30. juni 2026
Introduktion
Nyere blogindlæg og community‑opdateringer peger på to interessante tendenser i Business Central: semantisk søgning og brugen af visuelle AI‑agent avatars. Begge tiltag sigter mod at gøre interaktionen med ERP‑data mere intuitiv og sporbar.
Hvad er semantisk søgning i denne sammenhæng?
Semantisk søgning betyder, at systemet forstår hensigten bag en forespørgsel i stedet for kun at matche nøgleord. I Business Central kan dette udnyttes via AL‑kode, så udviklere bygger søgefunktioner, der returnerer mere relevante resultater på baggrund af kontekst og relationer i dataene.
Fordele: hurtigere fund af relevante poster, mindre behov for præcis søgesyntaks, og bedre brugeroplevelse for ikke‑tekniske brugere.
Hvad er AI‑agent avatars?
Avatars fungerer som visuelle markører for, hvem eller hvad der har foretaget en ændring eller anbefaling i systemet. Når AI‑agenten foreslår handlinger eller sætter automations i gang, kan en avatar gøre det klart, at det er en automatisk beslutning, ikke en person.
Dette hjælper med ansvarlighed og sporbarhed: brugere kan hurtigt se om en anbefaling stammer fra en model, en kollega eller et integrationsflow.
Implementerings- og governance‑hensyn
- Datasikkerhed: AI‑søgefunktioner kan kræve adgang til store mængder forretningsdata — gennemgå dataprivatliv og lokaliseringskrav.
- Sprogstøtte: semantisk søgning skal trænes eller tilpasses til dansk terminologi for optimale resultater.
- Brugertilfredshed: avatarer skal designes, så de ikke forvirrer brugeren eller skaber falsk autoritet.
Hvad betyder det for dig?
For danske BC‑kunder betyder disse teknologier bedre brugervenlighed og klarere ansvar ved automatiserede handlinger. Konkrete råd:
- Overvej pilotprojekter for semantisk søgning i de processer, hvor søgning er en flaskehals (fx kundehistorik eller leverandørdata).
- Definér governance og synliggørelse for AI‑anbefalinger, så ansvar og audit fodres korrekt.
- Test løsninger med dansk sprogdata for at sikre relevans.
Disse tiltag kan øge effektiviteten, men kræver samtidig styring af data og forventninger.
Kilde: MSDynamicsWorld