Mikkel Kjaer
English
Kvalitet i kundeservice · værktøjer bygget med AI

Jeg finder de manuelle trin og automatiserer dem væk med AI.

Jeg hedder Mikkel og arbejder med kvalitet i kundeservice hos CNX (Concentrix). Siden august 2026 har jeg bygget tre interne værktøjer med AI-agenter ved siden af mit fuldtidsjob. Kundeservice-agenterne og ledelsen bruger dem hver dag. Her kan du læse om mig og se, hvordan værktøjerne virker.

Portræt af Mikkel Kjaer
Mikkel Kjaer
QE (kvalitet) i kundeservice hos CNX. Tidligere SME, kundeservice-agent og game presenter for Evolution på Malta.
1 t 30 min → 5–10 mintil at lave tabellerne til den ugentlige WBR (weekly business review)
3interne værktøjer, som agenter og ledelse bruger hver dag
1.200+automatiske tests, der kører, når koden ændres
10 ugerfra første version i august til i dag
Om mig

Fra kameraet på Malta til kvalitet i kundeservice

Jeg arbejder i kundeservice hos CNX (Concentrix) på en dansk kundekonto. Jeg startede som agent i 2024, blev SME (fagekspert) og er i dag QE (kvalitet). Tidligere var jeg game presenter for Evolution på Malta.

Jeg har gået i folkeskolen og har ikke en gymnasieuddannelse. Resten har jeg lært ved at bygge, og i dag bygger jeg med AI-agenter. De skriver koden. Jeg sørger for, at de løser det rigtige problem, og at kollegerne kan bruge resultatet.

Bor
Store Merløse
Sprog
Dansk (modersmål) og engelsk (flydende)
Fritid
Jeg spiller på PC og udvikler spil med AI. Jeg har også bygget andre private projekter med AI.
  1. 2026–nu

    QE (kvalitet)

    CNX · kundeservice

    Kvalitetsvurderinger, kalibreringer og opfølgning på kundetilfredshed (tCSAT og DSAT) for et hold på omkring 50 agenter.

  2. 2025–2026

    SME

    CNX · kundeservice

    Sparringspartner for agenterne og hjælp med chats, mails og eskaleringer.

  3. 2024–2025

    Kundeservice-agent

    CNX · kundeservice

    Chat og mail i Zendesk. Blandt holdets bedste og med til at lære nye kolleger op i produktet og værktøjerne.

  4. Tidligere

    Game presenter

    Evolution · Malta

    Live-vært på kamera for spillere fra hele verden, omkring 48 timer om ugen og med engelsk som arbejdssprog.

Sådan arbejder jeg

Jeg er ikke uddannet udvikler, og jeg skriver ikke koden selv. Det gør AI-agenterne, primært Claude Code. Mit arbejde er alt det udenom: at forstå problemet, styre AI'en og sørge for, at resultatet virker for dem, der skal bruge det.

  1. Se problemet

    Alle tre værktøjer startede i min egen arbejdsdag: tekster, der skulle rettes i hånden, tabeller til hvert ugemøde og tal, holdet ikke kunne se.

  2. Lad AI'en spørge

    Før opfølgningsplanerne blev bygget, fik AI'en et skærmbillede af teamets tabel. Den kom tilbage med 56 spørgsmål, og mine svar blev til specifikationen.

  3. Byg i små runder

    Hver runde ender som en ændring, jeg gennemgår og godkender. Den nye version af skabelon-værktøjet blev bygget i to runder på omkring et døgn.

  4. Kræv tests og review

    Ingen ændring uden automatiske tests og en review-runde, hvor AI'en går sit eget arbejde efter i sømmene.

  5. Test med kollegerne

    Et AI-foreslået redesign af WBR-tabellerne så flot ud, men var sværere at læse. Det røg ud samme dag, og vi gik tilbage til det layout, teamet kendte.

  6. Driv og forbedr

    Leaderboardet startede som en åben webside. Da det blev en del af hverdagen, flyttede jeg det bag login, så navne og tal ikke kan ses udefra.

Værktøjerne

Tre sager fra hverdagen

Værktøjerne er interne, så alle navne, tekster og tal i demoerne er opdigtede. Mekanikken er den samme som i de rigtige værktøjer.

Kvalitetsplatformen

Kvalitetsteamet arbejder ud fra to eksportfiler: kundernes tilfredshedsscorer og teamets vurderinger af svar fra utilfredse kunder. Platformen samler dem og laver det, der før blev bygget i hånden til hvert ugemøde.

Før

  • To eksportfiler, der skulle kobles og regnes sammen
  • WBR-tabellerne bygget i hånden til hvert ugemøde
  • Status pr. agent skrevet ind i en tabel over opfølgningsplaner

Efter

  • Begge filer importeres med validering og datarensning.
  • WBR-tabellerne bygges ud fra data og kopieres som billede direkte ind i slides.
  • Kalibreringer foregår online, og scoringen sker automatisk mod en facitliste.
  • Opfølgningsplaner pr. agent bliver regnet ud live.
5–10 minfor WBR-tabellerne mod tidligere 1 t 30 min
~50agenter i datagrundlaget
~390automatiske tests
WBR-tabeller · demo
Mål nået (9,00+) 8,50–8,99 8,00–8,49 Under 8,00
Før1 t 30 min
Nu5–10 min
Opdigtede agenter og tal. I den rigtige platform kopieres tabellen som billede med ét klik.
IndTo eksportfiler
→
ImportValidering og datarensning
→
PlatformWBR, kalibrering, opfølgningsplaner
→
UdBillede til slides

Det lærte jegTest med den rigtige fil. Den opdigtede testfil virkede, men den rigtige eksport skrev månederne med bogstaver og brugte et andet filformat. Importen blev tilpasset og fik nye tests.

Skabeloner, der sætter sig selv ind

Agenterne svarer kunder på chat og mail med faste skabeloner, i alt 276 tekstvarianter. Første version var én HTML-fil, der blev sendt rundt, hver gang en tekst blev rettet. Nu er værktøjet genopbygget som en webapp med login, en fælles database og en Chrome-udvidelse til Zendesk. Den nye version er bygget og testet.

Før

  • Find teksten, kopiér, skift vindue og indsæt
  • Ret selv navn og felter som XXXX før afsendelse
  • Ingen mulighed for at se, hvilke tekster der blev brugt

Efter

  • Skriv fx /intro i Zendesk, og vælg skabelonen. Teksten bliver sat ind med dit navn udfyldt.
  • Står der stadig XXXX eller [BELØB], skal felterne udfyldes, før teksten kan bruges. På den måde når et »Hej XXXX« aldrig kunden.
  • I den nye version rettes en tekst ét sted i stedet for i en fil, der sendes rundt.
276tekstvarianter
~565automatiske tests
2 runderpå omkring et døgn
Svar til kunde · demo
Skriv / for at hente en skabelon
    Prøv:
    Opdigtede tekster fra en almindelig kundeservice. De rigtige skabeloner er interne.

    Det lærte jegEt »XXXX« er ikke altid en pladsholder. Kopikontrollen skulle kunne skelne rigtige felter fra ord som »XXL« og links i firkantede parenteser. Ellers ville den stoppe agenterne uden grund.

    Bonussystem på storskærm

    Teamets bonussystem kører på TV-skærmene på kontoret. Agenterne kan se, hvem der klarer sig bedst, konkurrere mod hinanden og se, hvilken bonus de kan få ved at ramme de rigtige KPI'er. Hver agent har sin egen raket, der stiger med kundetilfredsheden. Den første version blev taget i brug samme dag, som den blev bygget.

    Før

    • Scorerne lå i en eksport med dubletter
    • Mails skulle kobles til agenter, og snit regnes ud
    • Bonus og streaks blev opgjort i hånden

    Efter

    • Træk dagens eksport ind. Dubletter fjernes, mails kobles til agenter, og en importrapport viser, hvad der skete.
    • Bonustrin og streaks regnes ud fra de samme data, så alle kan se, hvad der skal til for at nå næste trin.
    • Skærmene ligger bag login.
    ~6.700surveys i datasættet
    Dag 1i brug samme dag, som den blev bygget
    ~320automatiske tests
    TV-visning · demo
    Opdigtede agenter (A–H) og scorer på en skala fra 0 til 10. Målet er 9,00 (stiplet linje), og banen starter ved 8,00. De rigtige bonusbeløb er udeladt.
    IndDagens survey-eksport
    →
    ImportDubletter, mail til agent, rapport
    →
    CloudflareLogin og fælles data
    →
    UdTV-skærmene på kontoret

    Det lærte jegAI'en kan misforstå data. I en review-runde gik den ud fra, at eksportens sidste dag var ufuldstændig, og ændrede reglen. Jeg tjekkede den rigtige fil, og ændringen blev rullet tilbage. Ellers var gårsdagens scorer blevet talt dobbelt.

    Tidslinje

    Ti uger, tre værktøjer

    Kodeændringer pr. uge fra august til oktober 2026, talt i værktøjernes kodehistorik. Bonussystemets automatiske dataopdateringer er ikke talt med.

    Bonussystem (32)Kvalitetsplatform (34)Skabeloner (16)

    Stryg til siden for at se alle uger →

    1. 4. augBonussystemet bygget og taget i brug samme dag
    2. 29. augFørste version af kvalitetsplatformen
    3. 1. sepBonussystemet flyttet bag login på Cloudflare
    4. 15. sepOpfølgningsplaner: 56 spørgsmål, så specifikation, så kode
    5. 7. oktWBR-tabeller, der kan kopieres direkte ind i slides
    6. 10.–11. oktSkabelon-værktøjet genopbygget med Chrome-udvidelse
    Værktøjer og kompetencer

    Det har jeg lært af værktøjerne

    Hvert punkt har et eksempel fra sagerne ovenfor. Mærkerne viser hvilke.

    Bruger i dag

    • Claude og Claude Code
    • ChatGPT og Codex
    • Figma
    • GitHub og GitHub Actions
    • Cloudflare Workers og D1
    • Zendesk
    • Excel og Google Sheets