# Sådan bygger du prospektlister med AI-agenter (uden at ødelægge dit domæne)

> Sådan bygger du prospektlister med AI-agenter – trin for trin. ICP, kontaktoplysninger, e-mailverificering, scoring samt juridiske risici og bouncerisici, du bør undgå.

Last updated: 2026-09-28T10:00:00

Canonical URL: https://crevio.co/da/blog/build-prospect-lists-with-ai-agents

*Senest opdateret: september 2026*

**Bed en AI-model om e-mailadresser på 50 prospekter, så vil cirka tre ud af fire fejle.** Det er hovedkonklusionen i [Hunters test af 13 AI-modeller og apps](https://hunter.io/blog/llms-get-email-data-wrong): 76 % af de outreach-adresser, modellerne selv genererede, var ugyldige. Hunter sælger e-maildata, så tag kilden med et gran salt, men mønsteret er nemt at tjekke selv: Bed en chatbot om et prospekts e-mailadresse, og kør den gennem en verifieringstjeneste. Den samme test viste, at modellens træfsikkerhed steg fra cirka 20 % til 78 %, når den kunne kalde et rigtigt værktøj til at finde e-mailadresser.

Det er hele pointen i denne guide. Du kan bygge prospektlister med AI-agenter, og det kan spare dig for flere timers arbejde hver uge, men kun når agenten står for research, sortering og administration, mens rigtige dataværktøjer leverer kontaktoplysningerne. Guiden er skrevet til stiftere og små B2B-teams, der selv arbejder med outbound og vil have en liste, der er præcis, lovlig og ikke ødelægger det domæne, de sender fra.

- **Agenten er researcher – ikke database.** Den læser virksomhedswebsites, anvender dine kriterier, udfylder regnearket og fjerner dubletter. Navne og e-mailadresser kommer fra en dataudbyder
- **Alle e-mails skal verificeres, før de sendes,** fordi B2B-kontaktdata bliver forældede med cirka [22,5 % om året](https://www.hubspot.com/database-decay), og Gmail begynder at filtrere afsendere, hvis deres spamrate når [0,3 %](https://support.google.com/a/answer/81126?hl=en)
- **Kold B2B-e-mail er lovlig i USA og Storbritannien, hvis du følger reglerne,** men scraping af LinkedIn er i strid med deres User Agreement, og en amerikansk domstol har håndhævet det
- **Start i det små:** 50 rækker, som du selv har gennemgået, er bedre end 5.000 rækker, ingen har tjekket

## Hvad laver en AI-agent egentlig, når den bygger en prospektliste?

At bygge prospektlister med AI er ikke én funktion. Det er en løkke af små, kedelige opgaver: Søg i en mappe, åbn et virksomhedswebsite, vurder om virksomheden passer, find ud af hvem der står for salget, indsæt resultatet i et regneark, og tjek det mod sidste måneds ark. Gør du det manuelt, tager hver række flere minutter. En AI-agent med en webbrowser og adgang til dine værktøjer kan køre den samme løkke uden at blive træt og gemmer et kildelink til hver beslutning, den træffer.

Det, den ikke skal gøre, er at *vide* ting. En sprogmodel har læst en stor del af internettet, så den producerer gerne et plausibelt navn og en plausibel e-mailadresse som `jane.miller@acme.com`. Nogle gange findes Jane, nogle gange stoppede hun i 2023, og nogle gange har hun aldrig eksisteret. Løsningen er strukturel – ikke en bedre prompt: Agenten må kun skrive kontaktoplysninger ned, som et værktøj har returneret, og den skal registrere hvilket værktøj.

![Matrix over de syv trin i arbejdet med prospektlister, der viser, hvilke trin AI-agenten, et dataværktøj eller en verifieringstjeneste står for, og hvilke du selv står for](https://crevio.co/vite/assets/prospect-list-pipeline-d2wv84vc.svg)

## Trin 1: Skriv et ICP-brief, som agenten kan kontrollere

Din ideal customer profile (ICP) er typisk en sætning som "B2B SaaS-virksomheder, der har brug for hjælp til onboarding." Det fungerer for en person, der kan bruge sin dømmekraft. En agent har brug for kriterier, den kan kontrollere på en webside, én række ad gangen. Skriv dit ICP-brief med tre dele:

- **Krav,** den kan verificere: branche, land, antal medarbejdere, et produkt eller værktøj, de bruger, samt en side, der skal findes (for eksempel en prisside eller karriereside)
- **Diskvalificerende forhold:** eksisterende kunder, konkurrenter, bureauer hvis du kun sælger direkte, samt virksomheder under den størrelse, du kan servicere
- **Ét tidssignal:** De ansætter til en rolle, du hjælper med, har netop fået en investeringsrunde, lanceret et nyt produkt eller slået en stilling op, hvor et værktøj, du erstatter, nævnes

Her er et brief, der fungerer:

> Find amerikanske og britiske softwarevirksomheder med 20-200 medarbejdere, som sælger til andre virksomheder, har en offentlig prisside og lige nu søger medarbejdere til en customer success- eller onboardingrolle. Udeluk bureauer og alle på den vedhæftede kundeliste. Registrér website, kilde til antal medarbejdere, URL til stillingsopslaget og én sætning om, hvorfor virksomheden passer.

Læg mærke til den sidste sætning. Når du beder om et kildelink og en begrundelse for hver række, kan du gennemgå listen på fem minutter i stedet for at stole blindt på den. Vores guide til [at give en AI-agent en vidensbase](/da/blog/ai-agent-knowledge-base) gennemgår, hvor et brief som dette bør ligge, så agenten læser det ved hver kørsel.

## Trin 2: Find virksomheder, der passer

Der er to måder at finde virksomheder på, og de bedste lister bruger begge.

**Databasefiltre** er hurtige og brede. [Apollo](https://www.apollo.io/) lader dig filtrere en database, som ifølge virksomheden dækker 240 millioner kontakter og 30 millioner virksomheder, efter branche, antal medarbejdere, placering, teknologi og ansættelsesaktivitet. Ulempen er, at alle konkurrenter, der filtrerer efter den samme køber, får de samme rækker, og de pågældende personer modtager allerede masser af kolde e-mails.

![Apollo-forsiden, en salgsplatform med en stor B2B-kontaktdatabase og en gratis plan](https://crevio.co/vite/assets/apollo-homepage-bqzxjdpf.png)

**Research på det aktuelle web** er der, hvor en agent for alvor viser sin værdi. Nichemarkeder, lokale virksomheder og alt, der afhænger af et tidssignal, er dårligt dækket af databaser. En agent kan gennemgå en brancheforenings medlemsfortegnelse, en konferenceliste over udstillere, en markedsplads' partnerside eller jobportaler, åbne hver virksomheds website og holde det op mod dit brief. Det tager længere tid pr. række end en databaseeksport, men rækkerne er som regel nyere og har været udsat for færre henvendelser.

En god metode er at hente et bredt første udvalg fra en database og derefter lade agenten besøge hver virksomheds website for at bekræfte kravene og finde tidssignalet. Rækker, der ikke består kontrollen, skal fjernes med en begrundelse – ikke bare forsvinde lydløst.

## Trin 3: Find de rigtige personer – ikke et gættet navn

Når du har virksomhederne, skal du finde personerne. Beslut først, hvilke roller du går efter: For de fleste mindre B2B-tilbud er det stifteren i virksomheder med under 30 medarbejdere og chefen for den relevante funktion i større virksomheder. To kontakter pr. virksomhed er rigeligt; ti får dig til at ligne spam.

Lad derefter agenten hente personerne fra et dataværktøj – aldrig fra sin egen hukommelse. [Hunter](https://hunter.io/) er den enkleste løsning her: Giv værktøjet et virksomhedsdomæne, så viser det de personer, som det har offentlige e-mailadresser på, med rolle, afdeling og anciennitet samt de sider, hvor hver adresse blev fundet. Den gratis plan omfatter 50 credits om måneden, hvilket er nok til at afprøve arbejdsgangen på en lille liste.

![Hunter-forsiden, en platform til at finde e-mailadresser og lave outreach med en gratis plan på 50 leads om måneden](https://crevio.co/vite/assets/hunter-homepage-fpbpr5ae.png)

Hvis dataværktøjet ikke har nogen for en virksomhed, er det rigtige svar "ikke fundet" – ikke et gæt. Skriv det tydeligt i dit brief til agenten. Det tager én linje og fjerner den værste fejlkilde på hele listen.

## Trin 4: Berig og verificer alle e-mailadresser

Berigelse udfylder hullerne: jobtitel, LinkedIn-profil, virksomhedsstørrelse, placering og teknologistak. Verificering besvarer ét spørgsmål: Kan denne adresse modtage e-mail? Det er to forskellige opgaver, og det er sådan, man ødelægger sit afsenderdomæne, hvis man springer den anden over.

### Berigelse med en waterfall

Ingen enkelt udbyder har alle. [Clay](https://www.clay.com/) er bygget til netop dette problem: Det er et regneark, hvor hver kolonne kan kalde en anden datakilde, og en "waterfall" prøver den ene udbyder efter den anden, indtil en af dem returnerer et match. Clay oplyser, at tjenesten har forbindelse til over 150 udbydere. Der findes en gratis plan med 100 datacredits om måneden samt betalingsplaner fra 167 USD om måneden ifølge deres [prisside](https://www.clay.com/pricing). For et lille team er selve waterfall-idéen det nyttige – også selvom du kun kører den med to værktøjer i stedet for 20.

![Clay-forsiden, en platform til databerigelse, der kører waterfall-opslag på tværs af mange dataudbydere](https://crevio.co/vite/assets/clay-homepage-c0389j14.png)

### Verificering er ikke valgfrit

En verifieringstjeneste opretter forbindelse til modtagerens mailserver og tjekker, om postkassen findes, uden at sende noget. [ZeroBounce](https://www.zerobounce.net/) er en af de etablerede muligheder: 100 gratis tjek om måneden, og pay-as-you-go starter ved 39 USD for 2.000 adresser ifølge deres [prisside](https://www.zerobounce.net/email-validation-pricing). Hunter og Apollo inkluderer også verificering i deres planer.

![ZeroBounce-forsiden, en e-mailverificeringstjeneste med en gratis e-mailverifiering](https://crevio.co/vite/assets/zerobounce-homepage-ben7pdey.png)

Verifieringstjenester returnerer mere end ja eller nej. Her er de statusser, du vil se, og hvad du skal gøre med hver af dem:

| Status | Hvad det betyder | Hvad du skal gøre |
|--------|------------------|-------------------|
| Gyldig | Postkassen findes og modtager e-mail | Send i små batches |
| Ugyldig | Postkassen findes ikke | Slet rækken |
| Catch-all (accept-all) | Serveren accepterer alt, så kontrollen er uafklaret | Vent, eller send en meget lille testbatch |
| Ukendt | Serveren svarede ikke | Tjek igen om en dag – send aldrig uden at vide det |
| Engangsadresse eller rolleadresse (info@, sales@) | Det er ikke en person | Fjern ved cold outreach |

Sæt datoen for verificeringen i sin egen kolonne. En adresse, der var gyldig i marts, er et gæt i september.

![Fire niveauer for tillid til kontaktdata, fra en gættet e-mail i modellens hukommelse til en adresse, som en verifieringstjeneste bekræftede i denne uge, hvor kun det øverste niveau er sikkert at sende til](https://crevio.co/vite/assets/contact-data-trust-ladder-cgmbmm6d.svg)

## Trin 5: Fjern dubletter i forhold til alt, du allerede ved

Dubletter er årsagen til, at du ender med at sende e-mail til den samme person tre gange fra to værktøjer eller med at pitche til en eksisterende kunde. Matchningen er kedelig for et menneske og perfekt til en agent. Lad den matche på tre nøgler i denne rækkefølge:

1. **E-mailadresse,** skrevet med små bogstaver
2. **Virksomhedsdomæne,** renset for `www.` og landespecifikke varianter
3. **Fulde navn og domæne,** for rækker hvor e-mailadressen stadig mangler

Tjek derefter den nye liste mod fire kilder: dine eksisterende kunder, dit CRM eller tidligere prospektlister, alle du har skrevet til inden for de seneste 90 dage samt dine lister over frameldinger og bounces. Den sidste er vigtig af juridiske årsager – ikke kun af høflighed. En person, der har frameldt sig, skal forblive frameldt, uanset hvilket værktøj du bruger næste gang.

## Trin 6: Giv point og prioritér, før du sender

Du sender sjældent til hele listen på én gang, så prioritér den. Hold scoringen så enkel, at du kan forklare hver eneste score:

| Signal | Point |
|--------|-------|
| Opfylder alle krav i briefet | 3 |
| Tidssignal fundet inden for de seneste 30 dage (stillingsopslag, investering, lancering) | 3 |
| Kontakten er beslutningstager og ikke blot influencer | 2 |
| E-mailen er verificeret som gyldig i denne uge | 2 |
| Catch-all eller ikke-verificeret e-mail | minus 3 |

Alt, der scorer 8 eller mere, kommer med i den første batch. Bed agenten skrive begrundelsen for hver score i en kolonne ved siden af. Når der kommer et svar, kan du se, hvilke signaler der faktisk forudsagde interesse, og justere vægtningen efter nogle uger.

## Trin 7: Overdrag listen til outreach

Det er ved overdragelsen, at en god liste enten bliver spildt eller skaber resultater. Følg fire regler:

- **Send fra et separat domæne,** for eksempel `getyourbrand.com` i stedet for `yourbrand.com`, så en kold kampagne, der går galt, ikke påvirker leveringen af dine fakturaer og kvitteringer
- **Start med 20-50 e-mails om dagen pr. postkasse,** og hold øje med bounces og svar i en uge, før du sender flere
- **Skriv den første linje ud fra rækkens tidssignal.** "Jeg så, at I søger jeres første onboardingansvarlige" er bedre end enhver skabelon
- **Gennemgå selv den første batch,** række for række, før noget bliver sendt

De fleste guides om leveringsdygtighed placerer faregrænsen ved omkring [2 % hårde bounces](https://www.smartlead.ai/blog/how-to-reduce-email-bounce-rates-for-cold-outreach). Ligger du over det, skal du sætte udsendelsen på pause, finde ud af hvilken kilde de dårlige rækker kom fra og løse problemet, før du sender flere e-mails.

## Problemerne, ingen viser i demoen

Alle AI-demoer af prospektering viser et regneark, der udfylder sig selv. Ingen viser den følgende måned. Det er her, tingene går galt.

### Opdigtede personer og e-mailadresser

Det har vi været inde på, men det er værd at gentage, fordi det er den fejl, der gør mest skade. En model uden adgang til værktøjer udfylder hver række selvsikkert. Selv en model med adgang til værktøjer kan skjule et mislykket opslag bag et gæt, hvis du lader den gøre det. Brug to sikkerhedsforanstaltninger: Kræv en kildekolonne for alle kontaktoplysninger, og stikprøvekontrollér fem tilfældige rækker ved at åbne kildelinket. Hvis én ud af fem er forkert, er hele listen mistænkelig.

### Hvor friske er dataene?

Folk skifter job hele tiden. HubSpots [simulering af databaseforældelse](https://www.hubspot.com/database-decay), som bygger på research fra MarketingSherpa, anslår, at B2B-kontaktdata forældes med cirka 2,1 % om måneden eller 22,5 % om året. En liste, du byggede i januar, er cirka en femtedel forkert i december. Se en prospektliste som et øjebliksbillede, verificér den igen før hver kampagne, og byg en ny liste i stedet for at genbruge den efter cirka tre måneder.

### Lovlighed: CAN-SPAM, GDPR og LinkedIn

Dette er ikke juridisk rådgivning, men her går grænserne.

- **USA.** [CAN-SPAM Act](https://www.ftc.gov/business-guidance/resources/can-spam-act-compliance-guide-business) tillader kommercielle cold e-mails, herunder B2B, som ikke er undtaget. Du skal bruge en korrekt afsender og emnelinje, oplyse en fysisk postadresse og have en fungerende frameldingsmulighed, som respekteres inden for 10 hverdage. FTC angiver bøder på op til 53.088 USD pr. overtrædende e-mail
- **Storbritannien og EU.** E-mails til en persons arbejdsadresse baserer sig generelt på "legitimate interests" under GDPR. Det betyder, at e-mailen skal være relevant for personens job, at du skal fortælle, hvor du har deres data fra, og at du skal stoppe på anmodning. Den britiske [ICO-vejledning om B2B-markedsføring](https://ico.org.uk/for-organisations/direct-marketing-and-privacy-and-electronic-communications/business-to-business-marketing/) bemærker, at enkeltmandsvirksomheder og visse partnerskaber regnes som enkeltpersoner, så de kræver samtykke. EU-landene har desuden deres egne regler, og nogle, såsom Tyskland, er langt strengere over for uopfordrede e-mails. Tjek reglerne i hvert land, du målretter mod
- **LinkedIn.** Afsnit 8.2 i LinkedIns [User Agreement](https://www.linkedin.com/legal/user-agreement) forbyder brug af software, bots eller browserplugins til at scrape eller kopiere profiler. Det er ikke bare en teoretisk regel: I den langvarige sag om hiQ Labs fandt en domstol, at hiQ [overtrådte LinkedIns User Agreement](https://newmedialaw.proskauer.com/2022/11/11/court-finds-hiq-breached-linkedins-terms-prohibiting-scraping-but-in-mixed-ruling-declines-to-grant-summary-judgment-to-either-party-as-to-certain-key-issues/) gennem scraping og falske profiler, og sagen endte med en [dom på 500.000 USD mod hiQ](https://www.proskauer.com/blog/hiq-and-linkedin-reach-proposed-settlement-in-landmark-scraping-case). En agent med en browser kan teknisk set scrolle på LinkedIn. Lad den ikke gøre det. I bedste fald bliver din konto begrænset; i værste fald er det dig, der bliver den næste sag

![Afsnit 8.2 i LinkedIns User Agreement, som forbyder brug af software, bots, crawlers eller browserplugins til at scrape eller kopiere profiler](https://crevio.co/vite/assets/linkedin-user-agreement-n59kvjek.png)

### Bouncerater og afsenderomdømme

Gmails [retningslinjer for afsendere](https://support.google.com/a/answer/81126?hl=en) beder alle afsendere holde spamklager under 0,3 % og anbefaler at ligge under 0,1 %. Hvis du sender mindst 5.000 meddelelser om dagen til Gmail-adresser, skal du også have SPF, DKIM, DMARC og en framelding med ét klik. En dårlig liste gør dobbelt skade: Bounces fortæller mailudbyderne, at du ikke ved, hvem du skriver til, og irrelevante e-mails bliver markeret som spam. Begge dele påvirker, hvor din *næste* e-mail lander – også e-mails til betalende kunder, hvis du sender fra det samme domæne.

## AI-værktøjer til prospektering sammenlignet

| Værktøj | Bedst til | Gratis plan | Betalt fra |
|------|----------|-----------|-----------|
| [Apollo](https://www.apollo.io/pricing) | Bred databasesøgning samt indbyggede sekvenser | Ja | Cirka 49 USD pr. bruger om måneden, faktureret årligt |
| [Clay](https://www.clay.com/pricing) | Waterfall-berigelse på tværs af mange udbydere | 100 datacredits om måneden | 167 USD om måneden |
| [Hunter](https://hunter.io/pricing) | At finde og verificere e-mailadresser ud fra virksomhedsdomæne | 50 credits om måneden | 34 USD om måneden, faktureret årligt |
| [ZeroBounce](https://www.zerobounce.net/email-validation-pricing) | Verificering af en færdig liste | 100 tjek om måneden | 39 USD for 2.000 tjek |
| En generel AI-agent | Research, kriteriekontrol, regneark, fjernelse af dubletter og planlægning | Varierer | Varierer |

Priser ændrer sig ofte, så tjek hver side, før du køber. Ingen af værktøjerne erstatter de andre. Den almindelige opsætning er én kontaktkilde, én verifieringstjeneste og noget – en person eller en agent – der står for research og administration imellem dem.

## Sådan bygger du en prospektliste med Crevios AI-agent

![Crevios forside, en AI-forretningsbygger, hvor du beskriver, hvad du vil have, og AI'en bygger og driver det](https://crevio.co/vite/assets/crevio-homepage-gabwec82.png)

[Crevio](https://crevio.co/) er en AI-forretningsbygger: en AI-agent, der udfører det daglige arbejde i din virksomhed sammen med dig. Når det gælder opbygning af prospektlister, er det dette, den kan og ikke kan i dag:

- **Researche på nettet.** Den kan søge på nettet og bruge en rigtig browser til at åbne virksomhedswebsites, fortegnelser og jobportaler og gemme et link til hver række
- **Selv finde, verificere og berige kontakter.** Agenten har indbyggede lead-værktøjer, så du behøver ikke et ekstra abonnement. Den kan finde virksomheder efter branche, placering, antal medarbejdere og teknologi; vise personer på et virksomhedsdomæne filtreret efter afdeling og anciennitet; finde en navngiven persons arbejdsmail; verificere en adresse; og berige en person eller virksomhed med rolle, størrelse og andre offentligt tilgængelige oplysninger. Hvert opslag koster 2 AI-credits
- **Bruge de værktøjer, du allerede betaler for.** Crevio kan forbindes med over 3.000 apps. Hvis din dataudbyder eller verifieringstjeneste findes i kataloget, kan du forbinde den, så agenten kan kalde den sammen med de indbyggede opslag. Som standard beder forbundne apps om din godkendelse, før agenten ændrer noget i dem
- **Holde listen i et regneark.** Agenten kan selv oprette og opdatere regneark på sin egen computer, og du kan importere prospekter til Crevio som kunder fra en CSV-fil
- **Skrive outreach.** Den har en indbygget [cold email-funktion](/da/blog/ai-agent-skills) til åbningslinjer og opfølgningssekvenser, skrevet som en kollega snarere end en leverandør
- **Opdatere listen efter en tidsplan.** En [gentagen opgave](/da/blog/schedule-recurring-ai-agent-tasks) kan tjekke dine kriterier hver mandag og tilføje nye match

Og de ærlige begrænsninger:

- **Der findes endnu ingen dedikeret funktion til at bygge lister.** Det er dig, der skal skrive ICP-briefet, reglen om kildelinks og reglen om, at "ikke fundet er bedre end et gæt", ind i opgaven
- **De indbyggede opslag er kun så gode som de offentlige data.** De returnerer det, de kan finde om en virksomhed eller person, og "ikke fundet" er et almindeligt og korrekt svar for små virksomheder. Et opslag er heller ikke grønt lys: Lad agenten køre en verifiering på alle adresser den dag, du sender, og hold alt tilbage, der returnerer catch-all eller ukendt
- **Den tjekker ikke, om du har lov til at sende e-mail til en person.** Crevios e-mailkampagner tilføjer frameldingslinks og springer adresser over, der har hard bounced, markeret dig som spam eller frameldt sig, men der er ingen samtykkekontrol for kolde lister. Den juridiske beslutning er din
- **Nye opgaver kører som standard i Autonomous,** hvilket betyder, at ændringer – herunder afsendelse af e-mail – gennemføres uden at spørge. Skift en prospekteringsopgave til Supervised, så du kan [godkende hver batch](/da/blog/human-in-the-loop-ai-agents), og vær opmærksom på, at en tilbagevendende Supervised-opgave automatisk skifter til Autonomous efter 15 godkendte kørsler i træk
- **Opslag og research bruger AI-credits.** Med 2 credits pr. opslag dækker den gratis Starter-plan med 20 AI-credits om måneden cirka ti opslag, før browsing eller tekstforfatning tæller med, så se Starter som en måde at afprøve arbejdsgangen på. En ugentlig liste med 50 verificerede kontakter kræver et find-opslag og en verificering pr. person – cirka 200 credits – hvilket passer til en betalingsplan

## Ofte stillede spørgsmål

### Kan AI bygge en B2B-prospektliste for mig?

Ja, hvis den har værktøjer. En AI-agent kan søge på nettet, kontrollere virksomheder mod dine kriterier, hente kontakter fra en dataudbyder, verificere e-mails, fjerne dubletter og prioritere resultatet i et regneark. Uden et dataværktøj vil en model opfinde plausible, men forkerte kontakter, så brug aldrig adresser, den har genereret fra hukommelsen.

### Er det lovligt at sende e-mail til en prospektliste, der er bygget med AI?

I USA er kold B2B-e-mail lovlig under CAN-SPAM, hvis du bruger korrekte headers, inkluderer en postadresse og respekterer frameldinger inden for 10 hverdage. I Storbritannien og EU baserer det sig normalt på legitimate interests og skal være relevant for personens job, med yderligere regler i de enkelte lande. Det har også betydning, hvordan listen blev bygget: Scraping af LinkedIn er i strid med deres User Agreement.

### Hvor mange prospekter bør min første liste indeholde?

Start med 50-100 verificerede kontakter i virksomheder, der opfylder alle krav. Det er nok til at lære, hvilke signaler der giver svar, lille nok til at gennemgå manuelt og en lav risiko for dit afsenderdomæne. Skaler først efter en uge med en bouncerate under 2 % og nogle svar.

### Hvad er bedst til prospektering – Apollo eller Clay?

De løser forskellige opgaver. Apollo er en kontaktdatabase med indbygget outreach og er god til en hurtig, bred første liste. Clay er et arbejdsområde til berigelse, der kombinerer mange udbydere og er godt til at udfylde huller og opbygge tilpassede researchkolonner. Mange teams bruger Apollo til at finde kontakter og Clay til at berige dem.

## Konklusionen

Det fungerer at bygge prospektlister med AI-agenter, når du fordeler opgaven rigtigt: Dataværktøjerne leverer fakta, agenten udfører benarbejdet, og du ejer kriterierne og send-knappen. Fordeler du opgaven forkert, får du et flot regneark med personer, der ikke findes. Den bedste prospektliste er ikke den største. Det er den, hvor hver række kan fortælle dig, hvor den stammer fra.

## Relaterede blogindlæg

- [AI-agenter til marketing: Hvad du kan overlade til dem, og hvor de fejler](/da/blog/ai-agents-for-marketing)
- [AI-agenter med mennesket i loopet: Hvad du skal godkende, og hvad du kan lade køre](/da/blog/human-in-the-loop-ai-agents)
- [Sådan planlægger du tilbagevendende AI-agentopgaver, der kører uden dig](/da/blog/schedule-recurring-ai-agent-tasks)