Hva kan et skreddersydd AI-system være?
Det kan være et internt arbeidsverktøy, en kundeportal, et CRM-lag, et beslutningssystem eller et SaaS-produkt. Fellesnevneren er ikke teknologien, men at løsningen organiserer en konkret arbeidsflyt bedre enn dagens kombinasjon av regneark, e-post, generiske verktøy og manuelle rutiner.
- CRM og salgsoppfølging.
- Dashboards for KPI, prosjekter og drift.
- Interne verktøy for dokumenter, research og beslutningsstøtte.
- Kundeportaler og abonnementstjenester.
- Vertikale operativsystemer for en bestemt bransje.
- AI-funksjoner som oppsummering, klassifisering, matching, forslag og innhold.
Når er standardverktøy riktig – og når bør dere bygge?
Vi anbefaler ikke skreddersøm bare fordi det er mulig. Dersom et eksisterende produkt løser behovet godt nok, er det ofte billigere, raskere og tryggere å bruke det.
Arkitekturen vi har lært gjennom RealtyFlow og Nexus
RealtyFlow har utviklet seg fra et eiendoms- og CRM-system til en plattform med Sales, Marketing, Content og Finance over en delt datakjerne. Nexus fungerer som intelligenslaget som tolker signaler og foreslår neste steg.
Det mest interessante for nye produkter er ikke å kopiere RealtyFlow. Det er å gjenbruke arkitekturmønstrene som har vist seg nyttige:
- Én kanonisk datakjerne i stedet for separate siloer.
- Tydelige entities og relasjoner.
- Historikk og hendelser som kan brukes på tvers av moduler.
- AI-vurderinger som holdes separat fra verifiserte fakta.
- Oppgaver og neste steg tett på dataene.
- Rollebasert tilgang og eksplisitte godkjenningsporter.
Vertikal AI: samme byggeklosser, forskjellig fagmodell
En god vertikal løsning bruker teknologi som kan gjenbrukes, men snakker bransjens eget språk. Dette er forskjellen mellom en generell «AI-plattform» og et system som faktisk passer arbeidet.
Hvordan starter et skreddersydd prosjekt?
Vi starter med arbeidsflyten og reduserer scope før vi skriver mye kode.
- Problem: Beskriv hva som skjer i dag og hvor friksjonen ligger.
- Bruker: Definer hvem som gjør jobben og hvem som mottar resultatet.
- Data: Finn hvilke kilder som er fakta og hvilke som bare er signaler.
- Kontroll: Bestem hvilke steg AI kan foreslå og hva et menneske må godkjenne.
- Kjerne: Bygg én sammenhengende arbeidsflyt fra input til handling.
- Måling: Test om prosessen faktisk blir bedre.
- Utvidelse: Legg til flere moduler først når kjernen er bevist.
Hva kan deles mellom kunder – og hva bør være vertikalt?
For å gjøre et system økonomisk å videreutvikle må vi skille plattformlaget fra faglaget.
- Plattformlag: innlogging, roller, dokumenter, oppgaver, historikk, varsler, integrasjonsmønstre og AI-kontroll.
- Vertikalt lag: entities, fagregler, terminologi, scorer, rapporter og brukerreise for den konkrete bransjen.
- Kundelag: merkevare, konfigurasjon, tilbud, integrasjoner og kundespesifikke arbeidsregler.
Denne oppdelingen gjør det mulig å utvikle nye versjoner raskere uten å lage en rigid «one size fits all»-plattform.
Når kan et internt system bli et SaaS-produkt?
At et system fungerer internt er ikke nok. For å bli et produkt må problemet finnes hos flere, onboarding må kunne standardiseres og kunden må få verdi uten at hvert oppsett blir et konsulentprosjekt.
Vi ser særlig etter disse signalene:
- Samme problem beskrives av flere virksomheter i samme marked.
- 80–90 prosent av kjernen kan være lik mellom kundene.
- Dataformat og integrasjoner kan håndteres med et begrenset antall mønstre.
- Verdien kan forklares i én tydelig arbeidsflyt.
- Kunden kan teste eller forstå produktet før stor implementering.
Hvor passer AI inn?
AI brukes der den gir en funksjonell fordel: forstå fritekst, oppsummere historikk, hente ut struktur, matche, foreslå prioritering eller generere utkast. Resten bør være deterministisk programvare når faste regler er bedre.
Vi prøver spesielt å unngå å bruke AI til oppgaver som kan løses mer presist med en database, en vanlig regel eller en eksplisitt beregning.
Human-in-the-loop er en del av produktet
Kontroll skal ikke være et plaster som legges på etterpå. Hvis feil handling kan skade en kunde, økonomi eller merkevare, bør arbeidsflyten ha et eksplisitt kontrollpunkt. Det kan være godkjenning før e-post, publisering, endring av kritisk status eller annen outbound-handling.
Vanlige spørsmål
Når bør vi bygge et eget AI-system?
Når standardverktøy ikke løser en viktig, gjentakende arbeidsflyt godt nok, og behovet krever egne data, integrasjoner, roller eller kontrollpunkter.
Må et skreddersydd system bruke AI?
Nei. AI brukes bare der det forbedrer en konkret oppgave. Resten kan være vanlig programvare, database, regler og automasjon.
Kan et internt system bli et SaaS-produkt?
Ja, hvis samme problem finnes hos mange og kjernen kan standardiseres uten tung spesialtilpasning for hver kunde.
Kan dere bygge videre på et eksisterende system?
Ja. Ofte er riktig løsning å integrere eller bygge et nytt lag over systemer bedriften allerede bruker, ikke å erstatte alt.
Hvordan reduseres risiko?
Ved å starte med én arbeidsflyt, teste tidlig, skille fakta fra AI-vurderinger og holde viktige handlinger bak kontrollpunkter.
Kan samme kjerne brukes i flere bransjer?
Tekniske byggeklosser kan gjenbrukes, men fagmodell, entities og beslutningslogikk må tilpasses vertikalen.