1 hackaton
Från idé till fungerande agent
Playwright + AI + CMS-integration
0 timmar
Manuell research per kundcase
Agenten gör förarbetet automatiskt
Alltid granskat
Människa godkänner innan publicering
AI föreslår, vi bestämmer
Vi satt runt skärmen och tittade. Ingen av oss sa något på en stund.
Agenten navigerade självständigt in på en kunds hemsida, letade sig fram till rätt sidor, analyserade källkoden för det vi byggt åt dem - och började skriva. Inte ett generiskt utkast med platshållare och instruktioner om vad man "borde fylla i här". En faktisk text om projektet. Med rätt detaljer. Med rätt kontext.
Det var resultatet av ett hackaton vi körde häromdagen. Målet var att lösa ett problem vi haft länge men aldrig prioriterat: vi har byggt en massa projekt åt kunder, men vi skriver sällan om dem.
Problemet: Varför tar kundcase så lång tid att skriva?
Det är inte för att vi saknar material. Det är för att processen är seg.
Att skriva ett kundcase kräver att någon sätter sig ned och förstår projektet på djupet - vad problemet var, vad vi byggde, varför vi valde den lösningen. Det kräver research, det kräver att man läser igenom gammal kod och gamla mejltrådar, och det kräver tid att formulera det på ett sätt som faktiskt är läsbart.
Den tiden finns sällan. Det finns alltid ett aktivt projekt som är mer akut. Kundcase hamnar på listan över saker vi ska göra "när det lugnar sig". Det lugnar sig sällan.
Konsekvensen är att vi har levererat lösningar vi är stolta över - men aldrig berättat om dem. Det är ett problem som många bolag känner igen, oavsett bransch.
Lösningen: Så bygger vi en AI-agent för content
Vi visste att det inte räckte med att "använda AI för att skriva snabbare". Det problemet är inte att skrivandet tar tid - det är att förarbetet tar tid. Research, analys, att förstå vad projektet faktiskt handlade om.
Så vi byggde en agent som gör det förarbetet.
Verktyget vi landade i var Playwright - ett ramverk för webbautomation som låter en agent navigera hemsidor precis som en människa skulle göra. Kombinerat med AI för analys och textgenerering fick vi ett flöde som kunde ta ett kundprojekt från "finns i produktion" till "utkast klart för granskning" utan att vi behövde göra det manuella grävjobbet.
Det är det vi menar med AI automatisering av innehållsskapande. Inte att trycka på en knapp och publicera vad som helst. Utan att låta AI hantera det som AI är bra på - snabb research, mönsterigenkänning, strukturering - så att vi kan fokusera på det som kräver mänsklig bedömning.
Steg-för-steg: Agentens arbetsflöde från webbsida till publicering
Här är hur flödet faktiskt ser ut:
1. Agenten besöker kundens hemsida Via Playwright navigerar agenten till kundens webbplats och identifierar relevanta sidor - om-sidor, produktsidor, eventuella omnämnanden av oss eller projektet.
2. Agenten skrapar och analyserar informationen Den plockar upp text, struktur och kontext från sidorna. Vad gör det här bolaget? Vad är deras produkt? Vilka är deras kunder?
3. Agenten analyserar källkoden Det här är steget som gör skillnaden. Agenten tittar på källkoden för det vi faktiskt byggt - inte en beskrivning av det, utan koden i sig. Den bildar sig en uppfattning om vad lösningen gör, hur den är uppbyggd och vad de tekniska valen innebär.
4. Agenten skriver ett utkast Baserat på allt den samlat in producerar agenten ett innehållsförslag - ett kundcase med relevant kontext, rätt detaljer och en läsbar struktur. Ingen behöver förklara projektet. Agenten förstod det själv.
5. Vi granskar och godkänner Utkastet landar hos oss för granskning. Det är här det mänskliga omdömet kommer in. Stämmer det? Är tonen rätt? Finns det något som behöver justeras eller lyftas fram mer? Vi godkänner, justerar eller skickar tillbaka.
6. Agenten publicerar i CMS När vi är nöjda med texten lägger agenten in den i vårt CMS. Klart.
Hela flödet - från webbsida och källkod till publicerat innehåll - med en mänsklig kontrollpunkt i mitten.
Mänsklig granskning är nyckeln - AI föreslår, vi godkänner
Det finns en viktig distinktion här som vi inte vill glömma bort.
Det här är inte ett system där AI skriver och publicerar utan att någon tittar. Det är ett system där AI gör det tunga förarbetet och presenterar ett välgrundat förslag - och en människa tar det sista beslutet.
Det är samma princip vi tillämpar i all vår utveckling. AI är ett verktyg som höjer kvaliteten och sänker kostnaden för det repetitiva arbetet. Men det ersätter inte det mänskliga omdömet i de steg där det omdömet faktiskt spelar roll.
I det här fallet spelar det roll när vi granskar utkastet. Är det faktamässigt korrekt? Speglar det hur vi vill presentera projektet? Är tonen rätt för vår kund? De frågorna kräver att någon som känner sammanhanget läser igenom texten. Det är vad vi gör.
Det agenten tar bort är allt arbete som kom innan den punkten - den research och analys som annars hade tagit timmar och som är skälet till att kundcase aldrig blir av.
Från hackaton till produktion: Vad vi lärde oss
Några saker stod ut när vi utvärderade dagen.
Playwright var rätt val. Vi hade börjat titta på ett annat verktyg, men diskussionerna under dagen pekade mot att Playwright gav oss den kontroll och flexibilitet vi behövde för att navigera webbsidor på ett tillförlitligt sätt. Ibland är det bästa beslutet att byta spår tidigt.
Demon var övertygande på ett sätt vi inte förväntade oss. Vi har byggt mycket internt, men det var något speciellt med att se agenten arbeta i realtid - navigera, analysera, skriva. Det konkretiserade vad AI agent content production faktiskt innebär på ett sätt som är svårt att förmedla i text.
Flödet kan appliceras på kunders utmaningar. Det vi byggde för vår egen content-produktion är egentligen en instans av ett bredare mönster: AI som gör research och analys automatiserat, med mänsklig granskning inbyggd. Det mönstret är relevant för många bolag som hanterar stora mängder information och behöver strukturera eller kommunicera den.
Tänk på det som AI research och analys automatisering - inte för att ersätta de som jobbar med det, utan för att ge dem bättre underlag att jobba med.
Skala och kvalitet går ihop. Det är det vi försöker visa med det här projektet. Att automatisera innehållsskapande handlar inte om att producera mer av lägre kvalitet. Det handlar om att göra det möjligt att producera rätt innehåll överhuvudtaget - för att förarbetet inte längre är ett hinder.
Vi vet att vi inte är ensamma om det här problemet. Kundcase och case studies är en av de mest värdefulla formerna av B2B-innehåll, och en av de som mest sällan faktiskt blir skrivna. Inte för att viljan saknas, utan för att processen är för tung.
Det behöver den inte vara.
Vill du veta hur det här hade sett ut för ert bolag? Boka ett kort samtal →