Computer Use (AI Computerstyring)

Computer Use er betegnelsen for AI-modeller, der betjener en computer på samme måde som et menneske: de ser skærmbilleder, flytter musen, klikker på knapper og skriver på tastaturet. Anthropic lancerede den første udgave i offentlig beta den 22. oktober 2024 med Claude 3.5 Sonnet, og siden har OpenAI, Google og Microsoft fulgt efter med hver deres variant. Forskellen fra klassiske AI-integrationer ligger i adgangen: modellen arbejder direkte i brugergrænsefladen i stedet for at kalde API'er.

Et konkret eksempel: Du beder en agent om at overføre 40 fakturaer fra jeres gamle økonomisystem til en leverandørportal uden API. Agenten åbner systemet, finder søgefeltet, slår fakturaen op, kopierer beløb og datoer, skifter til portalen og taster oplysningerne ind felt for felt. Hvert klik beregnes ud fra pixelkoordinater i et skærmbillede, og løkken gentager sig, indtil alle 40 fakturaer er overført.

For danske virksomheder er det interessant, fordi meget administrativt arbejde foregår i systemer uden brugbare API'er: ældre ERP-systemer, offentlige portaler, leverandørers webløsninger og interne fagsystemer. Computer Use kan automatisere netop de arbejdsgange, som hverken integrationsplatforme eller klassisk RPA har løst robust. Teknologien er samtidig umoden nok til, at du bør kende begrænsningerne, før du bygger forretningskritiske processer på den.

Læsetid 9 minOpdateret november 2026

Sådan fungerer Computer Use teknisk

1. Skærmbillede, beslutning, handling: løkken der driver det hele. En computer use-agent arbejder i en fast cyklus. Modellen modtager et skærmbillede, analyserer det sammen med opgaven og handlingshistorikken, og svarer med en konkret handling: klik på koordinat (512, 340), skriv "faktura 2214", tryk Enter. Systemet udfører handlingen, tager et nyt skærmbillede, og løkken kører videre, indtil opgaven er løst. En AI Agent med computer use handler dermed direkte i dine systemer i stedet for kun at formulere svar.

2. Visuel grounding er det svære. Modellen skal både forstå, hvad der er på skærmen, og omsætte "klik på Gem-knappen" til præcise pixelkoordinater. Det kaldes grounding, og det er her, de fleste fejl opstår. Anthropics værktøj giver modellen handlinger som screenshot, left_click, double_click, type, key og scroll, og små knapper, tætte menuer og ikoner uden tekst er stadig de hyppigste årsager til fejlklik.

3. Forskellen på computer use og API-integration. Når to systemer taler sammen via API, udveksler de strukturerede data med faste felter og fejlkoder. Det er hurtigt, billigt og deterministisk. Computer use går den modsatte vej: alt fortolkes visuelt, hvert skridt koster tokens, og resultatet kan variere fra kørsel til kørsel. Til gengæld virker metoden på systemer helt uden API. Tommelfingerreglen er enkel: brug API'en når den findes, og computer use når den ikke gør.

4. Tre arkitekturtilgange hos de store udbydere. Anthropic byggede først: deres computer use-værktøj fra oktober 2024 arbejder på OS-niveau og kan betjene alt på en virtuel maskine. OpenAIs CUA-model (Computer-Using Agent) fra januar 2025 kombinerer GPT-4o's billedforståelse med reinforcement learning trænet på brugergrænseflader og satte ved lanceringen rekord på WebArena og WebVoyager. Google valgte en tredje vej med Gemini 2.5 Computer Use fra oktober 2025: modellen er optimeret til browseren frem for hele styresystemet og prioriterer svartid, cirka 225 sekunder per opgave ved over 70 procents nøjagtighed på Online-Mind2Web.

5. Fremskridtet kan måles på OSWorld. OSWorld er den mest anvendte benchmark for computerstyrende AI med 369 realistiske opgaver i programmer som LibreOffice, GIMP og almindelige browsere. Da benchmarken udkom i 2024, løste mennesker omkring 72 procent af opgaverne, mens Claude 3.5 Sonnet ved lanceringen klarede 14,9 procent i den rene skærmbilledkategori. I juli 2026 ligger de bedste modeller på OSWorld-Verified mellem 83 og 85 procent: Claude Opus 4.8 måler 83,4 procent, Claude Sonnet 5 ligger på 81,2 procent, og GPT-5.5 rammer 78,7 procent. På under to år er teknologien altså gået forbi den menneskelige baseline på denne testsamling.

6. Derfor er det langsomt og dyrt per opgave. Hver runde i løkken sender et komplet skærmbillede gennem modellen, og et screenshot i 1280x800 pixels fylder omkring 1.400 tokens. En opgave på 40 skridt bliver dermed til flere hundrede tusinde tokens, når historikken tælles med. Med Claude Sonnet-priser på 3 USD per million input-tokens og 15 USD per million output-tokens koster en lang kørsel fra få cents til flere dollars, og fordi hvert skridt kræver et fuldt modelkald, tager opgaver minutter, ikke sekunder.

7. Agenten skal have sin egen maskine. Ingen af udbyderne anbefaler at slippe en agent løs direkte på en medarbejders pc. Anthropics referenceimplementering kører i en Docker-container med virtuel skærm, ChatGPT Agent arbejder på en virtuel computer i OpenAIs cloudmiljø, og Microsofts agenter kører på hostede browsere og virtuelle desktops. Isolationen beskytter mod fejl og misbrug, og uden den ville agenten overtage musen fra brugeren.

8. Kendte begrænsninger i dag. Selv de bedste modeller fejler på cirka hver sjette OSWorld-opgave. Typiske problemer er scroll i lange lister, præcise træk-og-slip-operationer, større regneark og lange beslutningskæder uden mulighed for at fortryde. Dertil kommer, at samme opgave kan lykkes mandag og fejle tirsdag, fordi modellen vælger en anden vej gennem grænsefladen. Det er håndterbart i processer med kontrol og kvittering, uacceptabelt i processer uden.

Overvejer du at bruge Computer Use eller AI-agenter til at automatisere manuelle arbejdsgange? Vi hjælper danske virksomheder med at udpege de rette processer, vælge mellem API-integrationer, RPA og computerstyrende agenter og sætte sikre rammer op med menneskeligt tilsyn og logning. Kontakt os, så tager vi en konkret snak om jeres første pilotprojekt.

Hvad kan Computer Use i praksis for virksomheder?

Dataindtastning i systemer uden API
Agenten flytter data fra et system til et andet ved at læse og taste, præcis som en medarbejder ville gøre det. Gevinsten er let at måle, og derfor er det ofte den bedste første anvendelse. En dansk produktionsvirksomhed med et ældre ERP-system kan lade en agent overføre ordrebekræftelser fra leverandørers portaler til ERP'et, en opgave der ellers koster bogholderiet timer hver uge.

Indberetning via portaler
Mange pligter handler om at logge ind på en portal og taste de samme tal ind hver måned. En agent kan udfylde indberetninger til det offentlige, opdatere data hos forsikringsselskaber eller vedligeholde produktdata i kunders indkøbsportaler, mens en medarbejder godkender inden afsendelse. Netop godkendelsestrinnet gør forskellen mellem en risikabel og en ansvarlig opsætning.

Tværgående kundeworkflows
Kundeservice er ofte bundet op på flere systemer, der ikke taler sammen: telefonsystem, CRM, økonomisystem og forsendelse. En agent kan opdatere dem alle ud fra en enkelt henvendelse, så medarbejderen kun godkender resultatet. Hos en dansk webshop kan det forkorte håndteringen af returneringer, fordi data i dag genindtastes manuelt i både shopsystem og fragtportal.

Automatiseret test af brugergrænseflader
Softwarevirksomheder bruger computer use til at teste deres egne produkter. Google driver blandt andet Firebase Testing Agent på teknologien, og samme princip kan et dansk softwarehus bruge til regressionstest: agenten klikker sig gennem de vigtigste brugerrejser efter hver release og rapporterer, hvor noget knækker. Den fanger fejl, som skriptede tests overser.

Research og overvågning i browseren
En agent med browserkontrol kan indsamle priser hos konkurrenter, tjekke lagerstatus hos leverandører eller samle oplysninger fra offentlige registre, også når der ikke findes et brugbart feed. Den type opgaver ligger tæt op ad en Agentic Browser, hvor AI'en er indbygget i selve browseren i stedet for at styre den udefra.

Personlig produktivitet i browseren
De færdige forbrugerprodukter er den letteste måde at prøve teknologien af. Claude for Chrome har siden 18. december 2025 været tilgængeligt for abonnenter på Pro, Max, Team og Enterprise og kan navigere faner, udfylde formularer og gennemføre flertrinsopgaver i browseren. ChatGPT's agenttilstand giver Plus-brugere 40 agentbeskeder om måneden og Pro-brugere 400. Lad et par nøglemedarbejdere teste på ufarlige opgaver først.

Anthropic, OpenAI, Google og Microsoft: hvem kan hvad?

Markedet for computerstyrende AI har fire store udbydere med hver deres strategi, plus de etablerede RPA-leverandører, som teknologien delvist udfordrer. Ingen af dem er det rigtige valg til alt, så kend styrker, svagheder og priser, før du vælger platform. Feltet flytter sig hurtigt, og Agentic AI er strategisk hovedprioritet hos alle fire.

Anthropic (Claude)
Anthropic åbnede kategorien med computer use i offentlig beta den 22. oktober 2024 og har siden holdt førertrøjen på kvalitet: Claude-modellerne topper OSWorld-Verified i juli 2026 med scores op til cirka 85 procent. Styrken er kontrol på OS-niveau via API'en, og med Claude for Chrome findes også et færdigt slutbrugerprodukt. Svagheden er, at API-vejen kræver, at du selv bygger og driver et sikkert sandbox-miljø. Prisen for Claude Sonnet er 3 USD per million input-tokens og 15 USD per million output-tokens.

OpenAI (ChatGPT Agent)
OpenAI lancerede Operator som forskningspreview den 23. januar 2025, dengang forbeholdt Pro-abonnenter til 200 USD om måneden, og samlede den 17. juli 2025 browserstyring, research og en virtuel computer i ChatGPT Agent. Den store fordel er tilgængeligheden: agenttilstanden følger med et Plus-abonnement til 20 USD om måneden med 40 agentbeskeder. Til gengæld får virksomheder, der vil styre miljøet selv, mindre kontrol. Fra 6. juli 2026 afregnes agentkørsler i virksomhedsplaner med kreditter, hvor en almindelig kørsel på GPT-5.5 koster 5 til 25 kreditter.

Google (Gemini 2.5 Computer Use og Project Mariner)
Google viste Project Mariner frem som forskningsprototype i december 2024 og gjorde den senere til en del af AI Ultra-abonnementet. Den vigtigste byggesten for virksomheder er dog Gemini 2.5 Computer Use, i public preview via AI Studio og Vertex AI siden 7. oktober 2025. Styrkerne er lav svartid og skarp pris: 1,25 USD per million input-tokens og 10 USD per million output-tokens, det billigste af de tre API-tilbud. Svagheden er scope: modellen er optimeret til browseren og endnu ikke til at styre hele styresystemer.

Microsoft (Copilot Studio)
Microsoft gik efter enterprise-markedet fra starten. Computer use i Copilot Studio blev vist i april 2025 og har siden maj 2026 været generelt tilgængeligt med hostede browsere og virtuelle desktops i Microsofts cloud. Fordelen er governance: adgangsstyring, logning og drift ligger i det Microsoft 365-miljø, mange danske virksomheder allerede har. Bagsiden er bindingen til Microsofts økosystem og en licensmodel, du bør regne grundigt på først.

RPA-leverandørerne (UiPath med flere)
Klassisk RPA automatiserer også brugergrænseflader, men med forprogrammerede selektorer i stedet for en model, der ser skærmen. UiPath koster fra 25 USD per bruger om måneden i Basic-planen, unattended automatisering starter typisk omkring 1.380 USD om måneden oveni, og større enterprise-implementeringer løber op i 87.000 USD årligt eller mere. RPA er hurtigere og billigere per kørsel, men scripts knækker, når grænsefladen ændrer sig. UiPath og konkurrenterne indbygger derfor selv agentteknologi under betegnelsen agentic automation.

Hvor computer use vinder, og hvor det taber
Computer use vinder, når der ikke findes en API, når grænsefladerne ændrer sig ofte, og når opgaverne varierer for meget til faste scripts. API-integrationer vinder på hastighed, pris og stabilitet, når de findes, og klassisk RPA står stærkest i stabile processer med høj volumen. De fleste virksomheder ender med en kombination, hvor valget træffes per proces og ikke per teknologi.

Ofte stillede spørgsmål om Computer Use

Hvad er forskellen på Computer Use og RPA?

RPA-værktøjer som UiPath og Power Automate kører forprogrammerede scripts mod faste elementer i grænsefladen, og de knækker typisk, når et felt eller et layout ændres. Computer use læser skærmen visuelt ved hvert skridt og tilpasser sig derfor ændringer, men er langsommere, dyrere per kørsel og ikke deterministisk. UiPath starter ved 25 USD per bruger om måneden med unattended robotter fra cirka 1.380 USD om måneden, mens computer use afregnes per token. Mange virksomheder kombinerer de to, så RPA tager de stabile processer, og agenter tager de foranderlige.

Kan Computer Use erstatte vores API-integrationer?

Nej, og det bør det heller ikke. Et API-kald giver samme resultat hver gang og koster næsten ingenting sammenlignet med en skærmstyret kørsel, så når der findes en API, er den førstevalget. Computer use er relevant for de systemer, hvor der ingen API findes, som regel ældre ERP-systemer, offentlige portaler og leverandørers webløsninger. De bedste opsætninger er hybride: agenten bruger API'er, hvor de findes, og skærmstyring som sidste udvej.

Hvad koster det at prøve Computer Use af?

En pilot kan gennemføres for få tusinde kroner. ChatGPT Plus til 20 USD om måneden inkluderer 40 agentbeskeder, Claude for Chrome følger med abonnementer fra 20 USD om måneden, og Gemini 2.5 Computer Use koster via API 1,25 USD per million input-tokens og 10 USD per million output-tokens. En opgave på 20 til 100 skridt koster fra få cents til nogle få dollars i tokens. Selve tokenforbruget er småpenge; det dyre er arbejdet med at designe processen sikkert.

Hvor pålidelig er teknologien i 2026?

De bedste modeller løser 83 til 85 procent af opgaverne på OSWorld-Verified pr. juli 2026, hvor den menneskelige baseline i den oprindelige undersøgelse var cirka 72 procent. Det betyder stadig fejl på omkring hver sjette opgave, og resultaterne er bedre på web-opgaver end på komplekse skrivebordsprogrammer. Derfor hører computer use hjemme i processer med godkendelsestrin og log frem for i processer, der skal køre fejlfrit uden opsyn.

Er det lovligt at bruge computer use-agenter i EU?

Ja, men med pligter. Fra 2. august 2026 stiller EU AI Acts artikel 50 krav om gennemsigtighed for nye systemer, så brugere skal oplyses, når de interagerer med AI. GDPR gælder fuldt ud, fordi agenten ser persondata på skærmen, og det kræver databehandleraftale med udbyderen. Respekter desuden de enkelte websites' vilkår, da nogle portaler forbyder automatiseret adgang. Højrisikoreglerne rammer kun bestemte anvendelser, for eksempel rekruttering og kreditvurdering.

Hvilke opgaver egner sig bedst som første projekt?

Gå efter opgaver med høj volumen og et klart facit, hvor agenten træffer få beslutninger undervejs: overførsel af ordre- eller fakturadata, faste indberetninger, oprettelse af brugere eller regressionstest af egne systemer. Undgå i første omgang alt med betalinger, sletninger og kundevendte svar. Efter to til fire uger med menneskelig godkendelse og en målt fejlrate har du et reelt grundlag for at beslutte, om processen må køre med mindre opsyn.