Hva er en dataplattform, og hvorfor trenger AI-agentene dine en?

De fleste virksomheter har tatt i bruk AI-verktøy som Claude, ChatGPT eller Copilot. Det er enkelt å komme i gang. Det er vanskeligere å få AI til å gi presise svar om egen virksomhet.

Grunnen er som regel dataene. Kundene ligger i CRM, timene i ett system, økonomien i et annet og avtalene i en mappe på SharePoint. Når en AI-agent skal svare på «hvordan går det med prosjektet?», må den finne fram i alt dette på egen hånd.

På Claude Cowork-seminaret vårt i september viste Arne Berg, team- og fagleder for data og AI, sammen med Arthur Nesse og meg, hvordan vi har løst dette hos oss og hos mange av kundene våre ved å bygge dataplattformer. Budskapet vårt kan oppsummeres i én setning:

“Med en dataplattform får du mye bedre svar og nye muligheter og bygger en agnostisk AI-hjerne.”

Arne BergTeam- og fagleder AI og data

I denne artikkelen går vi dypere inn i hva en dataplattform er, hvorfor dere trenger en, og hvilken teknologi den kan bygges på:

• 3 tegn på at dataene deres ikke er gode nok for AI
• Hva er en dataplattform?
• Kontekstlaget: der dataene får mening
• Slik henger det sammen hos oss i Frend
• Fordelene: bedre svar, nye muligheter og en agnostisk AI-hjerne
• Se hele gjennomgangen fra seminaret

3 tegn på at dataene deres ikke er gode nok for AI

Skrot inn, skrot ut. Prinsippet er like gammelt som databehandling, men konsekvensene er større i dag. AI svarer raskt, godt formulert og med stor selvsikkerhet, også når grunnlaget er feil. Jo mer vi stoler på svarene, jo lenger kan en feil vandre før noen oppdager den.

Et feil tall i en rapport er ille nok. Et feil tall som en AI-agent bruker til å anbefale tiltak, prioritere kunder eller oppdatere CRM, kan gi store følgefeil. Spesielt når de fleste stoler så mye på det AI forteller.

Dette er de tre tegnene vi oftest ser:

1. AI gir ulike svar på samme spørsmål. Spør du om omsetningen per kunde, får du ett tall i dag og et annet i morgen. Kunden heter tre ting i tre systemer, og agenten velger forskjellig hver gang.
2. AI finner ikke svarene, selv om de finnes. Agenten finner ikke alle dataene den trenger, og kan i noen tilfeller hallusinere eller bare stoppe opp.
3. AI gir upresise svar og bruker lang tid. Agenten må lete gjennom rådata i hvert system for hvert spørsmål, bruker mange tokens, fyller kontekstvinduet sitt og ender med et overfladisk og upresist svar.

“Ansatte sliter ofte med å forstå hvordan dataene i ett system henger sammen med dataene i et annet. Det er akkurat det samme for en AI. Den forstår heller ikke sammenhengen, og bruker mye tid på å lete uten de retningslinjene og rammene en dataplattform gir.”

Arne BergTeam- og fagleder AI og data

Hva er en dataplattform?

En dataplattform er et felles sted der dataene fra systemene deres samles, ryddes og gjøres tilgjengelige:

• Samles. Data hentes inn fra kildesystemene slik de er: økonomi, CRM, prosjekt, timer, dokumenter og HR.
• Ryddes. Samme kunde får samme navn på tvers av systemene, duplikater fjernes, og ett prosjekt er ett prosjekt.
• Modelleres. Dataene settes sammen til ferdige tall for konkrete bruksområder, for eksempel økonomirapportering, med styrt tilgang.

Kildesystemene samles, ryddes og modelleres. Derfra bruker både AI og rapporter de samme tallene.

Kontekstlaget: der dataene får mening

Ryddige tall er ikke nok alene. En AI som ser kolonnen «belop_eks» i en tabell, vet ikke om det er omsetning, kostnad eller budsjett.

Derfor legges et semantisk lag, ofte kalt kontekstlaget, oppå dataplattformen. Det beskriver dataene på et språk både mennesker og maskiner (AI) forstår: hva begrepene betyr hos dere (hva er en «aktiv kunde»?), hvordan tabellene henger sammen, og hvilke tall som er de offisielle. Med kontekstlaget på plass forstår AI dataene og henter det den trenger mye raskere enn når den går rett på systemene.

Hos oss går kontekstlaget lenger enn tabellene. Vi har gitt Claude ferdigheter (skills) som forklarer hvem vi er, hvem kundene våre er, hvordan dataene er satt sammen og hvordan rapportene skal se ut. Da vet agenten både hva tallene betyr og hva vi skal bruke dem til.

Ferdighetene vi har gitt Claude: kontekst om hvem vi er, faste rapportmaler, design i Frend-stil, handlinger i systemene og varsler den sender selv.

Slik henger det sammen hos oss i Frend

Hos oss samler vi data fra HubSpot (CRM) og Tripletex (økonomi) i Snowflake. Claude har lesetilgang til plattformen og kan bruke hele historikken. Andre systemer, som Asana, Float og Google Workspace, kobles direkte til Claude via MCP, en standard for å koble AI til systemer. Når Claude skal gjøre noe, for eksempel oppdatere en deal eller føre timer, skjer det i kildesystemet og alltid etter godkjenning fra et menneske.

Claude henter tall fra dataplattformen, spør systemene direkte og handler i dem.

Det vanligste spørsmålet vi får, er om dette er trygt. Tilgangsstyringen gjøres i systemene og i plattformen før AI kobles på, og AI får tilgang til det samme som brukeren har tilgang til. Vi har også valgt bort data: lønn fra økonomisystemet går for eksempel aldri inn i dataplattformen.

Fordelene med en dataplattform

1. Mye bedre svar

“Vi merker ekstremt stor forskjell på svarene når dataplattformen vår er koblet på de forskjellige AI-løsningene våre.”

Arne BergTeam- og fagleder AI og data

Prosjektstatus er et godt eksempel. Uten dataplattform henter prosjektlederen oppgaver, timer, budsjett og e-poster fra fem steder og skriver statusen selv. Med dataplattform spør du «hva er status på prosjektet?» og får ett svar med fremdrift, ressursbruk, økonomi mot budsjett, risiko og hva som bør gjøres denne uken.

Tallene blir presise fordi CRM og økonomi allerede er koblet sammen i plattformen, og sammenhengene er beskrevet. Agenten slipper å gjette hvilken kunde i det ene systemet som hører til hvilken faktura i det andre, og hvilken kundemappe som er riktig.

Se demoen i opptaket fra ca. 21:50

2. Nye muligheter

Når dataene henger sammen, kan AI gjøre helt nye ting. For eksempel kan den svare på spørsmål som tidligere krevde en analytiker eller data scientist, og ofte kode og avanserte programmer.

• Lønnsomhet per kunde. Hvilke kunder er mest lønnsomme, og hvor og hvorfor faller marginen?
• Læring på tvers av prosjekter. Agenten går gjennom alle prosjektevalueringer, finner trender og foreslår tiltak.
• Prioritering av seminarpåmeldinger. Med 200 påmeldte kan en agent sjekke hver påmelding mot idealkunden, se hvem som allerede er kunde eller i dialog med oss, og foreslå hvem som bør få plass, med begrunnelse.

3. En agnostisk AI-hjerne som kan kobles på alle slags AI-verktøy

Dataplattformen er deres, uavhengig av hvilket AI-verktøy dere bruker.

“Den er ikke låst til Claude. Vi kan bruke akkurat den samme dataplattformen mot ChatGPT, mot interne applikasjoner vi utvikler, eller mot rapporter.”

Arne BergTeam- og fagleder AI og data

Det gjelder også valg av plattform. Microsoft Fabric, Snowflake og Databricks kan alle gjøre jobben. Fabric passer ofte når dere allerede bruker Microsoft 365 og Power BI. Snowflake er det vi bruker selv, og det er uavhengig av skyleverandør. Databricks passer når dere har store datamengder eller egne team for dataanalyse. Valget handler mest om hva dere har fra før og hvem som skal forvalte løsningen.

Se hele gjennomgangen fra seminaret

Arne forklarer dataplattformen fra ca. 01:20 og viser prosjektstatus-demoen fra ca. 21:50.

Trenger dere hjelp med AI-agenter og dataplattform?

Send meg en mail på henrik@frend.no eller ring på 920 88 450, så tar vi en prat om hvilke spørsmål dere vil ha svar på og hvilke data som skal til. Du kan også lese mer om hvordan vi jobber med data.

Vi gleder oss til å høre fra deg!

Les også