Købe eller bygge HR-system? Sådan træffer HR-ledere klogere teknologibeslutninger i AI-alderen

Et gammelt spørgsmål er derfor igen aktuelt: Skal du købe dit HR-system, eller skal du bygge det selv?

Anders Holmberg, Chief Revenue Officer hos Eletive, åbnede vores AI in HR 2026 digital summit med præcis det spørgsmål. Han har mere end 15 års erfaring inden for SaaS (software as a service) og har arbejdet tæt sammen med produktteams. Her er de vigtigste pointer fra hans session.

Det er blevet lettere end nogensinde at bygge selv

Tallene er svære at ignorere. Ifølge GitHubs 2025-rapport blev der oprettet 121 millioner nye softwareprojekter i 2025. Det svarer til 230 i minuttet. AI-genererede projekter voksede med 200% på ét år.

I starten af 2025 bekymrede den udvikling investorerne. Man begyndte at tale om en "SaaS-apokalypse": Hvis alle kan bygge deres egne værktøjer, hvorfor skulle nogen så købe software? Kursen på nogle af de største SaaS-virksomheder faldt markant.

Virksomhederne stoppede dog ikke med at købe software. Det offentlige SaaS-marked er steget med 40% siden faldet i februar. Softwareudgifterne vokser stadig med 15,5% om året (Gartner, 2026), og den gennemsnitlige virksomhed bruger stadig ca. 300 værktøjer (Zylo, 2026).

Det handler sandsynligvis ikke om enten købe eller bygge. Det handler om begge dele side om side. Det egentlige spørgsmål er, hvornår du gør hvad.

Hvornår giver det mening at bygge selv

Fire tegn på, at det kan være den rigtige beslutning at bygge:

• Logikken er unik for jer. Jeres kompetenceramme, jeres stillingsarkitektur, jeres regler for intern mobilitet. Så snart en leverandør generaliserer det, holder det op med at være jeres.

• Omfanget er veldefineret. Én arbejdsgang. Ét team. Ét spørgsmål. Dette kvartal. Byggeprojekter fejler, når de stille og roligt bliver til platforme, der skal holde i årevis.

• Værdien ligger i data, I ejer selv. Hvis det smarte element er jeres egne data, og AI kun er grænsefladen, er I tættere på at bygge, end I måske tror.

• Ejerskabet er klart defineret. Kan I ikke sætte navn og budgetlinje på projektet frem til 2029, bygger I ikke. I laver en prototype.

Hvordan kan det se ud i HR? Måske en mikro-survey: Hvordan gik kickoff? Hvem vil med til julefrokosten? Hvem er årets medarbejder? Her er der ingen behov for anonymitet, trendlinjer eller kobling til jeres organisationshierarki, så en simpel løsning gør jobbet.

Måske er det en rapportpakke til bestyrelsen: en AI-agent, der trækker data fra flere systemer ind i jeres kvartalrapport i jeres eget format, hver gang. Eller en assistent til spørgsmål om politikker, der udelukkende er trænet på jeres personalehåndbog, jeres aftaler og jeres lokale regler.

Alle tre fungerer af samme grund: Værdien ligger i jeres data, ikke i modellen.

Hvornår er det klogere at købe

Seks tegn på, at det er den bedste løsning at købe:

• Problemet er det samme alle steder. Løn, rekruttering, compliance-rapportering, performance reviews. Nogen har sandsynligvis allerede løst det bedre, end I vil kunne.

• I har brug for benchmarkdata. Sammenligningsdata kan man ikke bygge. Det er et aktiv, I enten har adgang til eller ej. Inden for medarbejder-engagement er det ofte her, den virkelige indsigt sidder.

• Jeres regulatoriske og datamæssige eksponering er bred. I kan bygge en GDPR-kompatibel app i dag. Det svære er at holde den kompatibel, når lovgivningen ændrer sig. Hvis I risikerer at krænke GDPR eller medarbejdernes anonymitet, er det bedre at have en leverandør, hvis fuldtidsjob er at holde trit med kravene.

• De underliggende modeller ændrer sig løbende. Nogle gange drifter outputtet stille og roligt, og jeres månedlige rapport ser lidt anderledes ud fra gang til gang. Leverandører håndterer de migreringer for jer.

• Ekspertisen vejer tungere end softwaren. Køber I, er det leverandøren, der bærer implementeringen og adoptionen. Bygger I selv, bliver I eksperterne. Permanent.

• I vil have nogen at ringe til. Ethvert internt byggeprojekt har en lanceringsdag. Meget få har support en mandag morgen.

Hvad det i praksis vil sige at bygge selv: et eksempel fra Eletive

I løbet af sommeren byggede vores salgsteam et AI-værktøj, der hjælper sælgere med at udvælge, hvilke virksomheder de skal kontakte, og som udkaster den første besked.

Det forbinder værktøjer, vi allerede betaler for: HubSpot som vores CRM og kilde til sandhed, Apollo til virksomhedsdata, n8n til workflows og Claude som det øverste lag. Hver morgen opdateres dataene baseret på seneste hændelser og vores tidligere samtaler. AI'en udvælger de virksomheder, der giver mest mening at kontakte, og udkaster en tilpasset besked. En sælger finjusterer den, inden den ryger i e-mail-køen.

Det er sandsynligvis den form, mange interne byggeprojekter vil tage fremover. Ikke "vi har bygget vores eget system", men "vi har forbundet fire ting, vi allerede ejer, for at løse et problem, ingen sælger et produkt til."

Den første prototype tog en håndfuld dage og var imponerende. Den føltes 90% færdig. De sidste 10% er, hvor det egentlige arbejde ligger. Hvad sker der, når en kontaktperson er ved at forlade sin virksomhed? Når to virksomheder er forbundne? Håndtering af undtagelser, datakvalitet, svartider, korrekt indlæsning af data hver gang (ikke det meste af tiden) og oplæring tager tid.

Indtil videre har projektet kostet hundredvis af timer og to personer, der arbejder næsten fuldtid på det. Mere end håbet. Det er stadig det værd. Målet er 25% højere output pr. sælger. Det gav kun mening, fordi vi havde ressourcerne, og fordi dataene var unikke for os.

Læringen er klar: At nå den første sejr er nemt nu. At nå den hundrede er præcis lige så svært som altid.

Gik du glip af sessionen? Se den fulde session her.

Værktøjerne er blevet lettere. Opgaven rundt om dem er den samme.

At bygge handler om langt mere end kode. Du bliver projektleder: scope, rækkefølge, undtagelser, test, udrulning. Du ejer din dataarkitektur: hvor dataene bor, hvad kilden til sandhed er, og hvad der sker, når to systemer er uenige. Du bliver også produktleder og skal præcist beskrive, hvordan det skal fungere, inklusive alle de edge cases, du helst ikke vil tænke over.

AI bygger præcis det, du beder om. Det svære er at vide, hvad du skal bede om.

Ingen af siderne er kun én post i budgettet

Bygger du selv, skal du medregne hosting og modelomkostninger, sikkerhedsgennemgange, juridisk godkendelse, test og change management. Medregn vedligeholdelse, når API'et ændrer sig under dig, og hvem der håndterer support. Husk også "bus-faktoren": Hvad sker der, hvis den person, der byggede det, forlader virksomheden? Måske er muligheds­omkostningen den største af dem alle. Driver du en burgerkæde, er din tid nok bedst brugt på burgerne.

Køber du, er der også skjulte omkostninger: integration, implementering, datamigrering, adoption og oplæring, administrationstid, leverandørstyring og skifteomkostninger, hvis det ikke virker.

Der er omkostninger på begge sider. Den virkelige forskel er ikke pengene. Det er, hvem der bærer ekspertisen og risikoen.

Fremtiden er at købe og bygge

De fleste HR-teams vil sandsynligvis købe værktøjer til kerneopgaverne: engagement og Performance Management, rekruttering, HRIS, tidsregistrering og løn. Disse værktøjer giver jer grænsefladen til det daglige arbejde, datahåndtering og compliance samt leverandørens ekspertise og support.

Ovenpå det ligger et AI-lag, der sikkert kan tilgå dataene. Og ovenpå det igen bygger I jeres egne interne apps og et analyselag, der forbinder systemerne. Mange virksomheder er allerede på vej i den retning.

Hvad du kan gøre allerede mandag morgen

Et par praktiske råd fra Q&A-sessionen:

• Tjek, hvad du allerede betaler for. Kører du på Microsoft eller Google, har du sandsynligvis allerede AI-værktøjer, du kan eksperimentere med.

• Start med problemet, ikke værktøjet. Beskriv dit problem for en AI-assistent, og spørg, hvordan du kan løse det.

• Kig på workflow-værktøjer. Det at flytte data fra ét system til et andet er ofte, hvor de første hurtige gevinster ligger.

• Hold dit første projekt lavrisiko. Vælg noget uden persondata. Når persondata er involveret, bring din juridiske afdeling ind tidligt.

Gik du glip af eventet? Se den fulde genafspilning af AI in HR 2026: From People Insights to Business Impact