AI-integration för företag

AI som arbetar i era system, inte bredvid dem

De flesta företag sitter på stora mängder data i form av dokument, e-post, fakturor, ärenden och rapporter. Problemet är att datan ofta är inlåst i manuella processer där någon läser, tolkar, kopierar och klistrar in, och samma arbetsmoment upprepas hundratals gånger om dagen. Det slösar tid, introducerar fel och gör det omöjligt att skala verksamheten utan att anställa fler.

AI har potential att förändra det här i grunden, men utmaningen är sällan tekniken i sig. Den svåra delen är att implementera den på rätt ställe och på rätt sätt, integrerad med de system ni redan har. Enligt SCB använde 35 procent av svenska företag AI under 2025, men en betydande del av dem saknar definierade syften med användningen, och det är där skillnaden mellan ett AI-verktyg och en AI-integration avgörs.

Burdy hjälper er att hitta de processer där AI gör störst skillnad och bygger lösningar som faktiskt används i vardagen.

Vad vi bygger

AI-agenter som utför uppgifter

En AI-agent är ett program som självständigt utför en avgränsad uppgift, till exempel att hämta underlag, fatta ett enkelt beslut enligt era regler och skicka resultatet vidare till rätt system. Vi bygger agenter med tydliga ramar, där agenten bara har de behörigheter den behöver och där varje steg loggas. I kritiska flöden lägger vi alltid in en mänsklig kontrollpunkt innan något skickas ut eller ändras. Varför vi föredrar skräddarsydda agenter med API-integration framför färdiga agentplattformar förklarar vi i Agentic AI och säkerhet.

RAG: AI som svarar utifrån era egna dokument

RAG (retrieval-augmented generation) innebär att AI-modellen först söker fram relevanta avsnitt i er egen dokumentation och sedan formulerar svaret utifrån dem. Det gör att svaren bygger på era policyer, avtal, manualer och processbeskrivningar i stället för på modellens allmänna kunskap, och att varje svar kan visa vilka källor det bygger på. Typiska användningsområden är intern kunskapssökning, stöd till kundtjänst och snabbare introduktion av nya medarbetare.

Dokument- och ärendeflöden

Vi automatiserar klassificering, dataextraktion och sammanfattning av dokument och ärenden, så att fakturor, avtal, offertförfrågningar och kundmejl hamnar rätt och med rätt uppgifter utan att någon behöver skriva av dem.

AI inbyggt i affärssystemen

AI-funktionerna kopplas till era befintliga system, som ERP, CRM, ärendehantering och dokumentarkiv, via API:er och webhooks. Resultatet hamnar där era medarbetare redan arbetar och inte i ett nytt verktyg de måste logga in i. Hur vi bygger själva kopplingarna beskriver vi på sidan om systemintegration.

Så arbetar vi

Steg 1: Processanalys och identifiering

Vi börjar med era flaskhalsar och identifierar tillsammans de processer som tar mest tid, kostar mest och har störst potential för automation. Det kan vara dokumentklassificering, offertgenerering, ärendehantering, rapportsammanställning eller dataextraktion, och vi kvantifierar besparingen så att ni kan fatta ett informerat beslut.

Steg 2: Proof of concept

Innan vi bygger produktionslösningen tar vi fram ett proof of concept med er faktiska data. Ni ser konkret hur AI-modellen presterar på era dokument, era ärenden och era frågeställningar, vilket tar bort osäkerheten och ger ett tydligt underlag för beslutet att gå vidare eller inte.

Steg 3: Integration med befintliga system

AI i isolation ger sällan något värde, så vi kopplar modellerna till era befintliga system och bygger in felhantering, loggning och behörighetsstyrning från början.

Steg 4: Övervakning och kontinuerlig förbättring

AI-modeller behöver underhåll. Vi sätter upp loggning och kvalitetsövervakning så att ni kan se hur modellen presterar över tid, och när nya dokumenttyper eller mönster dyker upp justerar vi promptar och flöden så att kvaliteten håller.

Teknikstack och modellval

Vi arbetar med de ledande AI-modellerna, Claude (Anthropic), OpenAI GPT och Google Gemini, och väljer modell utifrån uppgiften. Komplexa resonemang och dokumentanalys passar ofta Claude, medan enklare klassificeringsuppgifter kan hanteras kostnadseffektivt med lättare modeller.

Infrastrukturen bygger på Azure AI Foundry som gateway för alla AI-anrop, med Azure Container Apps för våra tjänster och .NET som orkestreringsplattform. Vi använder Managed Identity för säker autentisering utan exponerade API-nycklar, och alla anrop loggas i Application Insights för full spårbarhet och kostnadskontroll.

GDPR, AI Act och säkerhet

Vi använder företagsversioner av AI-tjänsterna där er data inte används för att träna modellerna, och vid behov kör vi modellerna inom er egen Azure-miljö så att data aldrig lämnar er kontroll. Innan personuppgifter kopplas in kartlägger vi var data behandlas, säkerställer att det finns biträdesavtal och dokumenterar flödet så att ni kan visa hur lösningen uppfyller GDPR. Vi bedömer också tillsammans med er hur EU:s AI-förordning (AI Act) påverkar lösningen, eftersom kraven skiljer sig åt beroende på vad AI:n används till.

Resultat från verkligheten

Åt ATA har vi byggt AI-assistenten Gilbert, som varje vardagsmorgon skickar ut bokförda fakturor från Business Central och själv eskalerar till ekonomiavdelningen när en kund saknar e-postadress. Den dagliga manuella rutinen är borta och varje körning loggas i sin helhet.

I vårt eget CRM-system, Burdy Caddy, har vi byggt AI-driven offertgenerering. Systemet samlar kontext om kunden, projektet och relevant historik och tar fram ett komplett offertförslag som konsulten kan granska och justera, vilket har gjort ett arbete som tidigare tog en halv dag till en kort process med högre kvalitet och jämnare ton.

Vad kostar AI-integration?

Kostnaden beror på hur komplext flödet är och hur många system som ska kopplas ihop. En enkel automatisering, till exempel AI-baserad kategorisering av inkommande mejl, kostar ofta 20 000–60 000 kr att komma igång med. En mellanstor integration där AI kopplas mot CRM eller affärssystem landar oftast på 150 000–400 000 kr, och en mer komplex lösning, till exempel RAG mot interna kunskapssystem, börjar på omkring 500 000 kr. Till det kommer löpande kostnader för API-anrop till AI-modellerna, så vi räknar alltid på den totala kostnaden över 12–24 månader. En mer utförlig genomgång finns i vår guide till AI-integration.

Vanliga frågor om AI-integration

Är våra data säkra när vi använder AI?

Ja. Vi använder företagsversioner av AI-tjänsterna där er data inte används för modellträning, all kommunikation är krypterad och vi kan vid behov köra modellerna inom er egen Azure-miljö.

Behöver vi byta ut våra befintliga system?

Nej, tvärtom. Hela poängen är att AI-funktionaliteten integreras med det ni redan har, så era medarbetare fortsätter att arbeta i samma gränssnitt med AI som stöd i bakgrunden.

Hur vet vi att AI:n ger korrekta svar?

Vi bygger alltid in mänsklig granskning i kritiska flöden, där AI:n föreslår, klassificerar och förbereder medan en människa bekräftar innan beslut fattas. Vi sätter också upp kvalitetsmätningar och loggar alla AI-interaktioner så att ni kan följa prestandan över tid.

Vad är skillnaden mellan en AI-agent och en vanlig automatisering?

En vanlig automatisering följer fasta regler steg för steg, medan en AI-agent kan tolka ostrukturerad information och välja nästa steg inom de ramar vi sätter. Därför kombinerar vi ofta båda, med fasta regler där flödet är förutsägbart och AI där det krävs tolkning.

Läs mer om AI-integration

• AI-integration för svenska företag: en praktisk guide för 2026 går igenom de vanligaste användningsfallen, hur ett projekt läggs upp och vad det kostar.
• Agentic AI och säkerhet förklarar när en skräddarsydd API-integration är säkrare än en färdig AI-agent.
• AI-agenten som skriver våra kundcase och AI-mötesappen Synapse visar två AI-flöden vi byggt och använder själva varje vecka.
• Kundcase: AI-assistenten Gilbert visar hur ATA automatiserade sitt fakturautskick.

Vill ni veta var AI kan göra störst skillnad hos er? Boka ett förutsättningslöst möte så går vi igenom era processer tillsammans.