Claude i virksomheden: Sådan kommer I sikkert i gang med AWS Bedrock

I vil gerne bruge AI. Men I tør ikke rigtig.

Det er en situation, vi møder igen og igen hos mellemstore danske virksomheder. Ledelsen kan se potentialet i AI. Marketingchefen har selv brugt ChatGPT eller Claude til at skrive udkast. Udviklingsteamet eksperimenterer med GitHub Copilot. Men når talen falder på at integrere AI i virksomhedens egne systemer — CRM, kundeservice, interne processer — så går det i stå.

Årsagerne er de samme hver gang:

• "Vores data må ikke forlade virksomheden"
• "IT-afdelingen vil have kontrol over adgangen"
• "Vi ved ikke, om det overholder GDPR og EU's AI-forordning"
• "Vi har ikke ressourcer til at bygge noget fra bunden"

Det er reelle bekymringer. Men de er ikke uoverkommelige. Faktisk er de allerede løst — det kræver bare, at man vælger den rigtige infrastruktur.

Hvad er AWS Bedrock — og hvorfor er det relevant?

Amazon Bedrock er AWS' platform for at tilgå AI-modeller som Claude direkte i jeres eget AWS-miljø. Det betyder, at I kan bruge Claudes fulde kapacitet — analyse, tekstgenerering, kodning, ræsonnering — uden at jeres data nogensinde forlader jeres AWS-konto.

Det er en afgørende forskel i forhold til at bruge Claude via Anthropics egen API eller webgrænseflade. Med Bedrock:

Data forbliver i jeres AWS-konto. Al model-inferens sker inden for jeres eget AWS-miljø. Intet sendes til Anthropic. Intet bruges til modeltræning. Jeres data er jeres data.

IT beholder kontrollen. Adgang styres via AWS IAM — det samme identitetssystem, I sandsynligvis allerede bruger. Jeres IT-afdeling kan definere præcis, hvem der har adgang til hvilke modeller, logge alt i CloudTrail og sætte budgetgrænser.

Fakturering kører via jeres eksisterende AWS-aftale. Ingen ny leverandør, ingen ny indkøbsproces. Hvis I har en Enterprise Discount Program-aftale med AWS, kan Claude-forbrug trække fra den.

Guardrails er indbygget. AWS Bedrock har et dedikeret guardrails-system, der lader jer definere politikker for, hvad AI'en må og ikke må. Det er et ekstra sikkerhedsnet oven på Claudes egen sikkerhedsarkitektur.

Tre veje til Claude på AWS i 2026

Per maj 2026 er der tre måder at køre Claude på AWS. Det er vigtigt at forstå forskellen:

Claude på Amazon Bedrock er den AWS-driftede vej. Jeres data forbliver inden for AWS' sikkerhedsperimeter. I får adgang til alle Claude-modeller, guardrails, VPC-endpoints og PrivateLink. Det er det rigtige valg for de fleste danske virksomheder, der ønsker fuld kontrol.

Claude Platform on AWS er en nyere mulighed, der giver adgang til Anthropics fulde funktionssæt — inklusive Managed Agents og MCP-connectors — men faktureret via jeres AWS-konto. Det er relevant for virksomheder, der har brug for funktioner, som endnu ikke er tilgængelige i Bedrock.

Anthropics direkte API er den simpleste vej: ét autentificeringssystem, én faktureringsrelation. Men data behandles uden for AWS' perimeter, hvilket gør det mindre attraktivt for virksomheder med strenge datapolitikker.

Vores anbefaling til de fleste danske virksomheder: Start med Bedrock. Det giver den bedste balance mellem kontrol, sikkerhed og funktionalitet.

Hvad det kræver at komme i gang

Den gode nyhed er, at opsætningen er langt enklere, end de fleste forventer. Her er hvad der skal til:

1. Aktiver Claude-modeller i jeres Bedrock-konsol. I AWS-konsollen åbner I Bedrock, vælger Anthropics modeller og indsender en kort beskrivelse af anvendelsen. Adgang gives med det samme.

2. Konfigurer IAM-roller. Definér, hvem der har adgang til at kalde Claude-modellerne. Det er standard AWS IAM — intet nyt at lære for jeres IT-team.

3. Vælg autentificeringsmetode. For et hurtigt proof of concept kan I bruge API-nøgler. For produktionsbrug anbefaler vi OIDC-federation med jeres eksisterende identitetsudbyder (f.eks. Azure AD eller Okta), så medarbejdere logger ind med deres normale virksomhedslogin.

4. Test med en afgrænset opgave. Start ikke med at automatisere hele virksomheden. Vælg én konkret opgave — f.eks. opsummering af mødereferater, kvalificering af leads i HubSpot, eller generering af produktbeskrivelser — og byg et n8n-flow der kalder Claude via Bedrock.

Fra idé til fungerende proof of concept kan realistisk gøres på en uge.

Hvorfor virksomheder går i stå — og hvordan I undgår det

De virksomheder, der aldrig kommer i gang, har typisk én ting til fælles: de forsøger at løse alle udfordringer på én gang. De vil have en komplet AI-strategi, en governance-ramme, en compliance-vurdering og en business case — før de overhovedet har set, hvad teknologien kan.

Det er baglæns. Her er en bedre tilgang:

Uge 1-2: Proof of concept. Vælg én opgave. Byg en simpel integration via n8n og Bedrock. Mål resultatet. Det kræver ingen stor investering — kun en AWS-konto og en n8n-instans.

Uge 3-4: Evaluering og governance. Nu har I et konkret eksempel at evaluere. Hvad virkede? Hvad virkede ikke? Hvad er de reelle risici? Det er langt nemmere at bygge en governance-ramme, når I har noget konkret at forholde jer til.

Måned 2-3: Skalering. Rul løsningen ud til flere brugere eller flere opgaver. Implementér guardrails, logging og budgetkontrol. Integrer med jeres eksisterende systemer.

Denne tilgang reducerer risikoen og accelererer beslutningen — fordi I træffer beslutninger baseret på faktiske resultater, ikke teoretiske bekymringer.

Hvordan CPHD hjælper

Hos CPHD har vi bygget AI-integrationer med Claude for vores egne og vores kunders workflows. Vi har arbejdet med AWS i over 15 år og kender platformen indgående — fra IAM og VPC til CloudWatch og deployment-pipelines. Bedrock er en naturlig forlængelse af den ekspertise, og vi er klar til at hjælpe virksomheder med at tage det næste skridt.

Vores tilgang er pragmatisk: Vi bruger n8n som automatiseringsplatform, HubSpot som CRM og Claude som AI-lag. Vi bygger proof of concepts, der kan demonstrere værdi på dage, ikke måneder. Og vi sørger for, at alt er sat op med menneskeligt tilsyn, klar logging og sporbarhed — så jeres compliance-team kan sove roligt.

Vi tror på ansvarlig AI. Det betyder sporbarhed, klar AI-mærkning, menneskelig kontrol af input og output, og en konsekvent skelnen mellem offentlige og private AI-modeller.

Den største risiko i 2026 er ikke at bruge AI forkert. Det er ikke at bruge det overhovedet — mens jeres konkurrenter allerede gør det.