AI-automatisering der virker: regler i software

Når alt bliver gjort til et modelkald, bliver AI dyr, uforudsigelig og langsom. Rigtig AI-automatisering starter med regler i software – og bruger modellen kun, når et menneske ellers ville have skønnet.

TL;DR

• Regler først. Sæt det gentagelige i software og gør det deterministisk.
• Kald modellen kun dér, hvor et menneske ellers ville bruge skøn.
• Hold mennesker i løkken på undtagelser og ansvarstunge beslutninger.

Scenen: sådan ser arbejdet ud i dag

En servicevirksomhed planlægger udkørende teknikere. Ordren kommer ind via mail. Kunden har et abonnement, men der er tilvalg, der ændrer prisen. En adresse matcher ikke i CRM. Teknikerens kalender har en buffer, der ikke må brydes. En sikkerhedstjekliste skal udfyldes før afgang.

I dag løser mange det med et stort sæt manuelle trin og et par halvautomatiske flows. Et værktøj læser mailen. Et andet tildeler teknikere. Et tredje sender bekræftelse. Når noget afviger, lander det i en bunke, og nogen må gætte sig frem.

Det er hverken stabilt eller skalerbart. Og det gør medarbejderne til brandslukkere, ikke fagpersoner.

Hvad der ændrer sig

AI gør det muligt at læse, forstå og foreslå. Men styrken ligger ikke i at kalde en model overalt. Styrken ligger i at bygge et system omkring arbejdet:

• Regler og data flytter forudsigelige beslutninger ud af hovederne og ind i kode.
• Modeller hjælper dér, hvor regler ikke er nok: fritekst, ustrukturerede bilag, nuance.
• Mennesker beslutter ved tvivl, risiko og undtagelser – med fuld kontekst.

Det er forskellen mellem endnu et flow og et egentligt WorkOS: et sammenhængende operationssystem, der styrer arbejdsgange, data og ansvar. Og når beslutninger kræver støtte, leverer vi DSS-logik: klare anbefalinger, synlig rationalitet, og mulighed for at sige nej.

AI-automatisering: brug modellen kun til skøn

De fleste trin i jeres processer kan beskrives som regler. De kan være simple ("feltet må ikke være tomt") eller sammensatte ("hvis kunden er i denne zone, kapacitet > x, og SLA er gul, så planlæg inden 48 timer").

Sæt de trin i software. Det gør dem:

• Deterministiske: samme input, samme output.
• Sporbare: I kan forklare hvorfor en beslutning blev taget.
• Billige: kode koster ikke pr. kald.

Kald først modellen, når en fast regel ikke rækker. Eksempler:

• Klassificér en fri teksthenvendelse til en af fem kendte typer.
• Ekstrahér felter fra et uensartet bilag.
• Foreslå prioritet ud fra indholdets tone og indvirkning.

Og når udfaldet er usikkert, eller konsekvensen er høj, går beslutningen til et menneske – med forslag og begrundelse vedlagt.

Arkitekturen der holder

Byg fra venstre mod højre:

1. Data og validering

• Saml de nødvendige data via systemintegration til de værktøjer I allerede bruger.
• Valider og berig deterministisk: skemaer, opslag, regler, SLA- og kapacitetsgrænser.

2. Beslutningslogik

• Skriv forretningsregler i kode. Hold dem i versionkontrol. Gør dem testbare.
• Definér hvor modellen må bruges, med klare input/output-kontrakter.

3. Modelkald ved skøn

• Isolér modelkald i små, udskiftelige komponenter.
• Gem begrundelser, scoringsværdier og alternativer, så I kan auditere og forbedre.

4. Menneske i løkken

• Definér undtagelseskøer, roller og SLA for manuel afgørelse.
• Giv fuld kontekst: data, regelresultater og modelbegrundelse i én visning.

5. Læring og drift

• Mål kvalitet, gennemløbstid og omkostning pr. beslutning.
• Forbedr regler først. Finjustér eller udskift modellens komponenter når det giver effekt.

Det er den måde vi arbejder på i Agimatic: mulighedsafklaring → procesarkitektur → pilot i produktion → løbende optimering. Alt bundet op på jeres arbejdsgange, ikke på en demo.

Hvorfor et generisk værktøj eller et enkelt flow er en blindgyde

• Uden regler i software bliver hvert hjørne et modelproblem. Det bliver dyrt og uforudsigeligt.
• Uden sammenhængende systemer ender I med mange små automatiseringer, der skubber fejl mellem hinanden.
• Uden mennesker i løkken flytter I blot risiko ud i mørket.

Et engangsværktøj løser en delopgave i dag, men bliver en omvej i morgen. Et system omkring jeres arbejde holder, fordi det kan ændres: regler kan opdateres, modeller kan udskiftes, og undtagelser kan håndteres uden at rive det hele ned.

Hvad I konkret får ud af det

• Klar fordeling: hvad er regel, hvad er model, hvad er menneske.
• Færre overraskelser: deterministiske trin reducerer støj og omkostning.
• Bedre beslutninger: modellen bruges, hvor den gør mest nytte, og mennesker træder til, når det virkelig betyder noget.
• En platform at bygge videre på: WorkOS til den daglige drift og DSS til beslutningerne.

Lad os tale om jeres forretning

Hvis I vil have AI, der virker i drift, starter vi med jeres arbejdsgange. Vi bygger regler i software, bruger modellen kun, hvor skøn er nødvendigt, og sætter mennesker ind ved undtagelser. Tal med Agimatic om en mulighedsafklaring – så designer vi en arkitektur, I kan sætte i produktion og forbedre måned for måned.