AI-tjänster.
Assistenter grundade i era egna dokument, dokumentflöden som sköter sig själva, och ett ärligt svar om vad AI inte kommer att lösa.
De flesta AI-projekt havererar av tråkiga skäl: ingen ägde användningsfallet, dokumenten var en röra, och ingen var överens om hur ett korrekt svar såg ut. Vi börjar i andra änden. Välj ett arbetsflöde som kostar verkliga timmar, bygg mot er faktiska data, mät om det blir rätt tillräckligt ofta för att lita på, och koppla först därefter in det i systemen era medarbetare redan använder.
Vad vi bygger
Grundade assistenter
Assistenter med retrieval som svarar utifrån era handböcker, avtal och ärenden, med källhänvisning till rätt stycke och ett tydligt nej när svaret inte finns i underlaget.
Dokumentautomation
Extrahering, klassificering och routing av fakturor, order, avtal och blanketter. Strukturerad utdata rakt in i systemet som ska ta emot den, med konfidenströsklar och mänsklig granskning där det spelar roll.
Arbetsflödesagenter
Automationer i flera steg som anropar era system, med godkännandesteg för allt som skriver. Medvetet smala, för en smal agent går att testa och en generell gör det inte.
Modellval
Valet mellan hostade toppmodeller och öppna vikter ni kör själva, sedan routing per uppgift. Inklusive reservvägar, timeouts och ett kostnadstak som inte överraskar er.
Datagrund
Den oglamorösa halvan: behörigheter som speglar era befintliga åtkomstregler, dubblettrensning, chunkstrategi, metadata och vektordatabasen. Det är här de flesta projekt tyst havererar.
Utvärdering & Skyddsräcken
En testmängd med verkliga frågor och kända svar, regressionskörningar vid varje ändring, hantering av personuppgifter, skydd mot prompt-injektion, spårning och eskalering till människa.
Så fungerar en grundad assistent i praktiken
Ingen magi, fem mekaniska steg. Värt att förstå innan ni köper en, för varje felkälla bor i något av dem.
Inläsning
Dokument kommer in från SharePoint, filservrar, ärendesystemet eller en databas. Vi behåller källan, versionen och, viktigast av allt, vem som får se vad.
Chunkning och vektorisering
Varje dokument delas i stycken och görs om till vektorer, ett numeriskt fingeravtryck av betydelse. Var gränserna går spelar större roll än man tror: dela en tabell mitt itu och svaret försvinner med den.
Sökning
Frågan blir också en vektor, och databasen returnerar de stycken som ligger närmast, filtrerat på vad personen som frågar får läsa. Oftast blandat med nyckelordssökning, eftersom ren vektorsökning missar exakta termer som artikelnummer.
Grunda svaret
Bara de hämtade styckena går till modellen, tillsammans med frågan och instruktionen att svara enbart utifrån dem och säga ifrån när det inte går. Källhänvisningar följer med tillbaka, så ett svar kan kontrolleras på sekunder.
Utvärdera och drifta
Verkliga frågor med kända svar körs som testmängd vid varje ändring. Felaktiga svar, uteblivna svar och tummen ner matas tillbaka in i chunkning, prompter och underlaget självt. Den delen tar aldrig slut.
När vi säger nej
Tre förfrågningar vi får regelbundet och argumenterar emot. Att ha fel om detta blir dyrt, så vi tar hellre diskussionen tidigt.
"En chatbot som svarar på allt."
Obegränsad omfattning har ingen testmängd, ingen ägare och inget sätt att misslyckas synligt. Vi avgränsar till en målgrupp och ett kunskapsunderlag, och breddar först när det har förtjänat förtroendet.
"Vi vill finjustera en modell på vår data."
Sällan första draget. Finjustering lär ut stil och format, inte fakta, och blir inaktuell samma dag som era dokument ändras. Retrieval och genomarbetade prompter löser det mesta som folk förväntar sig av finjustering, till en bråkdel av insatsen.
"Lägg AI på det här."
Om en databasfråga, en regel eller ett reguljärt uttryck gör jobbet är det billigare, testbart, omedelbart och oförmöget att hitta på ett svar. Vi använder en modell där språket faktiskt är det svåra.
Modeller och verktyg
Modellen är den enklaste biten att byta ut och det minst intressanta beslutet. Vi väljer per uppgift, och behåller möjligheten att ändra oss.
Azure OpenAI
Modeller i GPT-klass inne i er egen Azure-prenumeration och en EU-region, med era befintliga nätverks- och identitetskontroller runt omkring.
Anthropic Claude
Stark på långa dokument, noggrant resonemang och verktygsanvändning. Tillgänglig direkt eller via Amazon Bedrock när resten av miljön ligger i AWS.
Öppna modeller
Llama, Mistral och Qwen på era egna GPU:er eller en managerad endpoint, för när data verkligen inte får lämna huset eller när volymen gör hostad prissättning obehaglig.
Vektordatabaser
pgvector när ni redan kör Postgres, Azure AI Search när ni vill ha hybridsökning utan att drifta den, Qdrant när skala eller filtrering kräver det.
Orkestrering
LangGraph, n8n eller vanlig kod. Vi utgår från det minsta som löser uppgiften, för varje ramverk är ännu ett beroende att uppgradera klockan tre på natten.
Observerbarhet
Spårning på varje anrop, en utvärderingsrigg i byggkedjan, och en kostnadsvy uppdelad per funktion i stället för en oroande månadssumma.
Så går ett AI-uppdrag till
Rama in
Ett arbetsflöde, en namngiven ägare och en definition av framgång som går att mäta. Kan vi inte enas om hur ett korrekt svar ser ut är vi inte redo att bygga.
Prototyp
Två till fyra veckor mot verklig data, med en utvärderingsmängd byggd av frågor ert team faktiskt ställer. Ni får något som fungerar och en ärlig träffsäkerhetssiffra, inklusive fallet där siffran säger stopp.
Integration
Identitet, behörigheter, loggning, anropsgränser och kostnadskontroller. Det landar i verktygen folk redan använder, Teams, intranätet eller verksamhetssystemet, i stället för som ännu en flik ingen öppnar.
Drift
Utvärderingar enligt schema, bevakning av drift och kostnad, modelluppgraderingar testade innan de går live, och en kvartalsgenomgång av om saken fortfarande gör rätt för sig.
Vanliga frågor
Har ni ett arbetsflöde som äter timmar varje vecka?
Berätta vilket det är och hur ett korrekt utfall ser ut. Vi återkommer med en ärlig bedömning av om AI är rätt verktyg, och ett pilotförslag om det är det.
Boka samtal
Redo att bygga något som håller?
Berätta om er stack. Vi återkommer inom en arbetsdag med ett konkret nästa steg.