01
Folk leter etter svar i mange kilder.
Kunnskap ligger i dokumenter, e-post og systemer som er vanskelige å søke samlet.
AI-INTEGRASJON
AI som hjelper. Du beholder kontrollen.
Vi bygger avgrensede AI-funksjoner inn i verktøyene og arbeidsflytene dere allerede bruker.
ET EKSEMPEL
Et utkast med avtalt kontekst.
Informasjon hentes fra avtalte kilder, blir bearbeidet og sendes til vurdering.
- 01Spørsmål
- 02Kontekst
- 03Utkast
- 04Vurdering
DER AI KAN HJELPE
Når gode svar krever mer enn faste regler.
AI er mest nyttig når arbeidet handler om språk, mønstre og store mengder informasjon.
02
Lange dokumenter må leses og sorteres.
Viktig informasjon må finnes, trekkes ut og settes i en tydelig struktur.
03
Førsteutkast tar tid, men må fortsatt vurderes.
En person begynner på nytt hver gang selv om mye av grunnlaget allerede finnes.
04
Samme spørsmål kommer i mange varianter.
Kunder og kolleger trenger svar som tar hensyn til både spørsmålet og riktig kontekst.
REPRESENTATIVE BRUKSTILFELLER — IKKE KUNDERESULTATER
Hva kan AI faktisk bidra med?
Vi grupperer bruken etter jobben som skal gjøres, ikke etter hvilken modell som er nyest.
FINNE OG FORKLARE
Spredt kunnskap
Svar knyttet til hentet kildemateriale
Vis hvilket materiale som ble hentet. Kildedekning, udokumenterte påstander og riktige henvisninger vurderes separat.
LESE OG SORTERE
Dokumenter og fritekst
Ordnet informasjon
Trekk ut felter, kategoriser innhold og lag en struktur som kan kontrolleres.
UTKAST
Tomt dokument
Et vurderbart utkast
Forbered svar, sammendrag og tekst som en person kan kontrollere og tilpasse.
BESLUTNINGSSTØTTE
Mye å vurdere
Tydeligere grunnlag
Oppsummer alternativer og avvik uten å la modellen ta den endelige avgjørelsen.
FØR VI BRUKER AI
Noen ganger er vanlig programvare bedre.
Faste regler, tydelige beregninger og enkle oppslag trenger ofte ikke en språkmodell.
Bruk regler når svaret er entydig
Priser, frister, validering og beregninger blir tryggere med vanlig kode og klare regler.
Rydd opp i informasjonen først
En modell kan ikke gjøre uklare kilder, dårlig tilgang eller motstridende data pålitelige.
Ikke deleger konsekvensen
Avgjørelser med penger, rettigheter, sensitive beskjeder eller irreversible handlinger trenger menneskelig kontroll.
Målet er ikke mest mulig AI. Målet er riktig hjelp på riktig sted.
- AVTALT OPPGAVE OG KILDER
- UTKAST SJEKKES MOT AVTALTE REGLER
- LAV RISIKO INNEN AVTALT RAMME
- KREVER MENNESKELIG VURDERING
- STOPPER OG FØLGER AVTALT RESERVELØSNING
MENNESKER I KONTROLL
AI foreslår. Avtalte regler og mennesker avgjør hva som skjer videre.
Modellen avgjør ikke om eget svar er trygt. Konsekvensklasse, krav til grunnlag, riktig kontrollør og reservehåndtering defineres før funksjonen tas i bruk.
Avgrens oppgaven og konsekvensen
Vi bestemmer hvilke oppgaver, kilder og handlinger som er innenfor, og hva som alltid skal stoppe.
Vis grunnlaget for vurderingen
Kilder, antakelser og usikkerhet gjøres synlige der de trengs for å kunne kontrollere resultatet.
Design menneskelig kontroll
Vi avtaler hvem som vurderer, hvilket grunnlag de får og hva som skjer ved tvil, feil eller manglende kilder.
KVALITET OG DRIFT
En god demo er bare starten.
Modeller kan svare ulikt, misforstå kontekst og koste mer når bruken vokser. Derfor avtales data-, leverandør- og kvalitetsgrensene for hver funksjon.
DATA OG LEVERANDØR AVKLARES
- Datakategorier og hva som aldri skal sendes til modellen
- Leverandør, underleverandører, region, lagring og eventuell treningsbruk
- Tilganger, logger og ledetekster, sletting og tilbakekalling
- Kontraktskrav, hendelsesansvar og reservehåndtering ved leverandørsvikt
KVALITET OG KONTROLL AVKLARES
- Akseptansekrav og representative testtilfeller for avtalt bruk
- Kildedekning, udokumenterte påstander og henvisningskvalitet
- Hvem som vurderer, overstyrer og følger opp avvik
- Ny vurdering når modell, leverandør, kilder eller bruk endres
En god demo er ikke det samme som en pålitelig AI-funksjon.
Tilbudet beskriver hvilke kontroller som inngår for avtalt bruk, hvordan de prøves og hvem som følger opp. Løpende måling og overvåking inngår bare når det er uttrykkelig avtalt.
SLIK JOBBER VI
Fra oppgave til nyttig AI-funksjon.
Vi begynner lite nok til å lære og tydelig nok til å avgjøre om løsningen faktisk er nyttig.
01
Forstå oppgaven
Vi avklarer oppgaven, kildene, brukerne og hva et godt svar faktisk er.
02
Avgrense
Vi bestemmer hva modellen får se, gjøre og aldri gjøre.
03
Prøve i liten skala
En liten prototype bygges med representativt testmateriale som er godkjent for formålet.
04
Evaluere
Vi prøver normale saker, feil, usikkerhet, avvik og menneskelig overstyring.
05
Integrere og følge opp
Funksjonen som er akseptert for avtalt bruk kobles inn med dokumentasjon, tydelig ansvar og kontrollene som inngår.
KOSTNAD OG EIERSKAP
Synlig kostnad. Bevisste valg.
Utvikling, modellbruk og løpende drift skilles, slik at dere kan vurdere den faktiske kostnaden.
En definert oppgave og grense
Vi avtaler hva funksjonen skal gjøre, hva som er utenfor og hvordan kvalitet vurderes.
Leverandørvalg som passer behovet
Modell og plattform velges ut fra kvalitet, data, integrasjon, eierskap og innkjøp.
Løpende brukskostnad gjort synlig
API-bruk, lagring, observasjon og støtte skilles fra selve utviklingen.
Dokumentasjon og en vei videre
Tilganger, konfigurasjon og viktige valg dokumenteres slik at løsningen kan forvaltes eller flyttes.
FØR VI BYGGER
Vanlige spørsmål om AI-integrasjon.
Kort svar først. Det viktige avklares i en oppstartssamtale og et avgrenset første løp.
Hvor kunne et bedre førsteutkast eller søk lette arbeidet?
Fortell hva folk bruker tid på i dag. Vi hjelper dere å finne ut om AI, vanlig programvare eller en enklere endring er riktig start.