En arbeidsflyt er ikke automatisk en AI-agent. Når samme inndata alltid skal følge de samme feltene og reglene, holder vanlig automatisering. Verktøy som n8n kobler sammen utløsere, systemer og faste betingelser. Et AI-trinn passer når ustrukturert tekst må forstås, eller neste handling skal velges blant noen få alternativer.
Eksempel: leverandørtilbud til innkjøp
Tenk deg at en grossist mottar tilbud fra leverandører på e-post og PDF. En n8n-flyt tar imot meldingen, lagrer vedlegget og sjekker obligatoriske felt. En modell kan hente ut produktnavn og antall og sammenligne med katalogen. Uklare linjer sendes til innkjøp. Først etter godkjenning oppretter ERP-systemet en bestillingsforespørsel; modellen endrer aldri pris på egen hånd.
- Registrer melding
- Les innhold
- Be om godkjenning
- Loggfør handling
Uklare opplysninger settes på vent. Ved forretningsmessige konsekvenser venter flyten på en godkjenning.
Gi hvert trinn en pålitelig tilstand
Hvert trinn bør ha en status: mottatt, kontrollert, venter på godkjenning, fullført eller mislykket. Et nytt forsøk må oppdage om handlingen allerede er utført. Gi hver forretningshandling en unik ID som målsystemet sjekker før en ny registrering. Uten idempotens kan et tidsavbrudd føre til en dobbeltbestilling eller at samme melding sendes flere ganger.
- Start med regler: håndter feltkontroller, grenser og vanlige forgreninger på en fast måte.
- Avgrens AI: bruk avtalte inndata og be om et strukturert resultat med usikkerhet.
- Krev godkjenning: utfør betaling, kundeløfter, sletting og eksterne meldinger etter godkjenning.
- Håndter feil: fastsett tidsgrenser, nye forsøk, stoppvilkår og manuell overlevering.
Mål færre overraskelser og riktige ting
Modeller kan tolke tekst feil, og eksterne tjenester kan være nede. Et nytt forsøk løser ikke alt: En uklar oppgave hører hjemme i en kø, ikke i en endeløs løkke. Logger skal gjøre beslutninger forståelige uten å lagre unødvendig sensitiv tekst. Når modell eller instruks endres, bør relevante testtilfeller kjøres på nytt.
- Mål andelen korrekte fullføringer og hvor mange saker som trenger manuell avklaring.
- Kontroller doble handlinger; målet for registreringer bør være null.
- Følg kjøretid, kostnad per fullførte oppgave og feil etter nye forsøk.
- Se hvor ofte medarbeidere endrer forslag eller avslår godkjenninger.
Integrasjoner uten fast katalog
Slack, Telegram, WhatsApp, e-post, Jira, CRM, ERP og din egen programvare: Vi bygger skreddersydde integrasjoner uten en fast katalog eller et forhåndsbestemt antall tilkoblinger. Omfanget avhenger av tilgjengelige API-er, tilganger og vilkårene til hver leverandør.
Koble Slack, Telegram, WhatsApp, e-post og Jira til CRM, ERP og egen programvare, slik at avtalte arbeidsflyter samordnes på tvers av kanaler og forretningssystemer.
Utløsere i Slack, Telegram, WhatsApp, e-post eller Jira starter handlinger; status, varsler og nødvendige godkjenninger sendes tilbake i riktig kanal.
Begynn med en flyt der feil kan rettes opp. AI- og arbeidsflytløsninger kan kombinere fast automatisering med avgrensede modelltrinn. Skreddersydde løsninger starter på 10 000 €; avgrenset leie fra 1 000 € per måned. Tilbudet fastsetter oppsett, kapasitet, maskinvare og tredjepartskostnader; mva kommer i tillegg hvis relevant. Snakk med Clutch om prosessen.
FAQ
Hva koster et AI-prosjekt?
Startprisene er 10 000 € for et prosjekt og 1 000 €/måned for månedlig kapasitetsleie. Tilbudet avhenger av omfang, kapasitet, oppsett, maskinvare, kostnader fra eksterne leverandører og gjeldende avgifter.
Hvilke team passer dette for?
Det passer for team med en konkret produkt- eller driftsoppgave, representative eksempler og en person som kan godkjenne resultatet. Vi undersøker først om AI faktisk hjelper; en vanlig regel eller programvareendring kan være enklere.
Sendes dataene våre til en ekstern AI-leverandør?
Det avhenger av oppsettet vi blir enige om. Vi dokumenterer dataflyt og tilgang før vi velger en ekstern modell eller privat lokal drift.
Hvordan avgjør dere om AI-en er god nok?
Før piloten avtaler vi representative inndata, akseptable resultater, feilgrenser og punkter for menneskelig godkjenning. Resultatet avhenger av dataene og arbeidsflyten din, så vi måler mot de avtalte eksemplene i stedet for å garantere en generell presisjon.