tale samt en fordobling af medlemmernes tilfredshedsscore.

At omkostninger og tilfredshed bevæger sig i samme retning i stedet for at blive afvejet mod hinanden, er den mindst intuitive del af Chimes resultat. Det giver først mening, når man skelner mellem det, der blev automatiseret (den rutineprægede del af køen med stor volumen), og det, medarbejderne fortsat tog sig af (spørgsmål, hvor et menneske reelt tilfører værdi). Ingen af delene blev dårligere. Begge dele fik mere af det, de faktisk var gode til.

Duolingo: 80 % af chatsamtalerne afvist

Duolingo implementerede Decagons AI-agent og rapporterede en afvisningsrate for chats på 80 %, hvilket betyder, at 4 ud af 5 chatforespørgsler aldrig når frem til en menneskelig medarbejder. Casen opdeler ikke præcist de kategorier, der udgør de 80 %, men den angiver, at medarbejderne nu bruger deres tid på de mere komplekse henvendelser, som de afviste forespørgsler tidligere tog plads fra.

I Duolingos skala er en afvisningsrate på 80 % ikke en lille effektivitetsforbedring. Det er forskellen mellem et supportteam, der kan følge med en voksende brugerbase, og et, der strukturelt ikke kan – uden enten at skulle ansætte i samme tempo eller acceptere langsommere svar.

ClassPass: omkostningerne skåret med 95 %, afvisningsraten oversteg deres eget skøn

ClassPass , en abonnementsplatform for fitness og velvære, havde allerede et veletableret program til at vurdere, hvilke henvendelser der kunne afvises, før de implementerede Decagons AI-agent. På trods af dette forspring sagde teamet: “Ved lanceringen så vi en afvisningsrate, der var 10 gange højere end forventet,” samtidig med at de rapporterede en reduktion i supportomkostningerne på 95 %.

Den detalje er den mest nyttige i hele denne liste. ClassPass gættede ikke. De havde allerede kundeundersøgelser, men undervurderede stadig med en faktor 10, hvor meget AI-agenten kunne fjerne fra deres kø. Hvis et team med et veletableret program kan ramme så langt ved siden af, bør de fleste teams, der implementerer teknologien for første gang, også forvente, at deres første skøn er forkert – i samme retning.

Hvad disse 5 teams faktisk har til fælles

Ser man bort fra leverandørnavnene, har de fem resultater ovenfor samme mønster:

Søjlediagram, der sammenligner hver virksomheds hovedresultat med AI-agenter: ClassPass reducerede omkostningerne med 95 %, Duolingo afviste 80 % af chatsamtalerne, Chime løste 70 % af chat- og talehenvendelserne, Lightspeed Commerce løste 65 % af samtalerne, og Fundrise automatiserede 50 % af supportsagerne
TeamAutomatiseretHovedresultat
FundriseOver 50 % af supportsagerneMedarbejdertimer blev fuldt omfordelt til komplekse spørgsmål på under 3 måneder
Lightspeed Commerce65 % af samtalerneBåde løsningsrate OG tilfredshed steg, i stedet for at blive afvejet mod hinanden
ChimeRutineprægede chat- og talehenvendelser60 % lavere omkostninger, tilfredsheden fordoblet
Duolingo80 % af chatsamtalerneSupporten kunne følge med en voksende brugerbase uden tilsvarende vækst i bemandingen
ClassPassLangt mere end forventetOmkostningerne skåret med 95 %, 10 gange deres eget skøn for afvisningsraten

Ingen af dem automatiserede alt. Alle fem beholdt et menneskeligt lag til alt, der lå uden for AI-agentens område. Og i alle tilfælde begyndte teamet med den rutineprægede, gentagne del af køen – Tier 1-laget – ikke med deres sværeste sager.

Det er den egentlige pointe, vigtigere end ethvert enkelt procenttal: Tilgangen er ikke “erstat support med AI”. Den er “lad være med at bruge dygtige medarbejderes tid på opgaver, der ikke kræver deres færdigheder”, og lad derefter resultaterne følge. Hvis I er klar til at afprøve det i jeres egen kø, gennemgår vores vejledning om implementering af en AI-kundeserviceagent præcis, hvordan I afgrænser den første fase, og opsætning af en AI-agent i LiveAgent gennemgår de LiveAgent-specifikke konfigurationstrin.

Del denne artikel

Adam er content manager hos LiveAgent. Han er oprigtigt begejstret for, hvad AI-agenter kan aflaste et supportteam med, og lige så skeptisk over for enhver automatisering, der gør det sværere for kunden at blive forstået.

Adam Khaled
Adam Khaled
Content Manager

Ofte stillede spørgsmål