Hvad er HubSpot Data Agent?

Sådan virker Data Agent i HubSpot

Agenten kører per record og per prompt. Du finder den under More og derefter Data Management i din HubSpot-konto, og herfra definerer du de spørgsmål, den skal besvare. Når du kører den, henter den materiale fra de kilder, du har givet den adgang til, ræsonnerer sig frem til et svar og skriver svaret ind i det felt, du har peget på. HubSpots dokumentation for opsætning og brug af data agent beskriver de fire kilder, den kan trække på: web research, virksomhedens egen hjemmeside, eksisterende property-data og call transcripts.

Smart properties. Det er permanente felter i CRM'et, som agenten udfylder. De kan oprettes på contacts, companies, deals, tickets og custom objects, og de kan have typerne enkeltlinjetekst, flerlinjetekst, tal, enkelt afkrydsningsfelt, flere afkrydsningsfelter, radio select og dropdown select. At du kan tvinge svaret ned i en dropdown eller et afkrydsningsfelt er vigtigere, end det lyder: et frit tekstsvar kan ikke segmenteres på, mens en dropdown med fem faste værdier kan. HubSpots dokumentation for smart properties gennemgår felttyperne og opsætningen.

Smart actions. Det er workflow-handlinger, der kalder agenten midt i en automatisering. Typisk bruges de til at udfylde en smart property eller lave et research-opslag, når en record rammer et bestemt punkt i flowet, for eksempel når en ny company oprettes eller et deal skifter stage. Handlingen kører som en del af workflowet og forbruger credits hver gang, den udløses.

Smart columns. Det er midlertidige AI-kolonner i Data Studio. De opretter ikke et felt i CRM'et, men lægger sig som en beregnet kolonne på et datasæt, så du kan analysere eller rapportere på noget uden at bygge permanent infrastruktur. Skal svaret bruges én gang til en analyse, er det den rigtige vej. Skal sælgerne kunne se det på recorden hver dag, skal det være en smart property.

Kilderne afgør, hvad agenten overhovedet kan svare på. Web research og hjemmesideopslag kræver, at feltet Company Domain Name er udfyldt og korrekt. Er domænet tomt eller forkert, har agenten intet at researche på, og den returnerer typisk en tom værdi eller "unknown". Det er den mest oversete forudsætning i hele opsætningen, og den rammer især konti, hvor kontakter er kommet ind via formularer med private mailadresser.

Udfyldningen kan ske på fire måder. Du kan køre agenten manuelt på en enkelt record, i bulk på en markeret liste, på et helt segment, eller via et workflow. Derudover kan en smart property sættes til at opdatere sig selv automatisk, enten når en record oprettes eller efter en tidsplan med dagligt, ugentligt eller månedligt interval. En automatisk tidsplan på et stort segment er i øvrigt den hurtigste måde at brænde credits af på uden at opdage det.

Adgangen er bredere end de fleste Breeze-funktioner. Pr. september 2026 er Data Agent tilgængelig i Marketing Hub, Sales Hub, Service Hub, Data Hub og Content Hub fra Starter og opefter, samt i Smart CRM og Revenue Hub fra Professional og opefter. Det kræver dog, at der er credits på kontoen, og at AI-indstillingerne er slået til for generativ AI, CRM-data, konverteringsdata og fildata. Oveni skal den enkelte bruger have indstillingen Data Agent access slået til, og den kan kun sættes af en Super Admin eller en admin med rettigheder til at styre tilladelser.

Forbruget er enkelt at regne på, men let at undervurdere. Et promptsvar på én record koster 10 HubSpot Credits ifølge HubSpots produkt- og servicekatalog, og det gælder pr. smart property, ikke pr. record. Har du tre smart properties på en company, koster en fuld opdatering af den ene record 30 credits. Det afgørende forbehold står i HubSpots egen dokumentation: en smart property forbruger credits, også når den ikke får udfyldt en værdi. Fejlslagne opslag er altså ikke gratis.

Output kan efterprøves, og det bør det. I Agent Inbox under Agent Hub kan du åbne den enkelte kørsel, folde agentens tankeskridt ud og klikke på antallet af kilder nederst i svaret for at se, hvad den faktisk har læst. Du kan også bede den om at køre igen med en justeret instruktion. Inden du sætter en agent i drift, kan du simulere den uden at bruge credits, og du kan sætte en månedlig grænse for antal kørsler pr. agent, hvor HubSpot viser et estimeret credit-interval for grænsen.

Det, der typisk går galt, er prompten. En vag instruktion som "find ud af om virksomheden er relevant" giver vage svar på tværs af hele databasen, og fordi agenten kører automatisk, opdager I det først, når feltet er fyldt med ubrugelige værdier. Skriv prompten som en instruktion til en ny studentermedhjælper: hvad skal der findes, hvor skal det findes, og hvilke svarmuligheder er tilladt. Test på ti records, læs alle ti svar igennem, og skalér først derefter.

Vi hjælper danske B2B-virksomheder med at få Data Agent til at gøre en forskel i stedet for at brænde credits af. Konkret rydder vi op i domæne- og dublettdata først, skriver og tester prompterne på et lille udsnit, vælger felttyper der kan segmenteres på, og regner forbruget igennem, så I ved hvad en månedlig opdatering koster, før den kører. Skal vi kigge på jeres opsætning?

Hvad danske B2B-teams bruger Data Agent til

De anvendelser, der holder i drift, har to ting til fælles: svaret kan koges ned til en fast værdi, og nogen bruger værdien bagefter. Resten falder fra i løbet af et kvartal, uanset hvor godt de så ud på demoen.

ICP-kvalificering på firmografiske felter
Agenten svarer på, om en virksomhed matcher jeres idealkundeprofil, ud fra kriterier, der ikke står i CVR. Opsæt en smart property af typen dropdown med værdierne stærkt match, muligt match og fra. Et softwarehus, der sælger til grossister med eget lager, kan lade agenten læse kundens hjemmeside og svare på, om der er egen lagerdrift, og derefter bruge feltet som filter på alle indgående leads.

Mødeforberedelse uden manuel søgning
En smart property med prompten "Hvad har denne virksomhed offentliggjort af nyheder de seneste seks måneder?" giver sælgeren en opsummering direkte på company-recorden. Sæt den til at opdatere ugentligt på de konti, der ligger i pipeline. En dansk rådgivningsvirksomhed kan på den måde undgå, at rådgiveren googler kunden ti minutter før hvert møde.

Udfyldning af huller i eksisterende data
Mange danske CRM'er har brancher, medarbejderantal og segment udfyldt på halvdelen af recordene. Agenten kan køre på et segment, hvor feltet er tomt, og udfylde det ud fra hjemmesiden. En produktionsvirksomhed med 4.000 companies fra gamle messelister kan rydde op i branchefeltet uden at hyre nogen til at gøre det manuelt.

Signalfelter til lead scoring
Fordi en smart property er et almindeligt felt, kan den indgå i scoring og segmentering. Lad agenten svare ja eller nej på et konkret købssignal, for eksempel om virksomheden aktuelt søger medarbejdere til en bestemt funktion, og giv feltet vægt i jeres scoringmodel. Det virker bedst, når signalet er specifikt nok til at kunne læses af en maskine på en hjemmeside.

Opsummering af kundesamtaler til service
Med call transcripts som kilde kan agenten udfylde et felt på ticket eller company med det tilbagevendende tema i kundens henvendelser. Et dansk SaaS-firma kan bruge det til at se, hvilke konti der gentagne gange rammer det samme onboarding-problem, og prioritere produktændringer efter det.

Berigelse ved oprettelse via workflow
En smart action i et workflow kan udfylde de vigtigste felter, i samme øjeblik en ny company oprettes, så sælgeren aldrig ser en tom record. Byg det som en enkelt handling efter oprettelsestriggeren, og sæt en betingelse på, at domænefeltet er udfyldt, så I ikke bruger credits på records, agenten alligevel ikke kan researche.

Adhoc-analyse i Data Studio
Skal I bruge et svar én gang til en ledelsesrapport, er en smart column billigere at bygge end en ny property. Læg kolonnen på datasættet, kør analysen, og lad være med at oprette et felt, ingen skal vedligeholde bagefter.

Fælles for det hele er, at forbruget skal budgetteres. Læg antallet af records gange antallet af smart properties gange 10 credits sammen, før I går i drift, og hold tallet op mod den månedlige tildeling af HubSpot Credits på jeres abonnement. Er regnestykket for stort, er svaret som regel at køre agenten på et snævrere segment i stedet for at droppe den.

Alternativer, priser og begrænsninger

Data Agent er ikke det eneste svar på behovet, og til flere opgaver er det ikke det bedste. Fem alternativer går igen, når vi regner på det med danske kunder.

Breeze Intelligence data enrichment
HubSpots egen databerigelse er den nærmeste konkurrent, og den ligger i samme platform. Den udfylder faste firmografiske felter fra HubSpots datasæt i stedet for at besvare et frit spørgsmål, og den er derfor både billigere og mere forudsigelig på standardfelter som medarbejderantal, branche og omsætning. Den kan til gengæld ikke svare på noget, der ikke findes i datasættet. Til sammenligning koster det pr. september 2026 10 credits at aktivere intent-signaler eller overvåge en virksomhed i en måned. Se forskellen uddybet under data enrichment.

Clay
Amerikansk værktøj til databerigelse og outbound, der kobler mange datakilder og AI-opslag sammen i regnearkslignende tabeller og skriver resultatet tilbage til HubSpot. Det er væsentligt mere fleksibelt end Data Agent og har flere datakilder, men det er også et separat system, som nogen skal lære og vedligeholde. Pr. september 2026 koster Launch-planen 167 USD pr. måned ved månedlig betaling eller 54 USD pr. måned ved årlig binding med 15.000 actions og 2.500 data credits, mens Growth koster 446 USD månedligt eller 185 USD ved årlig binding ifølge Clays egen prisside.

Salesforce Agentforce
Relevant hvis I i forvejen overvejer Salesforce frem for HubSpot, for agenterne følger platformen. Agentforce er bredere end Data Agent og dækker også service og salg, men prismodellen er en anden liga for en mellemstor dansk virksomhed. Pr. september 2026 koster Agentforce som tilkøb 125 USD pr. bruger pr. måned, Agentforce 1 Editions starter ved 550 USD pr. bruger pr. måned, og en metreret Agentforce User License koster 5 USD pr. bruger pr. måned oveni forbruget af Flex Credits, hvor Salesforces prisside for Agentforce regner 60 credits til 0,30 USD i sit eksempel.

Vainu
Nordisk leverandør af virksomhedsdata med dækning i Danmark, Sverige, Norge og Finland, og med en færdig HubSpot-integration. På danske firmadata er Vainu ofte mere præcis end en AI, der læser en hjemmeside, fordi data kommer fra registre og opdateres automatisk. Til gengæld svarer den kun på det, der findes i deres datamodel. Pr. september 2026 starter Vainu for Prospecting på 3.500 EUR om året plus 200 EUR i onboarding, mens Vainu for CRM med CRM-integrationerne starter på 4.200 EUR om året plus 750 EUR i onboarding ifølge Vainus prisside.

Manuel research
Det reelle alternativ i mange små danske virksomheder er en studentermedhjælper eller sælgeren selv. Det er langsomt, men det er også det eneste alternativ, der forstår nuancer og kan stoppe op, når svaret ikke giver mening. Ved små volumener under et par hundrede virksomheder om året er forskellen i pris ofte mindre, end I regner med, og kvaliteten højere.

Hvor vinder Data Agent så. Den vinder, når svaret skal ind i CRM'et og bruges af automatiseringer, når spørgsmålet er specifikt for jeres forretning og derfor ikke findes i nogen database, og når I allerede har HubSpot og ikke vil indføre endnu et system. Den taber, når data findes i et register i forvejen, for der er Vainu eller Breeze Intelligence både billigere og mere pålidelige. Den taber også, når volumen er høj og opgaven kompleks, for der er Clay bygget til netop det. Og den taber, når svaret skal være rigtigt hver gang, for en AI, der læser hjemmesider, tager fejl med en frekvens, I skal kunne leve med.

Adgangen følger abonnementet, ikke et tilkøb. Pr. september 2026 er Data Agent med i Marketing Hub, Sales Hub, Service Hub, Data Hub og Content Hub fra Starter og opefter, og i Smart CRM og Revenue Hub fra Professional. Starter Customer Platform står listet til 20 USD pr. sæde pr. måned ved årlig betaling og inkluderer 500 HubSpot Credits om måneden. Der er altså ingen separat licens at købe, men der er en forbrugsregning.

Credit-økonomien er den, der afgør, om det kan betale sig. Den månedlige tildeling er 500 credits på Starter, 3.000 på Professional og 5.000 på Enterprise, mens Data Hub og Customer Platform giver 500, 5.000 og 10.000 på de tre niveauer. Med 10 credits pr. opslag rækker en Professional-tildeling til 300 promptsvar om måneden, hvilket er lidt, hvis I tænker i hele databasen. Ekstra credits koster 10 USD for en kapacitetspakke på 1.000 credits, eller 0,010 USD pr. credit ved forbrug ud over grænsen, afregnet i intervaller af 10. Ubrugte credits overføres ikke til næste måned, og overforbrug afregnes efter de gældende satser, hvilket HubSpots dokumentation om credits og fakturering beskriver nærmere.

Regn på et konkret eksempel, før I beslutter. 1.000 companies med tre smart properties hver koster 30.000 credits at fylde én gang, altså cirka 300 USD i kapacitetspakker oven i abonnementet. Sætter I samme tre felter til at opdatere månedligt, er det den samme regning hver måned. Det er stadig billigt sammenlignet med en medarbejder, men det er ikke gratis, og det er præcis her, de fleste bliver overraskede.

På rettighedssiden er der to ting at holde styr på. AI-indstillingerne skal være slået til på kontoen for generativ AI, CRM-data, konverteringsdata og fildata, og hver bruger skal have Data Agent access, som kun en Super Admin eller en admin med rettigheder til at styre tilladelser kan sætte. Det giver jer samtidig håndtaget til at begrænse, hvem der kan brænde credits af.

De hårde grænser er værd at kende, før I skalerer. Brugere rapporterer i HubSpots eget community, at bulk-kørsler bliver upålidelige forbi omkring 75 records ad gangen, med timeouts og tomme felter til følge, og at credits stadig trækkes for de fejlslagne opslag. Agenten har også svært ved spørgsmål, der kræver flere betingelser eller regnestykker på tværs af associations. Endelig har custom prompts inde i workflows ikke internetadgang, så den slags handlinger kan ikke lave web research. Planlæg derfor bulk-opdateringer i mindre portioner og læs resultatet igennem, inden I kører videre.

Datakvaliteten i forvejen bestemmer resultatet. Er Company Domain Name tom eller forkert, kan agenten ikke researche, og I betaler for et tomt svar. En oprydning i domænefeltet og et dublettjek er derfor billigere at lave først end at reparere bagefter. Det samme gælder valget af felttype: tving svaret ned i en dropdown eller et afkrydsningsfelt, hvis det senere skal bruges til segmentering, for fritekst kan I ikke filtrere pålideligt på.

Dansk og EU-kontekst kræver et par konkrete beslutninger. HubSpot har et EU-datacenter, nye kunder tildeles hostinglokation efter IP-adressen ved oprettelse, og eksisterende betalende kunder kan migrere til et andet datacenter i kontoindstillingerne uden beregning. Vigtigere for jeres databehandleraftale er, at HubSpot som udgangspunkt bruger kundedata til at træne sine egne AI-modeller, og at indstillingen er slået til, indtil nogen slår den fra under Indstillinger, Account management, AI og fanen Access, hvilket HubSpots dokumentation om AI-modeltræning beskriver. Konti med Sensitive Data slået til er automatisk fravalgt og kan ikke tilvælges. HubSpot skriver samtidig, at deres AI-leverandører ikke må træne på jeres data, men også at I skal undgå at lægge følsomme oplysninger i prompts. Skriv derfor jeres prompts, så de aldrig indeholder personoplysninger, I ikke vil sende videre.

Så er der tilfældene, hvor det ikke kan betale sig. Har I under nogle hundrede relevante virksomheder om året, er manuel research både billigere og bedre. Har I brug for registerdata om danske selskaber, er en nordisk dataleverandør det rigtige valg. Og har I ikke ryddet op i domæner og dubletter, skal det gøres først, ellers betaler I for at få tomme felter fyldt med "unknown". Er I i tvivl om, hvor jeres opsætning står, hjælper vi gerne med at regne credit-forbruget igennem som en del af et HubSpot-samarbejde, inden I sætter agenten i drift.