AI-integrasjon
AI Integrasjon
Alt bør starte med et problem. Vi finner ut hvor AI faktisk hjelper virksomheten deres, og hvor et enkelt skript hadde løst jobben like godt. Så bygger vi det riktige.
AI inni produktet, ikke oppå det.
AI-integrasjon er bare verdt innsatsen når den endrer måten folk bruker produktet på. Tre ting vi måler i hvert prosjekt.
Tid til svar faller under 8 sekunder
Gjenfinning og resonnering forankret i dataene deres. Kundene finner svaret raskere enn de rekker å spørre et menneske; hver gang, på hver kanal.
Hallusinasjonsrate under 2 %
Hvert svar vurderes mot en fast evalueringsrigg før det går i drift. Hallusinasjoner fanges opp, scores og behandles som feil.
Markedsautomatisering, ikke bare chat
AI-agenter som skriver utkast til oppfølging, oppsummerer samtaler og kvalifiserer leads. Chatgrensesnittet er bare én flate; det er i automatiseringen bak kulissene innsparingen virkelig viser seg.
Dataene dine flyter gjennom intelligenslag
Vi skrur ikke AI utenpå systemene deres. Vi kobler den inn i datapipelinen slik at den lærer av alt bedriften deres allerede kan.
Slik ser det faktisk ut
Et innblikk i flaten kunder og operatører jobber i hver dag; ingen markedsføringsbilder, ingen falske data.
AI satt i produksjon; ikke demoer.
Hvert prosjekt under har en reell evalueringsrigg, et reelt kostnadstak og reelle brukere som kjører spørringer mot det hver dag.
Når man bør bruke AI, og når man bør la være
Ikke alle problemer trenger et nevralt nettverk. Slik vurderer vi om AI er riktig verktøy for et reelt kundeprosjekt.
Bygge en egen modell eller bruke en ferdigtrent?
Why
Kunden hadde 800 merkede eksempler. For lite til å trene fra bunnen, men nok til å finjustere en grunnmodell. Finjusteringen ga oss 89 % treffsikkerhet på 3 uker, mot 6 måneder med datainnsamling.
Alternatives Considered
Å trene fra bunnen ville gitt mer kontroll, men krever 10x så mye data. For dette bruksområdet traff finjusteringen treffsikkerhetsmålet til en brøkdel av kostnaden.
Inferens i skyen eller on-premise?
Why
Kunden behandler 500 dokumenter om dagen. Sky koster rundt EUR 200/måned ved det volumet. Maskinvare på egne servere ville kostet EUR 40K i oppstart pluss vedlikehold. Regnestykket var åpenbart.
Alternatives Considered
Egne servere gir mening når dere behandler 50 000+ dokumenter/dag eller har strenge krav til datalagring. Denne kunden hadde ingen av delene.
Sanntid eller batch-behandling?
Why
Kunden trenger ikke klassifisering på sekundet. E-postene sorteres kl. 08 og kl. 14. Batch-behandling er 70 % billigere enn sanntidsinferens og gir oss tid til å kvalitetssikre resultatene før de rutes videre.
Alternatives Considered
Sanntidsbehandling er avgjørende for kundevendt chat eller ruting av live support. For intern dokumentbehandling er batch nesten alltid det beste valget.
Skal vi automatisere unntakstilfellene også?
Why
Modellen håndterer 87 % av sakene med høy konfidens. De siste 13 % er flertydige. Å automatisere dem ville krevd 3x så mye treningsdata og fortsatt bommet på noen. Det er både billigere og mer presist å la et menneske ta unntakene.
Alternatives Considered
Er volumet av grensetilfeller svært høyt (tusenvis om dagen), kan det lønne seg å investere i en egen modell for dem. For denne kunden var det 26 saker om dagen. Da holder menneskelig kontroll fint.
En AI-flate som virker, en evalueringsrigg og teamet opplært til å videreutvikle den.
AI-prosjekter feiler når modellen endrer seg og ingen merker det. Vi leverer et system dere kan måle, og et team som vet når det må måles på nytt.
- Pipeline for retrieval og resonnering koblet rett mot datakildene deres
- Evalueringsrigg med minst 50 graderte testcaser per flate
- Kostnadsdashbord med fordeling per modell og per kunde
- Fall-back-ruting (liten modell → stor modell) ved kostnadstak
- Prompt-register med versjonskontroll og rollback
- To ukers opplæringssprint for teamet i prompt- og retrieval-iterasjon
Last opp et dokument og se AI hente ut dataene
Slipp inn en eksempelfaktura eller -kontrakt. Se modellen identifisere felter, hente ut verdier og sette en konfidensskår. Ingen pålogging nødvendig.
Hva AI faktisk leverer
Treffsikkerhet ved første utrulling
Raskere databehandling
Reduksjon i manuell klassifisering
Gjennomsnittlig tid til første produksjonsmodell
Tre former for et AI-prosjekt.
AI-arbeid er iterativt; vi signerer i sprinter på to uker, ikke 12-måneders kontrakter. Matrisen setter det samlede taket per form.
Én AI-flate, ferdig vurdert
Leveres på 4 uker
- Én AI-flate (chatbot, søk, klassifiserer osv.)
- Retrieval-pipeline og evalueringsrigg med 50 caser
- Kostnadsdashbord med varsling
- Ett fall-back-nivå for modell
- Multi-tenant-utrulling
- Egendefinert fine-tuning
AI-integrasjon i produksjon
Leveres på 8 uker
- Inntil 3 samspilte AI-flater (chat + agent + klassifiserer)
- Evalueringsrigg med 150+ caser og regresjon i CI
- Tool calling mot eksisterende CRM, DB og API-er
- Fall-back på tvers av flere modeller med kostnadstak per nivå
- Prompt-register og versjonskontroll
- Kvartalsvis retainer for prompt-utvikling
AI-plattform på tvers av produkter
Prosjekt på kvartalsskala
- Ubegrenset antall flater og tool-integrasjoner
- Egendefinert fine-tuning og RLHF der det gir verdi
- Multi-tenant-utrulling med evaluering per kunde
- Innebygd ML-ingeniør (heltid)
- Kvartalsvis revisjon av drift og skjevhet
- Kode-escrow og exit-klausul
Utenom modell-API-forbruk (OpenAI, Anthropic, Google). Vi kjører via deres egne kontoer, så kostnaden holdes transparent. Sky og vektor-DB faktureres videre i tillegg.
Koble én på toppen av et hvilket som helst nivå.
AI-prosjekter passer godt sammen med automatisering på vekstsiden. Disse fire kobles rett på.
Slik automatiserte et regnskapsbyrå 91 % av fakturamatchingen
3 000 fakturaer matchet for hånd hver måned
Fire ansatte brukte ukene sine på å matche innkommende fakturaer mot åpne innkjøpsordrer. Hver match krevde kontroll av leverandørnavn, beløp, varelinjer og PO-nummer på tvers av to systemer. Feil kostet byrået i snitt EUR 8K i måneden i tvister.
OCR-uttrekk med AI-matching
Vi trente en modell til å lese ut felter fra fakturaer (uansett format, uansett språk) og matche dem mot åpne innkjøpsordrer. Konfidensskår sender de trygge matchene rett til automatisk godkjenning og de usikre til en kø for menneskelig kontroll, med all kontekst vedlagt.
4 ansatte håndterer nå bare unntakene
91 % av fakturaene matches automatisk. Tvistekostnadene falt til nær null. Teamet bruker nå tiden på leverandørforhandlinger og økonomisk planlegging i stedet for manuell datasammenligning.
Fakturaer matchet automatisk (var 0 %)
Kostnadskalkulator for KI-integrasjon
Byggekostnad pluss månedlig driftskostnad; hele bildet.
Åpne full kalkulator med metodikkDine forutsetninger
05 fieldsPåvirker den blandede timeraten; seniorutviklere koster 35 % mer.
Ærlige svar
Det folk spør om før de investerer i AI
Disse får vi på hvert eneste salgsmøte. Står ikke spørsmålet ditt her, book et møte.
Kanskje. For klassifiseringsoppgaver trenger vi minst noen hundre merkede eksempler. For prediksjon er 6–12 måneder med historikk et godt utgangspunkt. Har dere ikke nok, kan vi i mange tilfeller ta en ferdigtrent modell og finjustere den med det mindre datasettet deres. Dette avklarer vi i løpet av de første to ukene, før dere binder dere til noe.
Hver modell har en konfidensterskel. Faller den under terskelen, går saken til et menneske. For kritiske forretningsbeslutninger har vi alltid et menneske med på laget. AI-en tar volumet. Teamet deres tar skjønnet.
Vi tester for skjevhet før vi setter modellen i drift, og overvåker for avvik etterpå. For generativ AI låser vi svarene til deres egne domenedata og kontrollerer dem mot kjente fasiter. Vi er ærlige om hva AI er dårlig på. Noen oppgaver bør rett og slett ikke automatiseres.
Ja. Vi setter AI i drift som et REST API som ligger ved siden av de nåværende systemene deres. ERP-en, CRM-en eller skreddersydde verktøyet deres kaller API-et og får et svar tilbake. Ingen plattformendringer nødvendig.
Proof of concept på reelle data i løpet av 4 uker. Dere ser treffsikkerheten og avgjør selv om dere vil gå i produksjon. Selve produksjonssettingen tar ytterligere 4–8 uker, avhengig av hvor kompleks integrasjonen er.
Etter vår erfaring, nei. AI tar det repetitive volumarbeidet. De som før gjorde den jobben, går over til oppgaver som krever menneskelig skjønn. Regnskapsteamet som automatiserte fakturamatchingen, bruker nå tiden på leverandørforhandlinger og håndtering av unntak.
Klar til å bygge noe ekstraordinært?
La oss gjøre visjonen din til virkelighet. Teamet vårt er klart til å hjelpe deg med å lage programvare som utgjør en forskjell.