AI-agenter för företag

Vad är en AI-agent, och när behöver ni en?

En vanlig automatisering följer fasta regler och fungerar bra så länge indata ser likadan ut varje gång. En AI-agent klarar uppgifter där indata varierar, som mejl, PDF:er, offertförfrågningar eller webbsidor, eftersom den kan tolka innehållet, välja nästa steg och använda verktyg som API:er, databaser och webbläsare för att slutföra uppgiften.

Ni har troligen nytta av en agent om någon hos er varje dag läser, sorterar, kopierar eller följer upp information mellan olika system. Det är ofta just det arbetet som tar tid utan att skapa värde, och som dessutom fastnar när rätt person är ledig.

Vad våra AI-agenter gör

Agenter som arbetar i affärssystemet

Agenten hämtar, kontrollerar och skickar information i Business Central, Fortnox eller andra affärssystem, till exempel genom att skicka bokförda fakturor till kunderna varje morgon eller flagga avvikelser innan månadsbokslutet. Hur vi bygger kopplingarna beskriver vi på sidan om systemintegration.

Agenter som läser dokument och ärenden

Agenten tar emot inkommande mejl, fakturor, avtal och förfrågningar, plockar ut det som behövs och lägger det på rätt plats, så att ärendet är förberett när en handläggare tar över.

Agenter som researchar och skriver utkast

Agenten samlar information från webbsidor, interna dokument och källkod och skriver utkast till offerter, rapporter eller kundcase, som en person sedan granskar och godkänner.

Agenter som styr system utan API

När ett system saknar API kan agenten använda webbläsaren på samma sätt som en människa, med Playwright. Det gör att även äldre system kan ingå i ett automatiserat flöde utan att de behöver bytas ut.

AI föreslår, ni bestämmer

Vi bygger agenter som ni kan lita på, och därför har varje agent:

• Avgränsade behörigheter, så att den bara kommer åt de system och den data som uppgiften kräver.
• Full loggning, så att ni ser vad agenten gjorde, när och varför.
• Mänsklig kontrollpunkt innan sådant som inte går att ta tillbaka, till exempel att skicka något till en kund eller ändra i bokföringen.
• Eskalering till rätt person när agenten stöter på något den inte ska lösa själv, som en kund som saknar e-postadress.

Varför vi föredrar skräddarsydda agenter med API-integration framför färdiga agentplattformar förklarar vi i Agentic AI och säkerhet.

Resultat från verkligheten

Gilbert skickar ATA:s fakturor varje morgon

Varje vardag klockan 07.00 hämtar Gilbert alla fakturor som bokförts i Business Central de senaste sju dagarna och skickar dem till kunderna. Saknar en kund e-postadress får ekonomiavdelningen och ansvarig säljare en notis direkt, i stället för att problemet upptäcks när fakturan redan är försenad. Varje utskick loggas, och ekonomiavdelningen har inte längre någon daglig manuell rutin för fakturorna. Läs caset om Gilbert.

En agent som skriver våra kundcase

Vi byggde en agent som besöker kundens webbplats, analyserar källkoden i lösningen vi byggt och skriver ett utkast till kundcase, som en av oss granskar innan det publiceras. Researchen som tidigare tog timmar per case sköts nu av agenten. Läs hur agenten fungerar.

Så bygger vi en AI-agent

Steg 1: Förstudie och val av uppgift

Vi kartlägger processen tillsammans med de som gör arbetet i dag, väljer en avgränsad uppgift och räknar på vad den kostar er nu. En bra första agent sparar tid varje vecka och har ett tydligt facit för vad som är rätt.

Steg 2: Prototyp på er egen data

Vi bygger en första version som körs mot riktig data i en testmiljö, så att ni ser hur agenten resonerar och var den behöver stöd innan något går i drift.

Steg 3: Integration och drift

Agenten kopplas till era system via API:er, webhooks eller webbläsarautomation, med felhantering, loggning och behörighetsstyrning från start. Den kan köras i er egen Azure-miljö och koden är alltid er.

Steg 4: Uppföljning och nästa agent

Vi följer upp kvaliteten, justerar instruktionerna när nya fall dyker upp och tar fram nästa uppgift som är värd att automatisera.

Teknik och modellval

Vi väljer modell utifrån uppgiften och använder Claude (Anthropic), OpenAI GPT och Google Gemini. Komplexa resonemang och dokumentanalys passar ofta Claude, medan enklare klassificering kan göras med lättare och billigare modeller. Agenterna byggs i .NET eller TypeScript, styr webbläsare med Playwright, kopplas till Microsoft 365 via Microsoft Graph och driftas i Azure med Managed Identity och Application Insights.

GDPR, AI Act och säkerhet

Vi använder företagsversioner av AI-tjänsterna, där er data inte används för att träna modellerna, och vid behov körs modellerna inom er egen Azure-miljö. Personuppgiftsbiträdesavtal och dokumenterade dataflöden tas fram innan agenten kopplas till personuppgifter, och vi bedömer för varje agent hur EU:s AI-förordning påverkar den.

Vad kostar det att bygga en AI-agent?

Kostnaden beror främst på hur många system agenten ska arbeta i och hur mycket variation den ska hantera. En enkel AI-agent som gör en avgränsad uppgift i ett system kostar från 60 000 kr, medan en agent som arbetar över flera affärssystem med granskningsflöden oftast hamnar på 150 000–400 000 kr. Vi räknar alltid med den totala kostnaden över 12–24 månader, inklusive löpande kostnader för AI-tjänsterna, så att ni kan jämföra med vad uppgiften kostar i dag. En mer utförlig genomgång finns i vår guide till AI-integration.

Vanliga frågor om AI-agenter

Vad är skillnaden mellan en AI-agent och en chattbot?

En chattbot svarar på frågor, medan en AI-agent utför uppgifter. Agenten kan läsa dokument, hämta data, uppdatera system och skicka meddelanden, och den gör det även när ingen sitter och chattar med den.

Kan en AI-agent göra fel?

Ja, och därför bygger vi in kontrollpunkter. Agenten gör förarbetet och en människa godkänner det som är viktigt eller inte går att ta tillbaka, och allt loggas så att fel går att spåra och rätta.

Behöver vi byta ut våra system för att använda en AI-agent?

Nej. Agenten arbetar i de system ni redan har, via API:er eller via webbläsaren när ett API saknas.

Hur lång tid tar det att bygga en AI-agent?

En avgränsad första agent är ofta i drift inom 4–8 veckor, inklusive förstudie och prototyp.

Kan vi bygga AI-agenter själva?

Det går, och verktygen blir allt bättre. Det som brukar ta tid är allt runt omkring: behörigheter, felhantering, loggning, kopplingar till affärssystemen och att agenten fortsätter fungera när verkligheten ändras. Vi kan också bygga den första agenten tillsammans med ert team via Team as a Service.

Läs mer om AI-agenter

• Kundcase: AI-assistenten Gilbert visar hur ATA automatiserade sitt fakturautskick.
• AI-agenten som skriver våra kundcase visar en agent vi använder själva varje vecka.
• Agentic AI och säkerhet förklarar när en skräddarsydd API-integration är säkrare än en färdig AI-agent.
• AI-integration för företag beskriver hur vi bygger in AI i era befintliga system.

Vilken uppgift ska er första agent ta över? Boka ett förutsättningslöst möte så går vi igenom om en AI-agent är rätt lösning och vad den skulle vara värd.