AI tolker og vurderer. Automasjon gjør det samme hver gang. En app gir dataene et fast hjem og brukergrensesnitt. De fleste prosesser trenger alle tre, og her er hvordan dere finner ut hva som passer hvor.
Når kunder tar kontakt med oss, er det ofte om en prosess som har vokst seg fast i Excel, e-posttråder, penn og papir. Rapportene lages med klipp og lim, og alt står og faller på én person. Da er det særlig ett spørsmål som går igjen: «Kan ikke AI gjøre dette?» Svaret er som regel: delvis.
AI kan lese, tolke og formulere. Samtidig har mange prosesser noen steg som må skje nøyaktig likt, til riktig tid, hver gang. Der er regelstyrt automasjon tryggere. Og før noen av delene kan gjøre jobben sin, trenger dataene en database og et grensesnitt folk kan jobbe i. Det er der appen kommer inn.
De beste løsningene bruker derfor hele verktøykassa, også den tradisjonelle teknologien. Vi forklarer forskjellen mellom AI, app og automasjon, og når du trenger hva.
AI er laget for oppgaver der svaret avhenger av kontekst. Det er oppgaver et menneske ville løst ved å lese, tolke og vurdere.
Typiske eksempler:
Felles for dem er at to dyktige saksbehandlere kunne formulert svaret litt ulikt, og begge ville hatt rett. Oppgaven tåler at svaret varierer litt.
En AI-agent går et steg lenger. Den kan hente informasjon, bruke systemene dere har og gjøre noe med svaret. En agent kan for eksempel slå opp en leverandør, vurdere funnene og skrive resultatet inn i riktig felt.
Regelstyrt automasjon følger et fast regelsett. Samme input gir samme resultat, og dere kan alltid etterprøve hva som skjedde og hvorfor.
Typiske eksempler:
Her trenger dere full forutsigbarhet. En påminnelse som kommer 28 dager før i stedet for 30, eller går til feil person, er ikke godt nok.
I Microsoft 365 bygger vi dette i Power Automate, som har over 1 400 ferdige koblinger til Microsoft-tjenester og andre systemer. Automasjonen kan også sette AI i gang, for eksempel ved å starte en agent den 1. i hver måned.
Mange prosesser ligger spredt i e-posttråder og dokumenter, eller styres fra Excel-ark uten strukturert tilgangsstyring, historikk eller faste felt. En app samler dataene i én database med struktur og relasjoner, og gir folk et grensesnitt å jobbe i.
Dere trenger trolig en app når:
Strukturert data i en database øker også kvaliteten på AI og automasjon vesentlig. En automasjon trenger et felt å lese datoen fra. En agent trenger strukturerte data å vurdere mot.
«AI blir bare så god som dataene den har», sier Lora Temelkova, leder for AI, app og automasjon i Frend.
Det er enkelt å lage en app i dag. Med AI kan nesten hvem som helst vibekode en som fungerer for én person. Det vanskelige er å få den til å fungere for hele virksomheten og være til å stole på når forretningskritiske prosesser er avhengige av den. Det handler om blant annet sikkerhet, skalerbarhet, stabilitet, tilgangsstyring, sporbarhet, revisjonslogg og drift.
I Microsoft 365 bygger vi appen i Power Apps, med Dataverse som database. Da får dataene samme pålogging og tilgangsstyring som resten av verktøyene, og en logg over alt som endres. Det samme kan gjøres i Azure eller AWS.
Større prosesser trenger ofte både AI, app og automasjon, hver til sin del av jobben. Hvordan de jobber sammen, ser man ved å følge en prosess fra start til slutt.
Et godt eksempel er risikovurdering av leverandører. Virksomheter som følger opp leverandørene sine, skal vurdere dem mot kriterier som finansiell risiko, bærekraft og åpenhetsloven, og vurderingen skal gjentas jevnlig.
I praksis gjøres den ofte én gang, når kontrakten signeres. Notatet havner i en mappe. Signeringsdatoen står bare inne i kontrakten. Ingen har oversikt over når neste vurdering skal skje.
Det er en typisk prosess som faller mellom to stoler: ingen av systemene dere har, er laget for den. Her er hvordan AI, app og automasjon tar hver sin del av prosessen.
Vi har laget en demo av nettopp dette. Leverandørene ligger i en app i Power Apps, med database i Dataverse. En AI-agent i Copilot Studio søker opp hver leverandør i kilder som Proff, vurderer funnene mot kriteriene og skriver score og begrunnelse på leverandørkortet.
Når det har gått ett år fra signering, gjør agenten en ny vurdering. Ansvarlig får beskjed og leser analysen. Først når et menneske har godkjent den, går den inn i systemet.
Hver del gjør det den er best på. Automasjonen holder styr på datoene. AI gjør vurderingen. Appen holder dataene samlet. Mennesket tar beslutningen.
Når Excel-arket blir fagsystemet, blir dataene spredt, rapportene manuelle og prosessene personavhengige. Vi viser live-demo av og eksempler på hvordan lykkes med AI, app og automasjon i Microsoft 365
Leverandørvurderingen i eksempelet over trenger alle tre verktøyene. Likevel er det mange prosesser som klarer seg med mindre, som et skjema og en enkel flyt.
Onboarding og offboarding av ansatte er et godt eksempel, og det samme er bestilling av utstyr. Skjemaet samler inn det som trengs, og flyten sender det videre til riktig person. Stegene er de samme hver gang, så regler holder. Ikke alle automatiseringer trenger en stor AI-løsning.
Flyten kan også brukes videre. Trenger dere senere en app med eget grensesnitt, kan skjemaet byttes ut mens flyten går som før.
I en workshop går vi gjennom deres situasjon, behov og ambisjoner. Vi viser løsninger vi har bygget for andre, og dere går derfra med lavthengende frukter og strategiske initiativer hos dere. Ta kontakt, så tar vi en prat!
Lora Temelkova
Leder for AI, app og automasjon
Henrik Ruud
Strategisk leder og rådgiver
Kristoffer Skar
Manager og rådgiver