Lad den sige »ved ikke«
Spørg en model om et varenummer, der ikke står i mailen, og den finder gerne på et. Så vi giver den lov til at lade feltet stå tomt, og et tomt felt lander hos dig.
Automatisering med kunstig intelligens
Lad
det
køre
selv.
Vis os, hvordan du gør opgaven i dag.
Så bygger vi en automatisering, der gør det samme, ens hver gang.
- Bestillinger, der skrives af fra en mailLæst, tjekket og lagt i ordresystemet. Du ser de mærkelige.
- Henvendelser, der skal sendes videre til den rigtigeSorteret, med et resumé øverst.
- Tilbud, der skal skrives ud fra sidste tilbudSom kladde. Du retter og sender.
- Rapporten, der samles hver mandagTallene hentet, sat op og sendt.
- Mødenoter, der skal skrives indSom opgaver: hvem gør hvad, og hvornår.
- Og det, du gør på samme måde hver ugeDet, der aldrig når på en opgaveliste.
Hvad en AI-automatisering består af
Noget kommer ind. AI læser. Reglerne beslutter.
Noget sker.
Mails og beskeder
Fritekst, som folk nu engang skriver den. Med stavefejl og »som sidst«.
NLP · sprogforståelsePDF'er og skanninger
Fakturaer, bestillinger, skemaer, i afsenderens eget layout.
OCR · dokumentlæsning · billedlæsningTal fra jeres systemer
Kunder, varer, priser, lager. Det, der allerede står i faste felter.
Strukturerede data
- AI læser og forstårSprogmodellen finder det, der skal bruges, og lader resten stå tomt.
- Reglerne beslutter»Kendt kunde og under beløbsgrænsen? Ellers videre til et menneske.«
Systemet opdateres
Ordren oprettes, kundekortet rettes, bekræftelsen sendes. Gennem systemets API.
AcceptEt menneske godkender
Det mærkelige lander hos dig: det, den er i tvivl om, og det, der koster noget, ligger øverst.
UkendtDet forkerte bliver stoppet
En ordre, der er set før. Et beløb, der ikke stemmer. En kunde, der ikke findes. Den går ikke videre, og du får besked.
Afvist
Mulighederne er mange
Fire ting, vi altid holder øje med.
Ingen af dem er svære. De er bare lettest at få på plads, før den kører, og det er dem, der afgør, om du tør slippe den.
Aftal, hvor dine data må komme hen
Mailen bliver læst af en model, der kører et sted. Vi skriver ned, hvor, og hvem der ellers kan se den, før den første mail sendes derhen. Nogle modeller kan køre hos dig selv.
Kend arbejdsgangen, før den bygges
Den, der gør opgaven i dag, ved, hvad der afgør, at en ordre er i orden. Det er det første, vi sætter os ned og finder ud af. Sammen, og med de rigtige mails på bordet.
Hold modellen udskiftelig
Modellen, der læser, er ét trin. Vi bygger den som et trin, så den kan skiftes til en bedre eller en billigere, uden at resten rører sig.
Fire ord, der ofte bliver blandet sammen
De lyder ens i et salgsmøde. Forskellen er, hvem der skriver prompten, hvem der læser, og hvem der bestemmer.
Og om det kører, når du er gået hjem. Eller er tilgængeligt for din kollega.
- Chat
- ChatGPT, Gemini, Claude. Du skriver en prompt, den svarer, du kopierer svaret videre. Det virker, så længe programmet er åbent. Slukker du computeren, stopper det.
- Workflow
- Make, Zapier, Power Automate. »Når der kommer en ny række i arket, send en mail.« Faste regler på faste felter, og det kører af sig selv. Men det kan ikke læse en mail, et menneske har skrevet.
- Agent
- En model, der selv vælger, hvad den gør næste gang: slår op, skriver, sender, prøver igen. Stærk, når opgaven er åben. Uforudsigelig, når den skal gøre det samme hver gang. Den bygger vi ikke til rutinearbejde.
- AI-automatisering
- Et workflow med ét trin, der kan læse. Prompten er skrevet én gang. Modellen læser det løse, koden tjekker og flytter, og du godkender det, der er mærkeligt. Kører af sig selv, også når du er gået. Det er den, vi bygger.
Spørgsmålene, vi får
Godt at vide.
Kan jeg ikke bare bruge ChatGPTs egne automatiseringer?
Jo, til dig selv. ChatGPT og Claude kan køre en prompt på et fast tidspunkt og sende dig svaret. Det, de ikke kan, er at hente mailen selv, slå kunden op i jeres system, oprette ordren og stoppe, når noget ikke stemmer. Det er det, der gør det til en arbejdsgang og ikke en chat.
Er Make, Zapier og n8n ikke det samme?
Næsten. De er workflow-værktøjer: »når A sker, gør B«, med faste felter. Vi bruger dem gerne, hvor de passer.
Vil en AI skabe forskellige resultater?
Ja, det kan den. Samme mail kan blive læst lidt forskelligt fra gang til gang, og det er hele grunden til reglen: en opgave egner sig, når du let kan se, om resultatet er rigtigt. Så kan du slippe den trygt. Kan du ikke se det, skal den ikke køre selv, og så siger vi det.
Hvilken model bruger I?
Den, der passer til opgaven og til, hvor dine data må komme hen. OpenAI, Gemini, Claude eller Mistral gennem deres API, eller en model, der kører hos dig selv. Modellen er ét trin og bør kunne skiftes ud, uden at resten rører sig.
Hvem passer den bagefter?
Det kan du selv. Prompten, reglerne og koden er skrevet, så de kan forstås, ændres og passes af andre end os. Vil du hellere have os til det, kan det ligge på en fast teknisk dag.