Automatisering. Det tråkiga först.
Automatisering för företag börjar med ett upprepat steg: data som kopieras från Excel till ett system, en rapport som sätts ihop för hand eller samma kontroll varje morgon. Vi bygger interna verktyg och automationer som har en tydlig ägare och säger till när något går fel.
Känner du igen dig?
Företag där Excel är systemet
En viktig process lever i kalkylblad, mejltrådar och en persons minne.
Driftsteam
Samma manuella arbete upprepas varje vecka, och felen upptäcks sent.
Företag som funderar på en AI-agent
Du vill testa om en agent kan sköta en del av arbetet — utan att den fattar beslut den inte borde.
Att automatisera hela processen är ett för stort första steg.
Många automationsprojekt försöker ersätta en hel process på en gång, och undantagen äter upp tidsplanen. Bättre är att välja ett avgränsat, upprepat och mätbart steg.
Automation utan övervakning är farlig: den kan göra samma fel snabbt och många gånger. Därför har varje körning en logg, varje fel ett larm, och en människa kan alltid kontrollera.
Liten automation som faktiskt fungerar
Beskriv nuläget
Var datan kommer ifrån, vad som händer med den, vem som kontrollerar resultatet och vad som händer vid undantag.
Avgränsa första steget
Ett upprepat steg med tydlig indata och utdata. Vi mäter före och efter.
Bygg för övervakning
Loggar, körhistorik, felnotiser och vid behov mänskligt godkännande före en viktig åtgärd.
AI där det hjälper
Klassificera text, plocka ut uppgifter ur dokument eller skriva utkast. Beslut med konsekvenser stannar hos en människa.
Seniorer planerar. Agenter bygger. Människor verifierar.
Agenter arbetar parallellt där beroendena tillåter. De fattar inga produktionsbeslut.
- 01Mål & avgränsning
- 02Arkitektur
- 03Avgränsade agentuppgifter
- 04Pull requests
- 05Mänsklig granskning
- 06Tester
- 07Release & övervakning
Exempel på automationer
- ↗ Excel- och CSV-processer blir en app
- ↗ Automatiskt sammanställda rapporter
- ↗ Dataöverföringar mellan system
- ↗ Interna admin- och verktygsappar
- ↗ Uppgifter ur dokument med AI
- ↗ Interna AI-agenter för avgränsade uppgifter
- ↗ Schemalagda datauppdateringar och kontroller
- Python
- TypeScript
- Schemalagda jobb
- Köer
- LLM-API:er
- PostgreSQL
Vi väljer teknik efter projektet. Det här är vanliga val, ingen meny.
Genererat är inte klart. Verifierat är klart.
AI-modeller gör misstag, det gör människor också. Vår process är byggd för att fånga dem innan dina användare gör det: mänsklig granskning, tester anpassade efter risken och validering före release.
Vad betyder ”klart”? ↗Hur kommer vi igång?
Den första automationen ryms ofta i en avgränsad utvecklingssprint: 5 000 € + moms för första veckan, fast pris. Efter det vet du om nästa steg är värt det.
Bra frågor.
Vad ska vi automatisera först?＋
Ett steg som upprepas ofta, har tydlig indata och utdata och där felen är lätta att upptäcka. Inte nödvändigtvis det som irriterar mest.
Kan vi ersätta Excel helt?＋
Ibland. Ofta är det bättre att först automatisera de manuella stegen runt kalkylbladet och göra processen till en app när den är tydlig.
Fattar en AI-agent beslut åt oss?＋
Bara de som avtalats. En agent kan klassificera, plocka ut och föreslå. Åtgärder med ekonomiska eller juridiska konsekvenser godkänns av en människa.
Räcker inte Power Automate eller ett annat no-code-verktyg?＋
Ibland räcker det, och då säger vi det. Skräddarsydd automation lönar sig när logiken är komplex, datamängderna stora, systemen saknar färdiga kopplingar eller när du behöver full kontroll över felhanteringen.
Läs innan du köper.
Vilket steg upprepas varje vecka?
Beskriv processen som den ser ut i dag. Skärmdumpar och exempelkalkylblad hjälper.
Beskriv processen↗