Du behøver ikke Office 365 til et maskinværksteds kontor

Jeg havde mit eget maskinværksted engang. Nu er jeg værkfører hos Ravnsgaard Metal i Randers. Produktion bruger stadig rigtige penge på maskiner, værktøj, CAM, ERP-pladser og strøm. Kontorsiden er enklere — Word, Excel, PowerPoint, et delt drev, backup. Alligevel betaler mange værksteder stadig per bruger for Microsoft 365 Business fordi det er standarden.

Jeg er ikke imod at betale for software når I bruger den. Jeg er imod at betale for en pakke hvor det meste bare står ubrugt.

Hvad et produktionskontor faktisk har brug for

Skær det ned og listen er kort:

• Word, Excel, PowerPoint — eller noget der åbner de samme filer uden at ødelægge dem
• En netværksmappe alle kan nå (\\server\share eller tilsvarende)
• Backup der testes, ikke bare konfigureres én gang
• Email — ofte hostet et andet sted alligevel

Det de fleste små værksteder ikke har brug for som centrum for IT:

• Teams som virksomhedens nervesystem
• SharePoint-workflows og Planner-boards
• OneDrive-sync på hver laptop
• Resten af M365-samarbejdsstakken der følger med hver plads

Salg bruger måske Outlook meget. Produktion logger måske aldrig ind i Teams. Admin lever i Excel. Engineering har tegninger på serveren. At betale per bruger for software halvdelen af firmaet ignorerer er et stille læk.

En rigtig regning: 30 M365-pladser og 20 ChatGPT-konti

Forestil en mellemstor producent — 30 personer med Microsoft 365 Business Basic, 20 af dem med ChatGPT Plus fordi salg, engineering og admin alle fandt en brug for det. Ikke usædvanligt. Ikke ekstravagant.

Hvad de betaler i dag (EUR, årlig fakturering):

Det er €628 hver måned, løbende, før nogen køber Copilot, ekstra lagerplads eller en konsulent til at sætte SharePoint op. Microsoft hæver Business Basic til €6,53/md. fra juli 2026 — samme værksted bliver €7.768/år kun på kontor.

ChatGPT Business (team-planen) koster omkring €20/bruger/md. på årlig fakturering i USA; i EU køber mange værksteder bare Plus individuelt fordi det er enklere. Uanset hvad: tyve AI-pladser er fire til fem tusind euro om året.

Hvad self-hosted koster til samme jobs:

Ikke nul. Du bytter abonnementer mod hardware og nogens tid. Men hardwaren er din, og abonnementerne stopper.

Løbende (efter år ét):

I har stadig brug for en person der opdaterer serveren og tester backup — måske et par timer om måneden hvis nogen internt kan det, eller en lokal IT-konsulent hvis ikke. Det er en reel omkostning, men det er ikke €7.500 låst fast for evigt.

Fem-års sammenligning:

Omtrent €29.000 over fem år — mest for cloud-AI og kontorpakker en masse medarbejdere knap rører.

Trade-off'en er ærlig: lokale LLM'er er ikke GPT-5 på hvert svært spørgsmål. LibreOffice kvæler indimellem på en kompleks Excel-makro. Du ejer problemet når serverblæseren dør kl. 02. Men til email-udkast, opsummeringer, formelhjælp, delte filer og backup — hvad de fleste af de 50 abonnementer faktisk bruges til — betaler I en præmie for bekvemmelighed og top-AI, ikke fordi den billigere vej ikke findes.

En stak der dækker det grundlæggende

Det er ikke én opskrift — værksteder er forskellige. Men menuen er kendt og mest gratis:

Det er ikke eksotisk. En brugt PC, en UPS, nogen der tjekker backup månedligt — så er I det meste af vejen. Scenariet ovenfor mapper direkte på den menu — samme bokse, samme software, rigtige tal.

Når Office 365 stadig giver mening

Jeg sælger ikke en ideologi. Microsoft 365 er det rigtige valg når:

• Hele firmaet faktisk lever i Teams og Outlook-kalenderen
• I co-redigerer dokumenter med kunder på SharePoint hele dagen
• Ingen internt vil røre opdateringer eller backup
• En kunde eller revisor kræver Microsoft-økosystemet
• Salg og rejsende medarbejdere har brug for problemfri mobil-sync uden VPN

Hvis det er jeres værksted, betal for pakken og brug den. Hvis ikke, betaler I sandsynligvis for meget for standardvalget.

Hvad produktion faktisk bruger ChatGPT til

Jeg har set det sprede sig på kontorer og værkstedsgulve — hos Ravnsgaard og andre steder. Det er sjældent "erstat ingeniøren". Det er mest tekstarbejde folk allerede gjorde langsomt.

Kontor og admin

• Polere emails — især engelsk til eksportkunder
• Opsummere lange PDF'er: tilbudspakker, standardsnippets, kundespecifikationer
• Excel-formelhjælp, hurtig scripting når nogen husker at VBA findes
• Udkast til jobopslag, SOP-outlines, sikkerhedsmeddelelser

Engineering og produktion (let berøring)

• "Forklar denne tolerancestak" på grundniveau
• Sammenlign materialer på almindeligt sprog før I graver i håndbogen
• Gør punktopstillinger til første udkast af arbejdsinstruktioner
• Oversæt tegningsnoter eller kundekorrespondance

Hvor det går galt

• Alt der kræver værkstedsspecifik dømmekraft — samme som ethvert AI-værktøj
• Upload af kundetegninger, varenumre, priser, RFQ'er — de data forlader bygningen
• At behandle output som gospel for tolerancer, materialecertifikater eller compliance

Det meste er teksttransformation. Præcis det en mindre lokal model kan håndtere hvis I accepterer at den er dårligere end GPT-4 på svær reasoning.

Self-hosted LLM — kan lade sig gøre, med åbne øjne

I behøver ikke OpenAIs servere til at udkaste en intern email. I behøver en ekstra maskine, en model-runner og et web-UI medarbejderne faktisk kan åbne i browseren.

En praktisk vej på et værksteds LAN:

• Ollama — enkleste måde at køre modeller lokalt
• Open WebUI — browser-chat, multi-user, historik bliver på jeres server
• Jeres eksisterende SMB-share eller Nextcloud til filer folk måske vil opsummere

Hardware-virkelighed:

• 16 GB RAM — små modeller (7B–8B) til udkast og opsummeringer. Fint til email-polish, ikke magi.
• 32 GB RAM eller GPU — mærkbart bedre svar, stadig ikke ChatGPT på de hårdeste spørgsmål
• En ti år gammel kontor-PC — sandsynligvis ikke værd at bruge tid på. En brugt workstation med ordentlig CPU og RAM er.

Hvad lokal LLM er god nok til: email-udkast, interne opsummeringer, formelhints, groft SOP-tekst, "forklar dette afsnit".

Hvad I skal forvente: dårligere end de bedste cloud-modeller på kompleks reasoning. Fint til "send ikke kundedata til OpenAI".

Sikkerhedsnote: lokalt betyder ikke air-gapped som standard. Lås WebUI ned. Eksponér den ikke mod internettet uden auth og VPN. Samme regler som ethvert internt værktøj — jeres ERP, filserver, QC-database.

Der er også forskel på at jeg bruger Cursor på mit code repo — hvor jeg styrer hvad der er i context og læser hver diff — og at hele kontoret indsætter kunde-RFQ'er i et offentligt chat-vindue. Forskellig risikoprofil. Forskelligt værktøj.

Bottom line

Produktionskontorer er et dårligt match til standard SaaS-pakker. Match værktøjet til jobbet: dokumenter, delt drev, backup. Betal for cloud-samarbejde når I faktisk bruger det.

Lokal LLM følger samme logik. Hold følsomme data in-house når opgaven er simpel nok til at en lokal model kan klare den. Gem cloud til når I har brug for det og dataene ikke ejes af kunden.

Kontorstakken er det nemme sted at stoppe med at betale for meget. Maskinerne blev aldrig gratis. Regnearkene behøver heller ikke være dyre.