Indbygget hvor I arbejder
AI lever inde i jeres CRM, jeres indbakke, jeres interne portal — ikke i et separat dashboard, ingen nogensinde åbner.
Service · 03
AI‑integrationer · Taastrup
Praktisk AI, inde i de værktøjer I allerede bruger.
Opsummering, klassifikation, udkast, smart søgning — placeret der hvor jeres team arbejder, ikke i en separat ChatGPT‑fane.
Kedelige teknologivalg, hvor det betyder noget
Jeg bruger den model, der virker — ikke den, der er i pressemeddelelsen. OpenAI, Anthropic, open source — vurderet på output, ikke brand.
Ærlig om begrænsninger
LLM‑er hallucinerer. Jeg bygger sikkerhedsnettet — RAG, citater, human‑in‑the‑loop — så AI'en aldrig stille ødelægger noget.
Jeres data, jeres valg
Jeg fortæller præcis, hvad der sendes til hvilken leverandør, hvad der logges, og hvordan I kan skifte leverandør senere. Ingen utilsigtet vendor lock‑in.
Det er inkluderet
- Afdækning: hvilken opgave LLM‑er faktisk hjælper på, og hvor de ville skade
- Et kort skriftligt oplæg med scope, fast pris og deadline
- Integration i jeres eksisterende systemer (CRM, indbakke, supportværktøj, intern app)
- RAG eller fine‑tuning hvor det giver mening — ikke når det er på mode
- Evalueringer mod jeres rigtige data, så vi kender kvaliteten før lancering
- Omkostningsmonitorering og per‑bruger‑grænser
- Dokumentation til ikke‑tekniske medarbejdere
- Én gratis måneds fejlretning efter go‑live
Passer godt til
- Konsulenthuse, der drukner i indkommende dokumenter — klassificer, opsummer, fordel
- Supportteams med en kendt vidensbase — RAG‑drevne svar
- Salgsteam der skriver den samme slags mail 50 gange om dagen
- Operationer med søgbare arkiver, hvor keyword‑søgning ikke længere er nok
Passer ikke hvis
- I vil have en offentlig chatbot, der taler med fremmede uden opsyn
- I forventer at AI erstatter en seniormedarbejder én‑for‑én
- I har brug for on‑prem‑only LLM‑hosting i enterprise‑skala
Sådan ville vi arbejde
- 01 Gratis 30‑minutters opkald for at identificere en opgave, LLM‑er faktisk er gode til.
- 02 En én‑sides plan med scope, fast pris og en evalueringsrubrik.
- 03 Byg en lille pilot mod jeres rigtige data, med målt kvalitet.
- 04 Udrulning, monitorering af omkostning og kvalitet, gratis fejlretning den første måned.
Typiske spørgsmål
Selvhostet eller hostet LLM?
Hostet (OpenAI, Anthropic, Google) i de fleste tilfælde — kvaliteten er højest, og dansk håndteres fremragende. Selvhostet (Llama, Mistral mv.), når datafølsomhed eller volumen retfærdiggør driftsomkostningen. Jeg går trade‑off'en igennem for jeres tilfælde.
Hvordan håndterer I hallucinationer?
Retrieval‑augmented generation forankret i jeres rigtige dokumenter, obligatoriske citater og human‑in‑the‑loop på alle ikke‑reversible handlinger. Vi evaluerer også mod et udvalg af rigtige sager før lancering, så vi kender fejlraten — ikke gætter.
Hvad koster det at drive?
Token‑prisen varierer efter model og volumen. Jeg bygger omkostningsmonitorering og per‑bruger‑lofter ind, så en løbsk prompt ikke kan blæse jeres budget. For de fleste små‑virksomheds‑use cases vil API‑omkostningerne typisk ligge mellem 150 og 2.000 kr./mdr. — vi regner det præcist igennem, når vi kender det faktiske workload.
Bliver vores data brugt til at træne en andens model?
Ikke hvis vi sætter det rigtigt op. Jeg konfigurerer leverandørens indstillinger, så jeres input ikke bruges til træning, og dokumenterer præcis hvad der logges og hvor længe. Hvis I har brug for strammere garantier, peger det mod selvhosting.
Kontakt
Fortæl om dit projekt.
Et par sætninger er rigeligt. Jeg svarer inden for én hverdag.