Spørgsmålet ”Claude eller ChatGPT” dukker sjældent op i en virksomhed på et møde om IT-strategi. Det dukker op, når en leder opdager, at halvdelen af medarbejderne allerede bruger det ene eller det andet med private konti og uploader kundekontrakter og regnskabsrapporter til dem. Så skal der vælges hurtigt: hvilket værktøj der skal gøres officielt, hvilket abonnement der skal købes, og hvordan man sikrer, at data ikke havner, hvor de ikke skal.
I markedsføringen ligner de to produkter hinanden: begge skriver, analyserer og programmerer, og begge har erhvervsabonnementer og et API. Forskellene viser sig, når man begynder at stille konkrete spørgsmål: hvor data fysisk gemmes, om de bruges til at træne modeller, hvordan værktøjet forbindes med jeres systemer, og hvordan det håndterer en kontrakt på 200 sider.
I denne artikel sammenligner vi de to ud fra de spørgsmål, virksomheder stiller os. Vi hævder ikke, at det ene er bedre. Efter vores erfaring ender de fleste virksomheder med at bruge begge, blot til forskellige opgaver.
Erhvervsabonnementer og API: to forskellige indkøb
Det første, der skal adskilles: medarbejdere, der bruger en chatgrænseflade, og virksomhedens systemer, der integrerer via et API, er forskellige produkter med forskellige vilkår.
Claude (Anthropic) tilbyder et Team-abonnement til mindre grupper og et Enterprise-abonnement med central administration, single sign-on (SSO) og revisionsfunktioner. ChatGPT (OpenAI) har et tilsvarende par: Business-abonnementet til teams og Enterprise til større organisationer. I begge tilfælde administrerer en administrator brugerne, kan se forbruget og kan fastsætte, hvilke integrationer der er tilladt.
API’et er en separat vej: jeres system sender programmatisk forespørgsler til modellen uden en chatgrænseflade. Det er nødvendigt, når I vil have AI til at behandle dokumenter fra jeres system, svare kunder på jeres hjemmeside eller automatisere en proces. Claude-modellerne er tilgængelige via API’et direkte fra Anthropic og også via Amazon Bedrock og andre cloudplatforme; OpenAI’s modeller er tilgængelige direkte fra OpenAI eller via Microsoft Azure.
Den praktiske konklusion: er målet øget produktivitet hos medarbejderne, så se på Team- eller Business-abonnementer. Er målet procesautomatisering, så se på API’et. Ofte har I brug for begge dele.
Data og træning: hvad der faktisk er lovet
Den vigtigste forskel på en privat konto og en erhvervskonto er ikke funktionerne, men brugen af data. På erhvervsabonnementer bruger begge udbydere som standard ikke jeres samtaler og uploadede filer til at træne modeller. På private abonnementer afhænger det af indstillinger, som en medarbejder kan ændre.
Det er hovedårsagen til, at medarbejdere, der bruger private konti til arbejde, er et problem. Ikke fordi værktøjet er dårligt, men fordi virksomheden ikke kontrollerer vilkårene. Et skifte til et erhvervsabonnement løser problemet med det samme.
For API’et angiver begge udbyderes kommercielle vilkår også, at data ikke bruges til træning. Det er også værd at kontrollere opbevaringsperioden: hvor længe forespørgsler gemmes til overvågning af misbrug, og om I kan bede om zero data retention i følsomme scenarier.
Dataophold i EU
For virksomheder i EU, især dem, der er omfattet af NIS2- eller DORA-kravene, har det betydning, hvor data fysisk behandles og gemmes. Begge udbydere har løsninger her, men forskellige.
Claude-modellerne kan bruges via Amazon Bedrock i en EU-region, for eksempel Frankfurt. I så fald behandles forespørgslerne i et datacenter i EU på AWS’ vilkår, og Anthropic selv gemmer ikke dataene. Det er en praktisk mulighed for virksomheder, der allerede bruger AWS, eller hvis backup, som vores, opbevares i et Amazon-datacenter i Tyskland. Anthropic udvider også EU-mulighederne direkte, men vejen via Bedrock er gennemprøvet og virker nu.
OpenAI tilbyder dataophold i EU til Enterprise- og API-kunder, hvor data gemmes i en EU-region. Alternativet er OpenAI’s modeller via Microsoft Azure i EU-regioner, hvilket er naturligt for virksomheder, der allerede er i Microsoft-miljøet.
I begge tilfælde er det værd at bede udbyderen om dokumenter: en databehandleraftale (DPA), en liste over underdatabehandlere og en klar bekræftelse af, præcis hvor behandlingen finder sted. Det er spørgsmål, vi hjælper med at formulere og vurdere i en risikovurdering.
Dokumentanalyse: hvor forskellene viser sig
Begge værktøjer læser PDF, Word, Excel og billeder. Forskellene viser sig i lange og komplekse dokumenter.
Claude har et stort kontekstvindue og følger efter vores erfaring instruktioner godt i arbejdet med lange kontrakter, tekniske specifikationer og revisionsrapporter: den ”taber” sjældnere detaljer fra begyndelsen af et dokument og citerer mere præcist. Det mærkes, når I skal sammenligne to versioner af en kontrakt på 80 sider eller udtrække alle forpligtelser fra en leverandørs tilbud.
ChatGPT er stærk, hvor der er brug for flere værktøjer samlet ét sted: dataanalyse med kodeudførelse, diagrammer ud fra Excel, billedgenerering, websøgning. For en økonomiafdeling, der vil uploade en tabel og spørge ”vis mig tendenserne måned for måned”, er det en praktisk arbejdsmåde.
Ingen af dem erstatter menneskelig kontrol, når det gælder kontrakter eller tal. Begge tager nogle gange fejl med stor sikkerhed. Processen skal tage højde for det.
Integrationer: MCP og Agents SDK
Et værktøjs værdi for en virksomhed afhænger i høj grad af, hvordan det forbindes med jeres systemer: CRM, regnskab, dokumenthåndtering, helpdesk.
Anthropic skabte den åbne standard Model Context Protocol (MCP), som lader AI forbinde til eksterne systemer gennem en ensartet grænseflade. Dens fordel er, at én MCP-server til jeres system virker sammen med de forskellige værktøjer, der understøtter standarden, og i dag understøttes den ikke kun af Claude, men også af OpenAI’s produkter og af Microsoft. Claude Agent SDK lader jer bygge agenter, der kører i jeres miljø og bruger de samme MCP-forbindelser.
OpenAI tilbyder Agents SDK, et bibliotek til at bygge agenter med værktøjer, overdragelser mellem agenter og guardrails, og det understøtter også MCP-forbindelser. ChatGPT Business og Enterprise har færdige integrationer til populære forretningsværktøjer, og i Microsoft-miljøet er OpenAI’s modeller tilgængelige via Azure og Copilot Studio.
Vores praktiske anbefaling: byg integrationer via MCP, uanset hvilken model I vælger først. På den måde kan I om et år skifte model uden at bygge integrationerne om. Hvordan vi gør det i praksis, er beskrevet på løsningssiderne om Claude og ChatGPT.
Hvornår man bruger begge
Efter vores erfaring er det mest almindelige slutresultat ikke ”enten–eller”. En typisk fordeling i en mellemstor virksomhed:
- Medarbejdernes daglige brug: ét værktøj med et erhvervsabonnement, så det er enklere at administrere og undervise i. Som regel det, flest allerede brugte.
- Dokumentanalyse og kontrakter i den juridiske afdeling og indkøbsafdelingen: Claude, på grund af nøjagtigheden i lange dokumenter.
- Dataanalyse og visualisering i økonomiafdelingen: ChatGPT, på grund af kodeudførelse og diagrammer.
- Procesautomatisering via API’et: den model, der giver de bedste resultater på den konkrete opgave i test, forbundet via MCP, så den kan skiftes.
- I et Microsoft 365-miljø: Copilot som tredje lag til e-mail og møder, fordi den kan se Microsoft-data.
Det er ikke ineffektivt. Modellerne forbedres i forskelligt tempo, og en virksomhed, der har begge, kan vælge efter opgave i stedet for efter, hvad den købte for et år siden.
Hvor I skal starte
Valget kræver ikke lang research. Det kræver nogle ugers struktureret test.
- Skriv 5–8 reelle opgaver fra forskellige afdelinger: gennemgang af en kontrakt, udarbejdelse af et tilbud, dataanalyse, svar til en kunde, forklaring af en intern procedure.
- Kør de samme opgaver med begge værktøjer ved hjælp af prøvekonti til erhvervsabonnementerne. Lad resultaterne vurdere af de mennesker, der udfører det arbejde hver dag.
- Bed samtidig begge udbydere om DPA og bekræftelser af dataophold i EU. Gælder NIS2- eller DORA-kravene for jeres virksomhed, er det en obligatorisk del.
- Beslut, hvilket værktøj der skal være det primære for medarbejderne, og forbyd private konti til arbejdsdata.
- Planlæg integrationer separat, via MCP, og kun for de opgaver, hvor testen viste en tydelig gevinst.
Hvis I vil have os til at tilrettelægge og vurdere testen, omfatter vores ydelse AI-løsninger til virksomheder valg af opgaver, test af begge værktøjer med jeres data, vurdering af udbydernes dokumenter og en anbefaling, som I kan begrunde over for ledelsen med resultater frem for reklamer.