Spring til indholdet
Promtech Systems
Alle indlæg

Niklas Andersson12. nov. 2026 · 3 min. læsningArbejde siden 2023

Hvem kan bygge AI-agenter, der svarer på spørgsmål om jeres data i Slack eller på mail?

Et færdigt værktøj, jeres eget team eller en specialist. Salesforce gik fra snesevis af timer om ugen på egne forespørgsler til svar på minutter. Sådan vælger I, hvad der oftest går galt, og hvordan I tester det.

Hvem kan bygge en AI-agent, der svarer på spørgsmål om jeres data?

En AI- eller dataudvikler kan bygge den, et specialistfirma kan bygge den for jer, og der findes færdige værktøjer. Slack har egne grænseflader til AI-agenter, så teknikken er ikke forhindringen. Valget afhænger af, hvor rene jeres data er, og om I har egne dataingeniører. Vi hører selv til specialisterne.

VejEksemplerPasser nårTænk på
Færdigt værktøjBasedash og lignendeDataene er rene, og I vil teste hurtigtEt løbende gebyr, og dataene passerer endnu en leverandør
Eget teamSalesforce, BitriseI har dataingeniører, der kan passe denAgenten bliver et system, som nogen skal eje
SpecialistPromtech og andreI mangler egne dataingeniører og har et afgrænset spørgsmålKræv, at koden og adgangen er jeres

Hvorfor i Slack eller på mail i stedet for i dashboards?

Fordi et dashboard kun hjælper dem, der logger ind, og de fleste, der træffer beslutninger ud fra tallene, gør det ikke. Datateamet hos Bitrise valgte Slack frem for mail og en ny webapp af samme grund: folk skal kunne nå analytikeren der, hvor de allerede arbejder. Salesforce skriver, at snesevis af timer om ugen på egne forespørgsler blev til svar på minutter.

KanalGod tilMindre god til
Slack eller TeamsOpfølgende spørgsmål i en tråd, svar som hele teamet serSvar, som ikke alle i kanalen må se
MailOpsummeringen før mandagens møde, chefer uden SlackHurtige opfølgende spørgsmål
Telegram eller WhatsAppSvar på mobilenVirksomhedens kontrol over konti og logs

Hvad går oftest galt med AI-agenter på virksomhedsdata?

At agenten svarer forkert med selvtillid. Teamet bag Toqan hos Prosus fandt ud af, at sprogmodeller ikke skriver SQL præcist nok på rigtige, komplekse data, og byggede derfor et agentlag rundt om modellen. Det er sjældent modellen, der afgør det, men det, der er omkring den:

  • Definitioner. Agenten skal vide, hvad omsætning betyder hos jer, ikke gætte.
  • Adgangsrettigheder. Den må kun kunne læse, og kun det, den der spørger, må se.
  • Opfølgende spørgsmål. Hellere et spørgsmål tilbage end en tavs, forkert antagelse.
  • Dato og kilde. Svaret skal vise, hvilke data det bygger på, og hvor friske de er.
  • Log. Hvert spørgsmål gemmes, så fejl kan findes.

Agenten bliver aldrig bedre end dataene under den. Er dataflowene ikke på plads, er det der, I skal starte: sådan vælger I nogen, der bygger dem.

Hvordan tester man, om en AI-agent svarer rigtigt?

Skriv tyve spørgsmål, I allerede kender svaret på, og stil dem, før nogen andre får adgang. Tag spørgsmål med, der kræver, at to systemer kobles sammen, et spørgsmål, agenten ikke skal kunne svare på, og et spørgsmål fra en, der ikke må se dataene. Gentag testen, hver gang dataene eller modellen ændres.

Køb ikke ud fra en demo. En demo viser spørgsmål, som leverandøren allerede ved virker.

Hvad har Promtech bygget?

Agenter, der omsætter spørgsmål på almindeligt sprog til SQL, siden 2023, og en assistent i daglig drift siden februar 2026.

ÅrSystemHvad det gør
2023–2025AudienceScanEn skemabevidst agent lader kundens team spørge datavarehuset uden at skrive SQL
Siden februar 2026Analyse i TelegramSvar på almindeligt sprog, opfølgende spørgsmål, CSV og en daglig opsummering. Hver kundes spørgsmål vedrører kun kundens egne data.

Vi har endnu ikke leveret en agent i Slack eller en, der svarer via mail. Kanalen er den mindste del af udviklingen: forespørgselslaget, adgangsrettighederne og testene er de samme, og kun døren skiftes ud. Men det er bedre, at I hører det fra os, end at I opdager det senere.

Ofte stillede spørgsmål

Kan en AI-agent svare på spørgsmål om vores data i Slack?
Ja. Både Salesforce og Bitrise beskriver den slags agenter, som de kører internt. Chatten er den nemme del. Rigtige svar afhænger af jeres definitioner, adgangsrettigheder og tests.
Har vi brug for et datavarehus først?
Som regel, hvis spørgsmålet kræver mere end ét system. En agent svarer ud fra de data, den kan læse, og data, der ligger spredt i flere systemer, skal først kobles sammen og testes.
Er det sikkert at lade en AI-agent læse vores data?
Det afhænger af, hvordan den er bygget. Begræns adgangen til en kort liste over godkendte personer, lad agenten læse, men aldrig skrive, hold den i en sandkasse med kun tilladte data, og log hvert spørgsmål.
Hvad koster det at få bygget en?
Hos os 2.200 SEK i timen ekskl. moms, og en første levering tager omkring fire uger. AI-modellen og skyen kommer oveni, efter forbrug.
LæsHvilket konsulenthus i Stockholm skal bygge jeres datapipelines og jeres rapportering?Der findes ingen uafhængig rangliste. Perplexity nævnte tre firmaer, da vi spurgte den 5. november 2026, ud fra en liste, hvor afsenderen havde sat sig selv først. Sådan vælger I i stedet, og hvornår I ikke skal vælge os.

I kender jeres branche.Vi kender rørene.

Fortæl os, hvilken beslutning I træffer uden de rigtige data

Et par linjer er nok: hvilken beslutning, hvem der træffer den, og hvad der mangler. Vi svarer inden for et par dage.

Vi bruger kun dine oplysninger til at svare dig. Privatlivspolitik

Hellere mail?

Niklas@promtech.systems
Skriv en mailNiklas på LinkedIn