n8n, Make eller GPTPro: hvilket værktøj skal drive din AI-agent?
«AI-agent» dækker over to helt forskellige værktøjsfamilier: automatiseringsplatforme som n8n og Make, og multi-model samtale-agenter som GPTPro. Her får du en ærlig sammenligning, sag for sag.
1. To familier af værktøjer, to forskellige problemer
Udtrykket «AI-agent» flyder overalt, men det dækker over meget forskellige ting afhængigt af værktøjet. Før du sammenligner n8n, Make og GPTPro, skal den grundlæggende forskel være på plads.
n8n og Make er automatiseringsplatforme. Her bygger du workflows: en trigger, en række trin, en række handlinger. Disse scenarier kører selv, i baggrunden, uden at du skal røre dem. AI er blot en byggeklods blandt andre: en node kalder en sprogmodel midt i en kæde, der læser en mailboks, skriver i et CRM-system og poster i Slack. Det, deres communities kalder et «AI-agent framework», er netop den slags workflows, udvidet med en LLM og nogle værktøjer.
GPTPro hører til den anden familie: samtale-agenten. Du sætter en agent op (rolle, instruktioner, dokumenter, model) og arbejder med den, når du har brug for det. Skrive, analysere, svare, forberede. Ingen server at holde kørende, intet scenarie at koble sammen. Bare en grænseflade og et valg af model. At sammenligne de to familier én til én er som at sammenligne en ovn og en kniv: begge bruges i køkkenet, men ikke til samme opgave.
2. n8n i 2026: to nyheder, der ændrer billedet
n8n har længe været værktøjet for de tekniske profiler: selvhosting, en AI Agent-node baseret på LangChain, vektorhukommelse, forbindelse til lokale modeller som Ollama. GitHub-repositoriet har 203.000 stars og 60.400 forks i august 2026, et tegn på et aktivt community.
To nye tiltag udvider målgruppen. Den 9. juli 2026 lancerede n8n en preview af sin AI Assistant: en samtale-agent integreret i grænsefladen, der opretter, redigerer og fejlretter workflows i almindeligt sprog. Du skal ikke længere kende hver enkelt node udenad for at bygge et scenarie.
Den 5. august 2026 introducerede n8n konceptet n8n Agents, en selvstændig enhed forskellig fra den klassiske AI Agent-node. En agent sættes op én gang (instruktioner, værktøjer, model) og bruges alle steder: chat, node i et workflow, Slack, planlagt kørsel. Arkitekturen «sæt op én gang, brug alle steder» bringer n8n tættere på samtale-agent-platforme uden at give afkald på orkestreringskraften. Begge funktioner er i cloud-preview fra version 2.32.3, med en gradvis udrulning.
Et vigtigt forbehold: fra n8n 1.82.0 kører AI Agent-noden kun i Tools Agent-tilstand. De øvrige tilstande er udfaset. Ethvert eksisterende workflow, der bruger en anden tilstand, skal opdateres, inden n8n 3.0 udkommer.
3. Make i 2026: AI-agenter direkte på canvas
Make lancerede sine AI Agents i beta i april 2025, med adgang til over 2.000 apps. Den 11. februar 2026 blev «næste generation» annonceret officielt: agenterne lever nu direkte på canvas, side om side med de klassiske automatiseringer, i samme grænseflade.
Konkrete tilføjelser: et Reasoning Panel, der viser agentens beslutninger og værktøjskald i realtid, multimodal support (PDF, billeder, CSV), en indbygget chat på canvas, og et bibliotek med færdige agent-skabeloner. Support for MCP-værktøjer (Model Context Protocol) blev tilføjet i juni 2026: en Make-agent kan nu kalde eksterne MCP-servere, ud over apps i kataloget. Make oplyser at have over 200.000 virksomheder som kunder på verdensplan.
Faktureringen er stadig det, man skal holde øje med. Hvert agent-kald bruger 5 operationer, plus de operationer de kaldte værktøjer koster. På lange scenarier med flere værktøjskald stiger regningen hurtigt. Make er stadig mere tilgængeligt end n8n for teams uden teknisk profil, men de samlede driftsomkostninger for en agent i produktion bør beregnes, før man forpligter sig.
4. Hvornår n8n eller Make er det rigtige valg
Alt, der skal køre uden dig: overvåge en mailboks og fordele forespørgsler, synkronisere et CRM-system og et regneark, kæde fakturering, opfølgning og arkivering sammen, publicere på faste tidspunkter. Hvis behovet starter med «hver gang», er det et workflow.
n8n retter sig mod tekniske profiler eller teams, der vil have fuld kontrol over deres data. Selvhosting på en europæisk server (fx dansk eller tysk hosting) er gratis (bortset fra infrastrukturomkostninger) og gør det lettere at leve op til GDPR: dataene forlader ikke din egen infrastruktur. AI-byggeklodserne er mere avancerede: vektorhukommelse, RAG, forbindelse til lokale modeller, LangChain indbygget. Betaling pr. kørsel er en fordel ved store volumener.
Make passer til teams uden teknisk baggrund, der vil have hurtige resultater. Den visuelle grænseflade er mere tilgængelig, de over 2.000 integrerede apps dækker de fleste almindelige forretningssystemer, og de nye AI Agents kan flettes ind i eksisterende scenarier uden at starte fra bunden. Prisen for det: mindre fleksibilitet omkring hosting og en betaling pr. operation, der stiger med kompleksiteten.
I begge tilfælde skal du beregne en reel indlæringskurve og løbende vedligeholdelse. Et workflow, der går i stykker efter en API-ændring, reparerer ikke sig selv.
5. Hvornår en samtale-agent er mere end nok
Ikke alt interaktivt arbejde kræver et workflow. Skrive mails og tilbud, analysere dokumenter, forberede møder, svare på spørgsmål om dine data, lave sammenfatninger: til den slags opgaver ville det være overkill at bygge et n8n-scenarie. Der er intet, der skal udløses automatisk. Der er dig, en opgave, og en agent, der løser den godt.
GPTPro hører til denne familie: du sætter en agent op (rolle, instruktioner, dokumenter) og vælger den model, der driver den, Claude, GPT, Gemini eller Mistral. Ingen server, intet scenarie at koble sammen, ingen betaling pr. operation. Opsætningen sker i almindeligt sprog, og den samme agent kan testes på flere modeller, før du beslutter dig.
Det er den egentlige fordel ved en multi-model-platform i denne familie: du kan teste den samme agent på Claude, GPT, Gemini eller Mistral med få klik og beholde den bedste model til hver opgave. n8n og Make giver også valget af model, men det kræver teknisk opsætning og en API-nøgle pr. leverandør. På en samtale-platform er det bare en dropdown-menu.
6. Hvad det egentlig koster
n8n: gratis ved selvhosting (plus omkostninger til server og din egen tid til vedligeholdelse). I cloud-udgaven betaler du pr. workflow-kørsel. Kald til sprogmodellerne betales separat, direkte hos den enkelte leverandør (OpenAI, Anthropic, Google, Mistral).
Make: billig at komme i gang med, men hvert modul i hvert scenarie bruger en operation. De nye AI Agents koster 5 operationer pr. kald, plus operationerne for de værktøjer, der bliver kaldt. Et ambitiøst scenarie med flere værktøjskald kan hurtigt overstige de første overslag. Simuler forbruget, før du sætter det i produktion.
På samtale-agent-siden er forretningsmodellen enklere: et abonnement pr. bruger, uden tæller på operationer. Udgiften er forudsigelig, hvilket den ikke er ved et ambitiøst Make-scenarie eller en n8n-infrastruktur, hvor server og vedligeholdelse skal tælles med. Til rent interaktivt brug er en samlet multi-model-platform som GPTPro billigere end at samle separate abonnementer hos hver enkelt modelleverandør, og langt billigere i tid end en automatiseringsinfrastruktur, du kun bruger halvdelen af.
7. GDPR og AI Act: det, der ændrer sig i 2026
Siden 2. august 2026 gælder gennemsigtighedskravene i AI Act (EU-forordning 2024/1689). Konkret betyder det: informere brugeren om, at vedkommende interagerer med en AI-agent, mærke AI-genereret indhold, og markere deepfakes. Kravene gælder for samtale-agenter og indholdsgeneratorer, uanset platform.
AI-agenter falder ind under AI Act's generelle definition af et «AI-system». De udgør ikke en selvstændig kategori, men brug med høj påvirkning (HR, scoring, automatiserede beslutninger om personer) hører under højrisiko-kategorien, hvis fulde krav gælder fra december 2027.
For danske virksomheder: dokumentér brugen i din fortegnelse over behandlingsaktiviteter, informer dine brugere, og sørg for menneskelig kontrol ved følsomme beslutninger. Selvhosting af n8n på europæiske servere gør det lettere at dokumentere, hvor dine data befinder sig. Make og GPTPro (Azure EU) oplyser, at de efterlever GDPR, men tjek altid kontraktbetingelserne for din branche. Er du i tvivl om, om en konsekvensanalyse (DPIA) er nødvendig, kontakt din databeskyttelsesrådgiver eller Datatilsynet.
8. Den model, der virker: kombiner begge familier
De teams, der får mest ud af AI, vælger ikke side. De holder fast i en samtale-agent til opgaver, der opstår løbende (forberede møder, skrive første udkast, analysere dokumenter), og en automatisering til det, der skal køre i baggrunden (leads fra formularen, der lander i CRM-systemet, opfølgningsmailen der sendes efter 7 dage, ugerapporten der genereres selv).
Rækkefølgen betyder noget. Start med samtale-agenten. Den kan sættes op på en halv dag, viser værdien af AI på din konkrete forretning, og lærer dig at skrive præcise instruktioner. Den kompetence kan du genbruge direkte i n8n eller Make, den dag et reelt automatiseringsbehov dukker op. Gør du det omvendt, med uger med workflows før den første synlige gevinst, er det den korteste vej til, at projektet ryger i skuffen.
De nye n8n Agents (annonceret 5. august 2026) illustrerer denne sammensmeltning: en agent, der er sat op én gang, kan kaldes fra et automatiseret workflow eller fra en chat-grænseflade. De to familier nærmer sig hinanden teknisk, men dit umiddelbare behov afgør stadig, hvor du starter.
Et behov, der starter med «hver gang», hører til n8n (teknisk profil, selvhosting, avanceret AI) eller Make (ikke-teknisk profil, hurtige integrationer). Et behov, der starter med «hjælp mig med», hører til en samtale-agent. De to familier supplerer hinanden mere, end de konkurrerer.
En konkret metode til at beslutte: list dine fem mest tilbagevendende opgaver. De, der kræver din tilstedeværelse og dømmekraft, hører til en samtale-agent. De, der altid følger samme forløb uden dig, hører til et workflow. De fleste lister hælder klart mod den første kategori.
Ofte stillede spørgsmål
n8n eller Make til en AI-agent i 2026?
n8n til de tekniske profiler: gratis selvhosting, betaling pr. kørsel, avancerede AI-byggeklodser (vektorhukommelse, RAG, lokale modeller), og de nye n8n Agents, som har været i preview siden august 2026. Make til teams uden teknisk baggrund: visuel grænseflade, over 2.000 integrerede apps, nye AI Agents siden februar 2026 med Reasoning Panel og multimodal support, MCP-værktøjer siden juni 2026. Uanset valget skal du beregne en indlæringsperiode og løbende vedligeholdelse.
Erstatter GPTPro n8n eller Make?
Nej, og det er heller ikke ambitionen. GPTPro er en multi-model samtale-agent: du sætter en agent op og arbejder med den, når behovet opstår (skrive, analysere, forberede, svare). Den bygger ikke automatiserede workflows og orkestrerer ikke handlinger mellem systemer i baggrunden, det er n8n og Make's territorium. De to tilgange supplerer hinanden, og mange teams bruger begge dele til forskellige opgaver.
Er selvhostet n8n virkelig GDPR-compliant til danske kundedata?
Selvhosting på en europæisk (eller dansk) server giver dig fuld kontrol over, hvor dataene ligger: de forlader ikke din egen infrastruktur. Det er et solidt argument for GDPR-compliance. Men compliance handler om mere end hosting: dokumentér behandlingerne i din fortegnelse, informer dine brugere om, at de interagerer med en AI-agent (krav under AI Act siden 2. august 2026), og vurder, om en konsekvensanalyse (DPIA) er nødvendig ud fra de data, du behandler.
Hvad er forskellen mellem n8n's AI Agent-node og de nye n8n Agents?
AI Agent-noden er en byggeklods i et workflow: den tager et input, kalder en LLM med nogle værktøjer, og returnerer et output i scenariet. Den kører kun i Tools Agent-tilstand siden n8n 1.82.0. n8n Agents (annonceret 5. august 2026) er en selvstændig enhed: du sætter dem op én gang (instruktioner, værktøjer, model) og bruger dem fra et workflow, en chat, Slack eller en planlagt kørsel. Det er et abstraktionslag over den klassiske node.
Skal brugere informeres om, at de interagerer med en AI-agent?
Ja, siden 2. august 2026. AI Act (artikel 50) kræver, at enhver, der interagerer med et AI-system, skal informeres om det, med mindre det er tydeligt i sig selv. Kravet gælder for samtale-agenter og indholdsgeneratorer, uanset hvilken platform der bruges. I Danmark er Datatilsynet og Forbrugerombudsmanden relevante myndigheder på området. Sørg for en klar oplysning i grænsefladen eller i vilkårene.
