Kundtjänst
Läser ärendet, hämtar order- och kunduppgifter, svarar på det vanliga och skickar resten till rätt person med en sammanfattning.
En chatbot svarar på frågor. En agent tar uppgiften vidare: läser mejlet, hämtar uppgifterna, gör ändringen och säger till när den är klar.
Kunden vill flytta sin leveransExempel
Valet styrs av era system och avtal, inte av vilken plattform vi tycker är roligast. Har ni redan Microsoft 365 är det ofta en bra start, men agenten kan lika gärna byggas fristående. Kopplingarna till era system bygger vi gärna med MCP, så att de fungerar oavsett modell.
Copilot Studio
Ofta rätt start om ni har Microsoft 365. Agenten arbetar där medarbetarna redan är – i Teams, Outlook och SharePoint – och använder de behörigheter ni redan har satt upp.
Agent Builder
OpenAI:s verktyg för agenter som ska arbeta i flera system eller mot egna data, med ChatGPT-modellerna i botten.
n8n
När agenten är ett steg bland flera: något kommer in, agenten bedömer och flödet utför resten. Kan köras på er egen server.
Egen kod
Direkt mot Claude, ChatGPT eller Gemini när agenten ska byggas in i er egen produkt, eller när ni behöver full kontroll över logik, data och drift.
En agent är rätt när uppgiften kräver omdöme i flera steg och informationen finns i olika system. Följer uppgiften samma väg varje gång är ett vanligt automatiserat flöde billigare och stabilare. Vi säger till vilket som passar, och bygger det som behövs.
Samma fyra steg oavsett vilken plattform agenten byggs i.
Agenten får en tydlig uppgift, till exempel "besvara inkommande reklamationer", och regler för vad den får och inte får göra. Reglerna skriver vi tillsammans med er: vilka ärenden den tar, vilka belopp den får hantera och när den alltid ska fråga först. Ju tydligare målet är, desto mer förutsägbar blir agenten.
Den bryter ner uppgiften i steg: vad behöver jag veta, var finns det och vad ska hända sedan? Planen är inte hårdkodad. Saknas en uppgift letar agenten på ett annat ställe eller ställer en fråga, i stället för att följa samma väg varje gång. Det är det som skiljer en agent från ett vanligt automatiserat flöde.
Den läser och skriver i de system den har behörighet till – mejl, CRM, affärssystem eller dokument – via kopplingar vi bygger, till exempel med MCP eller systemens egna API:er. Agenten får bara de behörigheter uppgiften kräver, och känsliga åtgärder kan kräva att en människa godkänner dem först.
Den kontrollerar resultatet mot målet, frågar en människa när den är osäker och loggar allt den gjort. I loggen ser ni vad agenten läste, vad den bestämde och varför. Det gör det enkelt att rätta fel, justera reglerna och ge agenten mer ansvar när den har visat att den klarar uppgiften.
Läser ärendet, hämtar order- och kunduppgifter, svarar på det vanliga och skickar resten till rätt person med en sammanfattning.
Kvalificerar nya leads mot era kriterier, skriver uppföljningar och håller CRM:et uppdaterat efter varje kontakt.
Går igenom inkommande mejl, sorterar efter vad avsändaren vill och förbereder svar eller åtgärd åt den som äger frågan.
Hämtar siffror från flera källor, jämför med förra perioden och skriver en sammanfattning som går att läsa på två minuter.
Samlar kundens önskemål, prislistor och tidigare offerter och skriver ett första utkast som en säljare granskar.
Följer upphandlingar, konkurrenter eller regelverk och säger till när något dyker upp som berör er.
Vi börjar alltid med en agent som föreslår och låter en människa godkänna. Den får mer ansvar först när resultatet har visat att det håller, och ni kan alltid dra tillbaka det. Så får ni nyttan tidigt, utan att lämna ifrån er kontrollen.
Agenten gör förarbetet: läser ärendet, hämtar uppgifterna och skriver ett förslag. En människa godkänner innan något skickas eller ändras. Här börjar alla agenter vi bygger, och här ser ni hur den resonerar.
När förslagen håller får agenten utföra de enkla fallen själv, inom gränser ni sätter: vilka system den når, vilka belopp den får hantera och vilka kunder den får kontakta. Allt utanför gränserna går fortfarande till en människa.
Varje steg agenten tar sparas: vad den läste, vad den bestämde och varför. Det gör det enkelt att rätta fel, och att visa hur ni använder AI om kunder eller revisorer frågar.

Generativ AI skapar text, bild eller kod när ni ber om det. Agentisk AI använder samma modeller men agerar: den planerar stegen, använder verktyg och följer upp. Den första sparar minuter åt den som skriver, den andra kan ta hela uppgiften från start till mål.
För en agent är själva modellen därför bara en del. Minst lika viktigt är vilka system den når, vilka regler den följer och hur den lämnar över till en människa. Hur vi kopplar AI till de system ni redan har beskriver vi under AI-integration.

En AI-agent är en språkmodell som får ett mål, tillgång till verktyg och lov att ta flera steg på egen hand. Den kan söka i era system, fatta enkla beslut och utföra dem – och lämna över till en människa när något är oklart. Det är det som kallas agentic AI.
Skillnaden mot en AI-chatbot är att agenten inte stannar vid svaret. Den gör ändringen i CRM:et, skickar utkastet för godkännande och följer upp. Skillnaden mot ett vanligt automatiserat flöde är att agenten själv väljer nästa steg utifrån vad den hittar, i stället för att följa samma väg varje gång.
Hittar ni inte svaret? Boka en AI-genomgång eller ring oss på 070-953 53 99.
AI-genomgång
Vi går igenom en uppgift som tar tid idag och säger ärligt vad som passar: AI, vanlig automatisering eller ingenting alls.
