Kort oppsummert
- Kunde: Kunden, norsk leverandør av batterisystemer for elektrisk og hybrid fremdrift til sjøs.
- Problem: prospektering ble gjort manuelt. Microsofts kvalifiseringsagent hjelper ikke, den vurderer bare leads som allerede finnes.
- Løsning: en AI-agent som søker markedet daglig, scorer mot kundeprofilen og skriver kvalifiserte leads til Dynamics 365 Sales.
- Status: live i kundens egen produksjonstenant siden mai 2026.
Problemet: verktøyet som ikke fantes
Kunden leverer batterisystemer til ferger, offshorefartøy, fiskebåter og passasjerskip som bygges om eller bygges nye med elektrisk eller hybrid fremdrift. Markedet er avgrenset og teknisk, og det betyr at prospektering handler om å oppdage det riktige selskapet på det riktige tidspunktet, ikke om volum.
Det arbeidet ble gjort for hånd.
Det nærliggende svaret er Microsofts egen Sales Qualification Agent. Men den løser en annen oppgave: den vurderer og prioriterer leads som allerede ligger i Dynamics 365. Den leter ikke i markedet. Kundens behov var det motsatte, proaktiv skanning etter selskaper som ennå ikke fantes i CRM-en.
Standardagenten kvalifiserer det du har. Den finner ikke det du mangler. Vi bygde det som manglet.
Hva agenten gjør, hver morgen klokken 06:00
En Azure Function starter, og agenten går gjennom en fast rekkefølge:
- Søker på nettet med søk definert i konfigurasjonen
- Identifiserer kandidatselskaper i treffene
- Sjekker mot Dynamics 365 og hopper over det som allerede er kjent
- Dybdesøker enkeltselskaper når det trengs mer kontekst
- Scorer mot kundeprofilen: High, Medium, Low eller Excluded
- Skriver High og Medium direkte til Dynamics 365 Sales som Lead
Hele kjøringen tar tre til fem minutter og koster i størrelsesorden en amerikansk dollar i AI-forbruk. Selgeren møter opp om morgenen til leads som allerede er funnet, sjekket mot eksisterende kunder og begrunnet.
Det viktigste: hva som styrer agenten
En agent som skriver til CRM-en deres er bare like god som reglene den følger. Kundens agent styres av fem kunnskapsfiler som kunden selv eier:
| Fil | Hva den styrer |
|---|---|
| Kundeprofil | Segment, geografi, prosjektstørrelse, triggersignaler og scorevekter |
| Produkter | Hva kunden faktisk selger |
| Konkurrenter | Hvem som skal nedprioriteres ved etablerte relasjoner |
| Eksisterende kunder | Unngå duplikater, og finn look-alikes |
| Eksklusjoner | Harde regler for hva som aldri skal bli et lead |
Dette er poenget mange hopper over. En eksklusjonsfil er ikke en detalj, det er forskjellen mellom en agent dere kan la stå på, og en dere må overvåke. Endrer kunden profilen sin, endrer agenten oppførsel, uten at noen skriver kode.
Hvor det kjører
Alt kjører i kundens egen Microsoft-tenant, ikke hos oss. Konfigurasjonen ligger i Dataverse med versjonshistorikk, hver kjøring logges i en egen revisjonstabell, og selgerne styrer agenten fra en veiviser bygget som en PCF-kontroll rett i Dynamics 365. Utrulling går gjennom UAT før produksjon, med CI/CD.
Vi bygde først i vårt eget miljø for å vise at konseptet holdt. Da det var akseptert, ble det bygget i kundens miljø, først UAT, så produksjon i mai 2026. Første planlagte kjøring i produksjon opprettet tre leads uten en eneste feil.
Hva som gjorde dette mulig
- Dynamics 365 Sales og Dataverse som mottaker, ingen parallell database
- Azure Functions for planlagt kjøring, med tre moduser: oppstart, ad hoc og planlagt
- Konfigurasjon i Dataverse, ikke i kode, kunden eier reglene
- Full revisjonslogg per kjøring
Det interessante her er ikke at AI kan score et selskap. Det er at agenten kjører uten tilsyn i kundens eget miljø, mot regler kunden selv kontrollerer, og at kostnaden per kjøring er kjent på forhånd.
