AI-integration
AI Integration
Ett AI-projekt ska börja i ett problem, inte i en modell. Vi reder ut var AI verkligen lyfter din verksamhet, och var ett enkelt skript gör jobbet bättre. Sedan bygger vi det som är rätt.
AI inuti produkten, inte ovanpå den.
AI-integration är bara värd jobbet när den förändrar hur folk använder produkten. Tre saker vi mäter i varje uppdrag.
Tid till svar under 8 sekunder
Retrieval och resonemang förankrat i din egen data. Kunden hittar svaret snabbare än hen hinner fråga en människa, varje gång, i varje kanal.
Hallucinationer under 2 %
Varje svar betygsätts mot en fast evaluation harness innan det går live. Hallucinationer fångas, poängsätts och behandlas som buggar.
Marketing automation, inte bara chatt
AI-agenter som skriver utskick, sammanfattar samtal och kvalificerar leads. Chatten är bara en yta; det är i automationerna i back office besparingen syns.
Din data flödar genom flera lager av intelligens
Vi skruvar inte fast AI ovanpå dina system. Vi väver in den i din datapipeline så att den lär sig av allt verksamheten redan vet.
Så här ser det faktiskt ut
En titt på ytan där kunder och operatörer jobbar varje dag; inga tillrättalagda skärmdumpar, ingen påhittad data.
AI i skarp drift; inga demos.
Varje projekt här nedan har en riktig evaluation harness, ett riktigt kostnadstak och riktiga användare som kör queries mot det varje dag.
När AI är rätt verktyg, och när det inte är det
Alla problem behöver inte ett neuronnät. Så här avgör vi om AI är rätt verktyg i ett verkligt kundprojekt.
Bygga en egen modell eller utgå från en förtränad?
Why
Kunden hade 800 märkta exempel. För lite för att träna från grunden, men nog för att finjustera en basmodell. Finjusteringen gav oss 89 % träffsäkerhet på 3 veckor i stället för 6 månaders datainsamling.
Alternatives Considered
Att träna från grunden ger mer kontroll, men kräver 10× så mycket data. För det här fallet nådde finjusteringen träffsäkerhetsmålet till en bråkdel av kostnaden.
Inferens i molnet eller på egen server?
Why
Kunden kör 500 dokument om dagen. Vid den volymen kostar molnet runt 200 EUR i månaden. Egen hårdvara skulle kosta 40 000 EUR direkt plus underhåll. Räkneexemplet gav sig självt.
Alternatives Considered
Egen server lönar sig när du kör 50 000+ dokument om dagen eller har hårda krav på var datan får ligga. Den här kunden hade inget av det.
Realtid eller batch?
Why
Kunden behöver inte klassificering på sekunden. Mejlen sorteras 08:00 och 14:00. Batch är 70 % billigare än realtidsinferens och ger oss tid att kontrollera resultaten innan de fördelas vidare.
Alternatives Considered
Realtid är ett måste för chatt mot kund eller fördelning av live-support. För intern dokumenthantering är batch nästan alltid det bättre valet.
Ska vi automatisera gränsfallen också?
Why
Modellen klarar 87 % av fallen med hög konfidens. De återstående 13 % är tveksamma. Att tvinga in dem i automatiken skulle kräva 3× så mycket träningsdata och ändå bli fel ibland. Det är både billigare och mer träffsäkert att låta en människa ta undantagen.
Alternatives Considered
Är gränsfallen riktigt många (tusentals om dagen) kan en egen modell för just dem löna sig. För den här kunden rörde det sig om 26 fall om dagen. Då räcker det att en människa granskar.
En fungerande AI-yta, en evaluation harness och ett team som är upplärt att vidareutveckla den.
AI-projekt havererar när modellen förändras och ingen märker det. Vi levererar ett system du kan betygsätta; och ett team som vet när det är dags att betygsätta om.
- Pipeline för retrieval och resonemang, kopplad till dina datakällor
- Evaluation harness med minst 50 bedömda testfall per yta
- Kostnadsdashboard med fördelning per modell och per kund
- Fall-back-routing (liten modell → stor modell) när kostnadstaket nås
- Prompt-register med versionshantering och rollback
- Tvåveckors utbildningssprint för ditt team i prompt- och retrieval-iteration
Ladda upp ett dokument och se AI:n läsa av datan
Släpp in en exempelfaktura eller ett avtal. Se modellen hitta fälten, läsa av värdena och sätta en konfidenspoäng. Ingen inloggning behövs.
Vad AI faktiskt levererar
Träffsäkerhet redan vid första driftsättningen
Snabbare databearbetning
Mindre manuell klassificering
Snittid till första modellen i produktion
Tre former för ett AI-uppdrag.
AI-arbete är iterativt; vi skriver på för tvåveckorssprintar, inte tolvmånaderskontrakt. Matrisen sätter taket per form.
En AI-yta, fullt betygsatt
Levereras på 4 veckor
- En enda AI-yta (chatbot, sök, klassificerare med mera)
- Retrieval-pipeline och evaluation harness med 50 fall
- Kostnadsdashboard och larm
- En nivå av modell-fallback
- Multi-tenant-utrullning
- Skräddarsydd finjustering
AI-integration i produktion
Levereras på 8 veckor
- Upp till 3 samverkande AI-ytor (chatt + agent + klassificerare)
- Evaluation harness med 150+ fall och regressions-CI
- Tool calling mot ditt befintliga CRM, din databas och dina API:er
- Fallback mellan flera modeller med kostnadstak per nivå
- Prompt-register och versionshantering
- Kvartalsavtal för löpande promptutveckling
AI-plattform för flera produkter
Uppdrag i kvartalsskala
- Obegränsat antal ytor och tool-integrationer
- Skräddarsydd finjustering och RLHF där det tillför värde
- Multi-tenant-utrullning med utvärdering per kund
- Inbäddad ML-ingenjör på heltid
- Drift- och bias-granskning varje kvartal
- Kodescrow och exit-klausul
Exklusive kostnad för modell-API (OpenAI, Anthropic, Google). Vi går via dina egna konton så att kostnaden hålls transparent. Moln och vektor-DB faktureras vidare separat.
Lägg på en ovanpå valfri nivå.
AI-uppdrag passar väl ihop med automation på tillväxtsidan. De här fyra kopplas på utan krångel.
Hur en revisionsbyrå automatiserade 91 % av sin fakturamatchning
3 000 fakturor matchade för hand varje månad
Fyra medarbetare lade sina veckor på att matcha inkommande fakturor mot öppna inköpsordrar. Varje matchning innebar att stämma av leverantörsnamn, belopp, rader och PO-nummer i två olika system. Felen kostade byrån i snitt 8 000 EUR i månaden i tvister.
OCR-avläsning med AI-matchning
Vi tränade en modell att läsa av fälten i fakturor (oavsett format och språk) och matcha dem mot öppna inköpsordrar. Konfidenspoängen skickar säkra matchningar till automatiskt godkännande och osäkra till en granskningskö där en människa får hela sammanhanget framför sig.
Fyra medarbetare tar nu bara undantagen
91 % av fakturorna matchas automatiskt. Tvistkostnaderna föll till nära noll. Teamet lägger nu tiden på leverantörsförhandlingar och ekonomisk planering i stället för att jämföra data för hand.
Fakturor matchade automatiskt (var 0 %)
Kostnadskalkylator för AI-integration
Kostnad att bygga plus månatlig driftkostnad: hela bilden.
Öppna den fullständiga kalkylatorn med metodikDina inställningar
05 fieldsPåverkar den blandade timtaxan; seniora ingenjörer kostar 35 % mer.
Raka svar
Vad folk frågar innan de satsar på AI
De här hör vi på varje säljsamtal. Hittar du inte din fråga, boka ett samtal.
Kanske. För klassificering behöver vi minst några hundra märkta exempel. För prognoser är 6–12 månaders historik en bra start. Räcker inte din data kan vi ibland utgå från en förtränad modell och finjustera den med ditt mindre dataset. Det här bedömer vi under de första två veckorna, innan du binder dig.
Varje modell har en konfidenströskel. Hamnar ett ärende under den går det vidare till en människa. För kritiska affärsbeslut har vi alltid en människa med i loopen. AI tar volymen. Ditt team tar bedömningarna.
Vi testar för bias före driftsättning och bevakar drift efteråt. För generativ AI håller vi svaren inom din egen data och stämmer av mot kända facit. Vi är ärliga om vad AI är dålig på. En del uppgifter ska inte automatiseras.
Ja. Vi levererar AI som ett REST API som ligger bredvid dina nuvarande system. Ditt ERP, CRM eller egenbyggda verktyg anropar API:et och får tillbaka ett svar. Du behöver inte byta plattform.
Proof of concept på 4 veckor med riktig data. Du ser träffsäkerheten och avgör själv om det ska vidare till produktion. Driftsättningen tar ytterligare 4–8 veckor beroende på hur tung integrationen är.
Vår erfarenhet säger nej. AI tar det repetitiva volymarbetet. De som tidigare gjorde det går över till uppgifter som kräver mänskligt omdöme. Ekonomiteamet som automatiserade fakturamatchningen lägger nu tiden på leverantörsförhandlingar och undantag.
Redo att bygga något utöver det vanliga?
Låt oss göra verklighet av din idé. Vårt team hjälper dig gärna att bygga mjukvara som gör skillnad.