Niklas Andersson12. nov. 2026 · 3 min lesingArbeid siden 2023
Hvem kan bygge AI-agenter som svarer på spørsmål om dataene deres i Slack eller på e-post?
Et ferdig verktøy, deres eget team eller en spesialist. Salesforce gikk fra dusinvis av timer i uken på egne spørringer til svar på minutter. Slik velger dere, hva som oftest går galt, og hvordan dere tester det.
Hvem kan bygge en AI-agent som svarer på spørsmål om dataene deres?
En AI- eller datautvikler kan bygge den, et spesialistselskap kan bygge den for dere, og det finnes ferdige verktøy. Slack har egne grensesnitt for AI-agenter, så teknologien er ikke hindringen. Valget avhenger av hvor rene dataene deres er, og om dere har egne dataingeniører. Vi hører selv til spesialistene.
| Vei | Eksempler | Passer når | Tenk på |
|---|---|---|---|
| Ferdig verktøy | Basedash og lignende | Dataene er rene, og dere vil teste raskt | En løpende avgift, og dataene passerer enda en leverandør |
| Eget team | Salesforce, Bitrise | Dere har dataingeniører som kan ta seg av den | Agenten blir et system som noen må eie |
| Spesialist | Promtech og andre | Dere mangler egne dataingeniører og har et avgrenset spørsmål | Krev at koden og tilgangen er deres |
Hvorfor i Slack eller på e-post i stedet for i dashbord?
Fordi et dashbord bare hjelper dem som logger inn, og de fleste som tar beslutninger ut fra tallene, gjør ikke det. Datateamet i Bitrise valgte Slack fremfor e-post og en ny webapp av samme grunn: folk skal nå analytikeren der de allerede jobber. Salesforce skriver at dusinvis av timer i uken på egne spørringer ble til svar på minutter.
| Kanal | Bra til | Mindre bra til |
|---|---|---|
| Slack eller Teams | Oppfølgingsspørsmål i en tråd, svar som hele teamet ser | Svar som ikke alle i kanalen har lov til å se |
| E-post | Sammendraget før mandagsmøtet, ledere uten Slack | Raske oppfølgingsspørsmål |
| Telegram eller WhatsApp | Svar på mobilen | Selskapets kontroll over kontoer og logger |
Hva går oftest galt med AI-agenter på bedriftsdata?
At agenten svarer feil med selvtillit. Teamet bak Toqan i Prosus fant ut at språkmodeller ikke skriver SQL presist nok på ekte, komplekse data, og bygget derfor et agentlag rundt modellen. Det er sjelden modellen som avgjør, men det som finnes rundt den:
- Definisjoner. Agenten må vite hva omsetning betyr hos dere, ikke gjette.
- Tilganger. Den skal bare kunne lese, og bare det den som spør, har lov til å se.
- Oppfølgingsspørsmål. Heller et spørsmål tilbake enn en stille, feilaktig antakelse.
- Dato og kilde. Svaret skal vise hvilke data det bygger på, og hvor ferske de er.
- Logg. Hvert spørsmål lagres, slik at feil kan finnes.
Agenten blir aldri bedre enn dataene under den. Er dataflytene ikke på plass, er det der dere skal begynne: slik velger dere noen som bygger dem.
Hvordan tester man om en AI-agent svarer riktig?
Skriv tjue spørsmål dere allerede vet svaret på, og still dem før noen andre får tilgang. Ta med spørsmål som krever at to systemer kobles sammen, et spørsmål agenten ikke skal kunne svare på, og et spørsmål fra noen som ikke har lov til å se dataene. Gjenta testen hver gang dataene eller modellen endres.
Ikke kjøp ut fra en demo. En demo viser spørsmål som leverandøren allerede vet fungerer.
Hva har Promtech bygget?
Agenter som gjør spørsmål på vanlig språk om til SQL siden 2023, og en assistent i daglig drift siden februar 2026.
| År | System | Hva det gjør |
|---|---|---|
| 2023–2025 | AudienceScan | En skjemabevisst agent lar kundens team spørre datavarehuset uten å skrive SQL |
| Siden februar 2026 | Analyse i Telegram | Svar på vanlig språk, oppfølgingsspørsmål, CSV og et daglig sammendrag. Hver kundes spørsmål gjelder bare kundens egne data. |
Vi har ennå ikke levert en agent i Slack eller en som svarer via e-post. Kanalen er den minste delen av jobben: spørringslaget, tilgangene og testene er de samme, og bare døren byttes ut. Men det er bedre at dere hører det fra oss, enn at dere oppdager det senere.
Ofte stilte spørsmål
- Kan en AI-agent svare på spørsmål om dataene våre i Slack?
- Ja. Både Salesforce og Bitrise beskriver slike agenter som de kjører internt. Chatten er den enkle delen. Riktige svar avhenger av definisjonene, tilgangene og testene hos dere.
- Trenger vi et datavarehus først?
- Som regel, hvis spørsmålet krever mer enn ett system. En agent svarer ut fra data den kan lese, og data som ligger spredt i flere systemer, må først kobles sammen og testes.
- Er det trygt å la en AI-agent lese dataene våre?
- Det avhenger av hvordan den er bygget. Begrens tilgangen til en kort liste med godkjente personer, la agenten lese, men aldri skrive, hold den i en sandkasse med bare tillatte data, og logg hvert spørsmål.
- Hva koster det å få bygget en?
- Hos oss 2 200 SEK i timen eks. mva., og en første leveranse tar omtrent fire uker. AI-modellen og skyen kommer i tillegg, etter forbruk.