- Upphandlingsagenten, som analyserar lagen om offentlig upphandling (LOU) och vägledande rättsfall, vilket avlastar jurister och inköpare.
- Komponentagenten, som letar upp tekniska komponenter enligt en kravspecifikation, något som tidigare krävde manuell granskning av datablad.
- Kodagenten, som hjälper utvecklare med granskning, felsökning och funktionstillägg.
- Produktkategoriseringsagenten, som automatiskt klassificerar produkter utifrån textbeskrivningar och struktur.
- Affärsystem-agenten, som svarar på vanliga användarfrågor, både internt och externt.
– Det handlar inte om att ersätta människor utan om att ta bort tidskrävande moment så att människor kan fokusera på det som kräver omdöme, dialog och kreativitet, säger Fredrik.
Integration, inte isolering
Vad som gör vårt arbete med AI-agenter unikt är hur nära de är kopplade till verksamheten. Vi bygger inte AI för att det är "framtiden", utan för att lösa konkreta problem här och nu.
– Våra agenter är inte fristående verktyg. De är inbyggda i våra befintliga system och processer förklarar Fredrik. Det gör att de både kan hämta data och agera på resultat direkt i flödet där arbetet sker.
Dessutom arbetar vi med multiagent-samverkan. Det innebär att flera AI-agenter kan samarbeta i realtid. Ett exempel är när upphandlingsagenten identifierar ett behov och automatiskt kopplar in komponentagenten för att hitta tekniskt kompatibla alternativ. Det är lite som att ha ett automatiserat expertteam där varje medlem är expert på sitt område och de kommunicerar sömlöst.
Från idé till agent på under två veckor
En stor fördel vi har är att vi både har direkt tillgång till vår data och till användarna som ska jobba med agenten. Det gör att vi kan gå från idé till fungerande lösning snabbt, ofta på mindre än två veckor.
– Vi börjar alltid med ett verkligt problem från verksamheten. Sedan definierar vi agentens roll, mål och vilken typ av input den behöver. I vissa fall bygger vi också ett beslutsflöde eller interaktionslogik, berättar Fredrik.
Efter det sätter vi upp en prototyp och testar den mot verkliga fall. Fungerar den som tänkt, så integrerar vi den direkt i systemmiljön där den ska verka.
– Det viktiga är att agenten inte blir ett sidospår. Den ska finnas där arbetet sker annars används den inte, säger Fredrik.
Påtagliga resultat i praktiken
Och resultaten? De talar sitt tydliga språk.
- Upphandlingsagenten har minskat tiden som läggs på juridisk analys med över 70 %, samtidigt som svaren blivit mer enhetliga och spårbara.
- Komponentagenten har halverat tiden från kravställning till ett färdigt förslag på lösning, vilket både ökar farten och minskar risken för felval.
- Affärsytems-agenten har tagit över 30–40 % av de enklare supportärendena – vilket frigör supportpersonal till mer komplexa kundfall.
– Det handlar inte bara om att spara tid. Det handlar om att höja kvaliteten, minska risken för misstag och ge människor utrymme att göra mer avancerade saker, säger Fredrik.
Hur mycket får AI-agenten bestämma?
En viktig fråga i varje AI-satsning är hur mycket ansvar agenten får ta. Hos oss varierar graden av autonomi beroende på uppgift.
– När det gäller juridik eller ekonomi agerar AI:n som ett beslutsstöd. Den kan föreslå åtgärder eller analysera text, men en människa gör alltid den slutliga bedömningen, förklarar Fredrik.
– I mer tekniska och rutinmässiga uppgifter – som komponentval eller produktkategorisering – har agenten däremot hög autonomi och kan fatta egna beslut. Där är det fullt möjligt att låta AI:n agera direkt.
Vi jobbar efter principen: Automatisera så långt det är säkert och förutsägbart – och lämna över till mänskligt omdöme när det behövs.
Vad händer härnäst inom AI-agenters utveckling?
Vi frågar Fredrik hur han ser på framtiden.
– Vi ser redan flera tydliga trender:
- Samarbetande AI-agenter – flera specialiserade agenter som löser uppgifter ihop, som ett team av experter.
- Större autonomi – med kontroll – agenten får agera mer självständigt, men inom tydligt definierade ramar.
- Domänspecifika mikromodeller – i stället för en stor modell tränar vi mindre AI:er på snäva uppgifter, vilket ger bättre precision.
- Djupare integration i arbetsverktyg – AI kommer inte att kännas som något “extra”, utan vara en självklar del av verktyg som affärssystem, chatt och mail.
- Transparens och spårbarhet – användare måste kunna förstå hur ett AI-beslut tagits, särskilt i känsliga sammanhang.
– Vi bygger redan våra agenter med dessa principer i åtanke. Det ger oss ett försprång både tekniskt och kulturellt när behoven och möjligheterna växer, avslutar Fredrik.
Fredrik Wells
Technical Sales Support
