Eksempler: GPT'er forbundet til CRM, kalender og database
På denne side
Status pr. 5. november 2026: GPT’er er i deres sidste uger. OpenAI udfaser tilpassede GPT’er den 11. december 2026 (11. februar 2027 for visse Enterprise-workspaces med undtagelse). Personlige konti samt Free-, Go-, Plus- og Pro-konti kan ikke længere oprette eller offentliggøre nye GPT’er; i Business-, Enterprise- og Edu-workspaces afhænger oprettelsen af indstillingerne, og den ophørte den 26. oktober 2026 i de berørte Enterprise-workspaces. Eksisterende GPT’er forbliver brugbare og redigerbare, hvis din plan tillader det indtil udfasningen; dine samtaler med dem vil forblive tilgængelige bagefter. Migrationen (Migrate to plugin, i Mine GPT’er) konverterer instrukser til en færdighed, vidensbasen til referencefiler og forbundne applikationer til apps; tilpassede handlinger overføres ikke. Denne lektion forklarer, hvordan GPT’er fungerer, så du kan vedligeholde dem, migrere dem og tilpasse deres principper til et plugin (lektion 15–17).
Fra teori til praksis
Du ved nu, hvad en handling er, og hvordan du sikrer dens godkendelse. Det er tid til at se, hvordan en forbundet GPT ser ud uden for laboratoriet. Denne lektion nedbryder tre eksempler fra virkeligheden – en CRM, en kalender og en database – og beskriver det oprindelige behov, den valgte konfiguration og hvad brugeren får i hverdagen. Du vil se, at ud over forskelle i værktøjer følger alle tre opsætninger de samme designprincipper, som vi vil skitsere i slutningen af lektionen.
Tilfælde 1: Forespørgsel i din CRM på naturligt sprog (HubSpot)
Forestil dig en salgsdirektør, der tilbringer dagene med at hoppe mellem møder. Hver gang de vil tjekke status på en mulighed, skal de åbne HubSpot, navigere i filtre og finde det rigtige overblik. Deres behov er enkelt: stille spørgsmål, som de ville gøre til en menneskelig assistent, og få et svar uden at forlade chatten.
Konfigurationen er bevidst minimal: OpenAPI-skemaet eksponerer kun tre endpoints – GET /contacts til at søge efter kontakter efter navn, virksomhed eller status; GET /deals til at liste muligheder med filtre (beløb, fase, dato); og POST /notes til at tilføje en note til en kontakt. Godkendelsen stole på adgangstokenet fra en privat HubSpot-app, sendt som et Bearer-token, med rettigheder begrænset til læsning og tilføjelse af noter. Dette valg er ikke vilkårligt: selv hvis en ondsindet bruger manipulerede GPT’en, kunne den ikke ændre en deal eller ændre kontaktoplysninger, fordi API’et selv forbyder det. GPT’ens instrukser låser omfanget en anden gang: de specificerer, at det er en salgsassistent forbundet til HubSpot CRM, at den skal bruge API’et, når der bliver spurgt om en kontakt eller mulighed, at den skal omskrive enhver note og bede om bekræftelse, før den tilføjer den, og at den aldrig må ændre en deals status eller kontaktoplysninger.
I praksis ændrer resultatet salgsdirektørens daglige rutine. De taster “Hvad er mine deals under forhandling over 50.000 €?” og får en formateret liste. De spørger “Vis mig kontakter fra virksomheden Durand & Fils” eller dikterer “Tilføj en note til kontakt Marie Leroy: opkald den 15. marts, interesseret i Premium-tilbuddet” – GPT’en omskriver, venter på grønt lys og skriver derefter til HubSpot.
Tilfælde 2: Administrering af en kalender via chat (Google Kalender)
Andet scenarie: en executive assistant jonglerer med deres managers agenda, håndterer oprettelse af møder, planlægning i sidste øjeblik og tjek af tilgængelighed. Her er skrivning, i modsætning til CRM’en, central for behovet – du skal kunne oprette, flytte og annullere begivenheder. OpenAPI-skemaet dækker derfor fire endpoints: GET /events til at liste begivenheder for en periode, POST /events til at oprette en begivenhed, PUT /events/{id} til at ændre en eksisterende begivenhed og DELETE /events/{id} til at annullere en.
Da GPT’en rører ved personlige Google-data, bruger godkendelsen OAuth 2.0 med kun scope’et calendar.events: GPT’en kan læse og skrive begivenheder, men kan ikke røre ved kalenderindstillinger. Jo større skrivekraft, desto vigtigere bliver instruks-beskyttelsesforanstaltningerne. Disse kræver, at GPT’en opsummerer enhver oprettelse eller ændring og beder om bekræftelse, før den handler, kræver dobbelt bekræftelse før enhver sletning og instruerer den i systematisk at tjekke for planlægningskonflikter, før den foreslår en tid.
I praksis spørger assistenten “Hvad har jeg i morgen eftermiddag?”, “Planlæg et møde med marketingteamet tirsdag kl. 14.00 i 1 time” eller “Flyt check-in med Pierre fra kl. 10.00 til kl. 11.00.” GPT’en tjekker tilgængelighed, annoncerer, hvad den er ved at gøre, og udfører først efter validering. Friktionen ved bekræftelse er den beskedne pris for en agenda, der aldrig bliver ødelagt af en misforståelse.
Tilfælde 3: Udforskning af en feedback-database (Airtable)
Tredje tilfælde: et produktteam centraliserer billetter og kundefeedback i Airtable, men ikke alle mestrer filtersyntaks. I stedet for at træne alle i værktøjet, sætter teamet databasen i samtale. To endpoints er nok: GET /records til at liste poster med filtre og sortering og POST /records til at oprette en ny post. Godkendelsen bruger et personligt Airtable-access-token, sendt som et Bearer-token, med adgang begrænset til kun basen “Product Feedback” – andre baser i workspace’et forbliver usynlige.
Instrukserne giver GPT’en rollen som produktassistent forbundet til feedback-databasen, fortæller den, at den skal forespørge basen med passende filtre, når et spørgsmål vedrører kundefeedback, og håndhæver et svarformat: en tabel med kolonner for dato, klient, kategori og resumé. Vigtigst af alt sætter de en klar grænse: GPT’en kan oprette nye billetter, men aldrig ændre eller slette eksisterende. Ethvert teammedlem kan derefter spørge “Hvor mange bugs blev rapporteret denne måned?”, “Hvad er de seneste feedback-items om faktureringsfunktionen?” eller diktere “Opret en billet: visningsfejl på betalingssiden, rapporteret af klient Dupont den 28. marts.”
Hvad disse tre tilfælde har til fælles
Ser man tilbage, løber tre mønstre gennem disse forskellige opsætninger. Det første er guldreglen for forbundne GPT’er: fri læsning, kontrolleret skrivning. Alle tre GPT’er konsulterer deres data uden friktion, men ingen skriver uden eksplicit brugerbekræftelse. Det andet mønster vedrører instrukser: en GPT gætter ikke, hvornår den skal udløse en handling. I alle tre tilfælde angiver instrukserne eksplicit “når brugeren beder om X, brug handling Y” – uden denne direktiv risikerer modellen at svare ud fra hukommelsen i stedet for at forespørge kilden. Det tredje mønster er omfangsbeskedenhed: ingen af de tre GPT’er eksponerer hele deres værktøjs API. Kun to til fire endpoints, valgt til brugstilfældet, ikke mere.
For at tilpasse denne tilgang til dine egne behov skal du følge den opbygningsrækkefølge, som disse tre eksempler illustrerer:
- Identificer et værktøj, du bruger dagligt, som har et API, og definer to eller tre konkrete brugstilfælde – de spørgsmål, du stiller oftest
- Opret et minimalt OpenAPI-skema med kun de nødvendige endpoints
- Konfigurer den passende godkendelse (API-nøgle eller OAuth)
- Tilføj beskyttelsesforanstaltninger i instrukserne for alle skriveoperationer
- Test med rigtige forespørgsler, før du åbner adgang for andre
Et ord om faldgruber observeret hos begynder-skabere. Den hyppigste er at forbinde et API “bare for en sikkerheds skyld” uden et specifikt brugstilfælde: du ender med en GPT, der teoretisk kan gøre alt, men ingenting godt i praksis. Den farligste er at tillade skrivning uden bekræftelse – en GPT, der opretter eller ændrer data uden validering, kan forårsage reel skade i en CRM eller en delt kalender. Overvej også API-fejl: hvis tjenesten ikke er tilgængelig eller returnerer en fejl, skal din GPT vide, hvad den skal fortælle brugeren i stedet for at opfinde et svar. Modstå endelig fristelsen til at eksponere for mange endpoints: hver enkelt forbruger kontekst, og ud over fem forringes GPT’ens præcision.
Din tur
Handling eller app? For et af de tre tilfælde, eller for et værktøj i din virksomhed, skal du først søge i ChatGPT Plugins-kataloget for at se, om der allerede findes en app til den pågældende tjeneste. Hvis ja, så noter, hvad den tillader, og hvad der mangler; hvis ikke, så udkast en handlingsplan: skemaoperationer, godkendelsestilstand, minimale rettigheder og beskyttelsesforanstaltninger i instrukserne. Behold denne plan: det er fundamentet for en plugin-integration, da handlinger ikke migreres.
Officielle kilder: Configuring actions in GPTs (OpenAI Help Center: godkendelse, OpenAPI-skema, test, grænser) · Plugins in ChatGPT (katalog og apps) · Authentication (Airtable: access tokens) · Private apps (HubSpot: access token)
Vigtige pointer
- GPT’er forbundet til rigtige værktøjer (CRM, kalender, database) løser konkrete hverdagsproblemer
- Anvend guldreglen “fri læsning, kontrolleret skrivning”: bekræft altid før ændring
- Nævn eksplicit handlinger i instrukserne, så GPT’en ved, hvornår den skal udløse dem
- Begræns endpoints til det strengt nødvendige (2 til 5) og planlæg håndtering af API-fejl
- Start simpelt – ét værktøj, to endpoints – og berig gradvist