Att automatisera en process med AI betyder att en språkmodell tar över de steg i ett arbetsflöde där någon i dag läser, tolkar eller sammanställer information, medan vanliga regler sköter registreringen och en människa godkänner där ett fel kostar. Skillnaden mot klassisk automatisering är att indata inte behöver vara strukturerad: ett mejl, en PDF eller ett fritextfält går att hantera.
Den här texten handlar om hur en enskild process automatiseras, från val av flöde till drift. Exempel per funktion och bransch finns i var AI gör nytta i ett företag, och de första stegen för ett företag som är nytt med AI i komma igång med AI.
Vilka processer passar att automatisera med AI?
Fem frågor avgör om en process är en bra kandidat:
- Körs den ofta? Flödet behöver återkomma dagligen eller varje vecka för att den sparade tiden ska väga upp bygget och förvaltningen.
- Måste indata läsas eller tolkas? Mejl, bilagor, formulär med fritext och inskannade dokument är där AI tillför något. Är indata redan strukturerad räcker ofta en regel eller en integration, vilket lågkod eller egen kod går igenom.
- Går det att säga vad som är rätt? Om två personer skulle hantera samma fall på samma sätt finns ett facit att bygga och testa mot.
- Kan resultatet kontrolleras innan det får konsekvens? Ett utkast, ett förslag eller en registrering som granskas är lättare att automatisera än ett steg som inte går att ångra.
- Finns datan digitalt? Lösningen behöver kunna läsa indata och lämna resultatet, via API mot era system eller i en fristående lösning där underlaget lämnas in.
Sämre kandidater är processer där varje fall är unikt och bedömningen är själva jobbet, flöden med så låg volym att bygget aldrig betalar sig och steg där en enkel regel redan gör jobbet. AI är inte alltid svaret, och ett flöde som klarar sig med regler blir både billigare och stabilare utan språkmodell.
Typiska kandidater är order som kommer in via mejl eller PDF, leverantörsfakturor och andra dokument som ska bli data och kundärenden som ska sorteras och få ett svarsutkast.
Hur byggs automatiseringen?
Det finns två likvärdiga vägar, och valet görs per flöde:
- Integrerad i system ni redan har. Lösningen läser och skriver i affärssystemet, CRM:et, ärendesystemet eller Microsoft 365, och de som arbetar i flödet ser resultatet där de redan är. Vägen passar när arbetet redan sker i ett system som går att nå.
- Fristående lösning. Lösningen får ett eget gränssnitt och en egen lagring, till exempel en portal där kunder, leverantörer eller medarbetare lämnar in underlag och följer sina ärenden, och hämtar eller lämnar data i andra system bara där flödet kräver det. Vägen passar när inget befintligt system äger flödet, när externa parter ska vara med eller när flödet behöver ett eget arbetssätt.
Båda vägarna har nästan alltid samma delar, oavsett bransch:
- En utlösare. Ett nytt mejl i en delad inkorg, en fil i en mapp, ett nytt ärende, ett formulär i en portal eller en schemalagd körning.
- Ett AI-steg. Modellen läser underlaget, klassar det, tar ut fälten som behövs och föreslår nästa steg. Den får bara de uppgifter som flödet kräver.
- Kontroller. Vanlig kod kontrollerar det modellen tagit fram: att kunden finns i kundregistret, att artikelnumret stämmer, att beloppet är rimligt och att ärendet inte redan är registrerat.
- Ett godkännande där det behövs. Fall som är osäkra eller där ett fel kostar går till en människa, i det verktyg personen arbetar i.
- En registrering. Resultatet skrivs in i affärssystemet, CRM:et eller ärendesystemet via API, eller sparas i den fristående lösningen, med ett eget konto för lösningen.
- Loggning. Varje steg sparas, så att det går att se vad modellen föreslog, vad kontrollerna sa och vem som godkände.
AI tolkar, regler utför och människan godkänner där ett fel kostar.
Uppdelningen är poängen. Språkmodellen gör det den är bra på, att förstå ostrukturerad text, medan allt som ska bli exakt rätt varje gång, som belopp, registreringar och beräkningar, görs av vanlig kod som går att testa. Det gör lösningen både säkrare och lättare att förvalta.
När lösningen integreras går kopplingen till systemen en av tre vägar: systemets inbyggda AI-funktioner, ett direkt anrop mot systemets API eller ett mellanlager som binder ihop flera system. Vilken väg som passar beror på hur många system flödet passerar och hur mycket kontroll ni behöver, vilket integrera AI i befintliga system går igenom. Varken en integrerad eller en fristående lösning kräver att ni byter affärssystem.
Vad kräver det av data?
Tre saker behöver finnas innan bygget börjar:
- Verkliga fall med facit. För att bygga och testa behövs ett urval av fall som redan hanterats, med hur de blev rätt: order och hur de registrerades, fakturor och hur de konterades. Det blir testsetet som lösningen mäts mot, se testa AI-lösningar.
- Grunddata som håller. Matchningen blir aldrig bättre än registren den matchar mot. Ett kundregister med dubbletter eller en artikellista där kundernas egna beteckningar saknas syns direkt i resultatet.
- Åtkomst med begränsad behörighet. Lösningen behöver ett eget konto som bara når det flödet kräver, inte en anställds inloggning.
Det är bara datan för det valda flödet som behöver vara i ordning, inte all data i företaget. Innehåller flödet personuppgifter avgör GDPR var datan får behandlas och om en konsekvensbedömning behövs; vad GDPR och AI-förordningen kräver beskriver det.
Var ska en människa godkänna?
Mänskligt godkännande är en del av designen, inte en nödlösning. Tre regler gör det hanterbart:
- Godkänn före konsekvensen. Innan pengar betalas ut, innan kunden får ett svar och innan något skrivs över ska en människa kunna stoppa felet.
- Låt säkerheten styra. Lösningen kan ange hur säker den är och skicka osäkra fall till en människa, medan fall som är uppenbart rätt går vidare. Gränsen sätts utifrån testresultaten, inte på känn.
- Börja med allt granskat. I början granskar en människa varje förslag, och lösningen släpper igenom en kategori i taget när den visat att den håller.
Godkännandet ska ske där arbetet görs: i affärssystemets kö, i inkorgen eller i Teams när lösningen är integrerad, och i lösningens egen vy när den är fristående. Ett godkännande som ligger i ännu ett verktyg vid sidan av arbetet blir snabbt ännu en sak att komma ihåg.
Hur ser vägen till drift ut?
- Förstudie. Processen kartläggs: vilka steg som finns, vilka system som berörs, hur många fall det är och vilka undantag som återkommer. Här väljs flödet, och en baslinje sätts för tid per fall och andel fel. Processkartläggning inför AI beskriver metoden, och hur förstudien går till som första fasen i ett bygge står under AI-förstudie.
- Bygge i små steg. Den första versionen läser och föreslår, och en människa godkänner allt. Den visas på verkliga fall med jämna mellanrum, så att verksamheten kan rätta riktningen tidigt.
- Test. Lösningen körs mot testsetet med godkännandenivåer som bestämts i förväg.
- Pilot. Lösningen hanterar en del av volymen eller ett teams ärenden, och resultatet jämförs med baslinjen. Hur piloten designas för att nå drift står i AI-pilot till produktion.
- Drift och förvaltning. Lösningen får en ägare, följs upp mot baslinjen och testas om när modell eller regler ändras, se förvaltning av AI-lösningar.
Tidsplan, roller och beslut för ett första projekt beskrivs i komma igång med AI.
Vad går ofta fel?
Det mesta som går fel i själva automatiseringen går att undvika om det planeras in från början:
- Hela flödet automatiseras på en gång. Undantagen tar då största delen av bygget. Att lyfta bort det mekaniska steget först ger effekt tidigare.
- Modellen skriver direkt i systemet. Utan kontroller mellan AI-steget och registreringen når felen affärssystemet innan någon ser dem.
- Undantagen saknar en mottagare. Fall som lösningen inte klarar måste hamna hos en namngiven person, annars blir de liggande.
- Ingen baslinje. Utan mätning före bygget går effekten inte att visa; AI ROI visar hur man räknar.
- Test på exempeldata. En demo på några väl valda fall säger lite om hur lösningen klarar vardagens variation.
Vill ni automatisera en process hos er?
Byron Calles bygger AI-lösningar som automatiserar processer, integrerade i befintliga system eller fristående, med förstudien som första fas. Läs mer om hur ett bygge går till, eller boka ett samtal så går vi igenom vilket flöde som är rimligt att börja med.
Vanliga frågor
Vilka processer är enklast att automatisera med AI?
De som körs ofta, där indata måste läsas eller tolkas och där det går att avgöra om ett resultat är rätt. Typiska kandidater är order som kommer in via mejl eller PDF och ska registreras i affärssystemet, leverantörsfakturor som ska konteras och matchas, kundärenden som ska sorteras och få ett svarsutkast och avtal där vissa uppgifter ska tas ut. Gemensamt är att AI gör läsningen och sorteringen, att vanliga regler gör registreringen och att en människa godkänner de fall där ett fel kostar. Processer där varje fall är unikt och bedömningen är själva jobbet passar sämre, liksom flöden med så låg volym att bygget aldrig hinner betala sig.
Behöver vi byta system för att automatisera med AI?
Nej. Lösningen kan byggas in i de system ni redan har, via systemets egna AI-funktioner, direkt mot dess API eller genom ett mellanlager som binder ihop flera system, eller byggas som en fristående lösning, till exempel en portal, som bara hämtar och lämnar data i systemen där flödet kräver det. För en integrerad lösning krävs att systemen går att nå, att det finns ett konto med rätt och begränsad behörighet för lösningen och att datan som flödet behöver finns digitalt. Saknar ett system API går det ofta att arbeta med export och import, och som sista utväg med automatisering i gränssnittet.
