AI-utvikling & agenter
Vi bygger agenter som utfører oppgaver, ikke demoer som imponerer. De kjører i deres egen Microsoft-tenant, mot regler dere selv eier og kan endre uten at noen skriver kode.
Hva vi gjør
Kartlegging av oppgaven. Vi ser på hva som gjøres for hånd i dag, hvor ofte, og hva som skjer når det gjøres feil.
Regler kunden eier. Kundeprofil, eksklusjoner og scorevekter ligger i konfigurasjon, ikke i kode.
Kjøring med revisjonslogg. Hver kjøring loggføres, så dere kan se hva agenten gjorde og hvorfor.
Eskalering ved tvil. Agenten sender saken videre til et menneske når grunnlaget er tynt. Det er designet, ikke ettertanke.
Slik jobber vi
En halvtime for å forstå oppgaven og datagrunnlaget.
Vi viser at konseptet holder før dere åpner egen tenant.
UAT, så produksjon i deres tenant, med CI/CD og drift.
Hva en leveranse inneholder
Agenten som utfører oppgaven, ikke en demo som viser at den kunne
Reglene den arbeider etter, i konfigurasjon dere kan endre selv
Tilgang som arver rettighetene til brukeren den handler på vegne av
Kobling mot kildene den leser og systemet den skriver til
Menneskelig godkjenningssteg der beslutningen har konsekvenser
Full logg per kjøring, så det er mulig å se hvorfor noe ble gjort
Drift og overvåking etter at den er satt i produksjon
Hva det koster
En agent koster på to måter, og de oppfører seg ulikt. Å bygge den styres av hvor mange kilder den må lese, hvor rotete de kildene er, og hvor mye dømmekraft oppgaven krever. Å kjøre den styres av hvor ofte den kjører og hvor mye den må lese hver gang, en løpende kostnad, og en forutsigbar en når den først er målt. Vi setter et tak per kjøring før noe settes i produksjon, slik at regningen ikke kan overraske.
Vi begynner med én oppgave og måler hva den faktisk koster å kjøre før vi utvider. Slik ble det gjort hos en maritim kunde, eller be om et anslag.
Hvor lang tid det tar
| Omfang | Tid |
|---|---|
| Første fungerende versjon å se på | dager |
| Én oppgave, én kilde, i produksjon | 3-6 uker |
| Med integrasjoner og godkjenningssteg | 6-10 uker |
| Flere agenter med felles styring | 3 måneder og oppover |
Det som tar tid er sjelden modellen. Det er å bli enig om hva agenten skal få lov til å gjøre uten å spørre, og å få kildene den leser fra i god nok stand til at svarene blir til å stole på.
Når dette passer, og når det ikke gjør det
Passer når
- Oppgaven gjøres i dag, manuelt, og gjentas ofte
- Det finnes en kilde å lese fra og et system å skrive til
- Det er mulig å si hva et godt svar er
- Noen internt kan se over resultatet i starten
Passer ikke når
- Oppgaven gjøres én gang i kvartalet, da går regnestykket ikke opp
- Ingen kan avgjøre om svaret er riktig
- Et feil svar er dyrt og kan ikke fanges av et godkjenningssteg
- Dataene den skulle lest finnes ikke samlet noe sted ennå
Spørsmål vi får
Forlater dataene våre miljøet?
Nei. Agenten kjører i deres egen Microsoft-tenant, på deres data, og dataene brukes ikke til å trene modeller. Tilgang styres av rollene dere allerede har i Entra ID.
Hva hvis den gjør noe feil?
Der en beslutning har konsekvenser bygger vi inn et menneskelig godkjenningssteg framfor å la modellen avgjøre alene. Alt logges per kjøring, så det er mulig å se i ettertid hvorfor noe ble gjort.
Er dette en pilot, eller noe som faktisk kjører?
En agent vi har bygget gjør reelt arbeid hos en maritim kunde hver dag, i kundens eget miljø. Vi bygger for produksjon, ikke for demo.
Hvem eier reglene agenten følger?
Dere. Reglene ligger i konfigurasjon, ikke i kode, slik at dere kan endre dem uten å bestille en endring fra oss.
Skal vi ta en prat om dette?
Fortell kort hva dere trenger, så får dere et konkret svar og et anslag dere kan regne med.