Værktøjer der løser jeres egne opgaver
Små, skarpe værktøjer bygget til én konkret opgave hos jer, fra klikbar prototype til noget kollegaerne bruger uden oplæring.
Værktøjer, der løser jeres konkrete opgaver
Vi bygger AI-værktøjer, der løser konkrete opgaver: tilbudsudkast fra jeres prisliste, produkttekster fra specifikationer, gennemlæsning af RFQ-materiale og svarudkast til supportmails. Et værktøj skal have tjent sig hjem i sparet tid inden for et år, og det regner vi på, før vi bygger.
Er opgaven stadig ved at finde form, bygger vi først en prototype, I kan klikke rundt i, og beslutter derfra, om den skal videre i drift.
- Afklaring af opgave, volumen og realistisk besparelse i timer
- Regnestykke på tilbagebetalingstid, før noget bygges
- Opsætning af jeres data, så værktøjet henter frem for at gætte
- Instrukser med regler for format, tone og hvornår et menneske spørges
Det får I
Vi bygger AI-værktøjer, der løser konkrete opgaver: tilbudsudkast fra jeres prisliste, produkttekster fra specifikationer, gennemlæsning af RFQ-materiale og svarudkast til supportmails.
- Timer tilbage til det, mennesker er bedst til
- Værktøjer bygget til jeres egne, konkrete opgaver
- Fuldt ejerskab over kode, instrukser og data
Hvem det er oplagt for
Det er oplagt, hvis der er en opgave, flere kollegaer laver på samme måde hver uge. Hvis I gerne vil prøve AI af på noget konkret frem for i teorien. Eller hvis I har data, der i dag bliver flyttet i hånden.
Fire værktøjer vi har bygget flest af
Vi bygger små værktøjer, der gør én ting godt, og som en medarbejder kan bruge efter ti minutters introduktion. Her er de fire typer, vi bygger oftest, og hvad de sparer.
Tilbudsgeneratoren
Sælgeren indtaster kundens behov og vælger komponenter. Værktøjet henter priser fra jeres prisliste, skriver et tilbudsudkast i jeres skabelon og med jeres formuleringer, og sælgeren retter til og sender.
Produkttekstmaskinen
Trækker specifikationer fra jeres PIM eller regneark og skriver produkttekst på 80 til 150 ord pr. varenummer i jeres tone, på dansk, engelsk og tysk. En medarbejder godkender i en liste.
RFQ-læseren
Kunden sender 40 siders udbudsmateriale. Værktøjet læser det igennem, trækker krav, mængder, frister og afvigelser fra jeres standard ud i et skema, og markerer hvad der kræver en beslutning. Vigtigere: det fanger de krav, der ellers overses på side 31.
Supportsvareren
Læser indkommende mails, finder svaret i jeres dokumentation og skriver et udkast, som en medarbejder godkender eller retter.
Hvordan et værktøj bliver bygget
Vi bygger via de førende AI-platforme, blandt andre Claude fra Anthropic, Codex fra OpenAI og Lovable, kombineret med jeres egne data. Vi holder os til de eksisterende modeller og lader dem slå op i jeres data, for det er hurtigere at bygge og nemmere at rette til, når priser eller produkter ændrer sig.
Det sidste punkt afgør, om værktøjet bliver brugt. Et værktøj, der kræver, at man åbner en ny fane og logger ind, bliver brugt de første tre uger. Et værktøj, der ligger som en knap i det system, folk sidder i, bliver brugt.
- Jeres data. Prislister, produktdata, dokumentation og tidligere tilbud, gjort søgbare, så modellen henter det rigtige frem i stedet for at gætte
- Instruksen. Detaljerede regler for, hvad værktøjet må, i hvilket format det svarer, og hvornår det skal sige fra
- Brugerfladen. Et simpelt værktøj i browseren eller direkte i det system, medarbejderen allerede arbejder i
Fra idé til noget I kan klikke på
Er opgaven stadig ved at finde form, fordi kollegaerne har hver deres billede af, hvad værktøjet skal kunne, bygger vi først en prototype, I kan klikke rundt i. Så bliver samtalen konkret, for det er nemmere at sige, hvad der mangler, når man kan trykke på det, end når man læser en kravspecifikation.
Nogle løsninger bliver ved med at være prototyper, fordi de har gjort deres arbejde, når beslutningen er truffet. Andre går videre og bliver til værktøjer, kollegaerne bruger hver dag. Vejen fra prototype til produktion er kortere, end den var for bare et år siden.
- Klikbare prototyper og koncepter, der kan vises og testes
- Interne værktøjer, der løser en konkret opgave i hverdagen
- Landingssider og kampagneværktøjer
- Produktionsklare løsninger, hvor der er behov for det
Regnestykket, før vi bygger
Vi regner altid på tilbagebetalingstid, før vi bygger, og siger åbent til, hvis værktøjet ser ud til at tage mere end et år om at tjene sig hjem.
Regnestykket bygger på tre tal, som vi finder sammen med jer. Hvor lang tid opgaven tager i dag, hvor ofte den udføres, og hvor stor en del værktøjet realistisk kan tage. Tager opgaven en time, sker den tredive gange om måneden, og kan værktøjet tage halvdelen, er der femten timer at hente hver måned. Er den samme opgave sjælden, er gevinsten tilsvarende mindre, uanset hvor godt værktøjet bliver.
- Opbygningen, som vokser markant, når der skal integreres til ERP, PIM eller CRM
- Oprydning i jeres data, som ofte fylder mere end selve værktøjet
- Det løbende forbrug hos modelleverandøren, som følger volumen
- Justering efter de første måneders brug, som altid er nødvendig
- Den tid, medarbejderne bruger på at godkende output
Drift, ejerskab og adgang
Et AI-værktøj er software, og software skal vedligeholdes. Modeller opdateres, API’er ændrer sig, og jeres data flytter sig.
I ejer koden, instrukserne og jeres data. Stopper samarbejdet, får I det hele udleveret sammen med en beskrivelse af opsætningen. API-nøglerne står i jeres eget navn, så I står direkte over for leverandøren og kan skifte os ud uden at skulle bygge om.
- Overvågning af, at værktøjet svarer, og at API'et er tilgængeligt
- Opdatering når leverandøren udfaser en modelversion
- Justering af instrukser, når output begynder at glide
- Kontrol af forbruget hver måned
Spørgsmål og svar
En person, der ejer opgaven og kan beslutte. Adgang til de data, værktøjet skal arbejde på. Og et par medarbejdere, der vil bruge det side om side med den gamle metode i testfasen. Dertil den tid, det tager at rydde op i data, hvis priser eller specifikationer ligger spredt i flere regneark. Den oprydning er ofte hele projektet, og AI-delen er den nemme del.
Nej, og det er sjældent nødvendigt. Vi bruger eksisterende sprogmodeller via API og gør jeres egne data søgbare, så modellen henter det rigtige frem. Det er hurtigere at bygge og nemmere at rette, når jeres priser eller produkter ændrer sig.
Vi bygger altid et menneske ind i sidste led. Værktøjet laver et udkast, og en medarbejder godkender. Vi instruerer det også i at sige fra, når det er i tvivl, og vi måler, hvor ofte output skal rettes væsentligt.
Ja. I ejer koden, instrukserne og jeres data, og API-nøglerne står i jeres eget navn. Stopper samarbejdet, får I det hele udleveret med en beskrivelse af opsætningen og af, hvilke modeller og versioner der bruges, så en anden leverandør kan tage over.
Hvis der er et API, ja. Vi bygger integrationen med Make, n8n eller direkte mod API’et. Mangler API’et, kan vi arbejde med planlagte eksporter og importer, og så siger vi åbent, hvad det betyder for hastighed og robusthed, før I beslutter.
Når opgaven går igen mange gange om måneden, kræver sprogforståelse, og datagrundlaget findes i en form, vi kan arbejde med. Har opgaven derimod faste regler, er en almindelig integration ofte både enklere og mere pålidelig, og så siger vi det.
Mindre end mange ofte tror. En tilbudsgenerator, der laver 30 tilbud om måneden, bruger meget lidt. Et værktøj, der behandler tusindvis af dokumenter, fylder mere, fordi forbruget følger volumen direkte. Vi overvåger det hver måned og siger til, hvis det stiger uventet, for en pludselig stigning er som regel et tegn på, at noget kører i ring.
Ja, og det sker oftere og oftere. Vi tager stilling til det sammen med jer, når I har set prototypen. Skal den i drift, tager vi de ting med, som produktion kræver: brugerstyring, sikkerhed, integration og drift.
Ja. Det er en god måde at vise en idé til ledelsen, til kunder eller til en investor, før der er brugt et større beløb på udvikling.
Lad os skabe resultater, sammen
Skriv et par linjer om, hvad I gerne vil have hjælp til, så finder vi den rigtige kollega og vender tilbage. Har I hellere lyst til at mødes, kommer vi gerne ud til jer, sætter kaffe over her på kontoret eller ses online. Det er helt op til jer.
obligatorisk felt