Et tilbagevendende arbejdstrin er en god anledning til at overveje automatisering. Den rette teknik afhænger af inddata, beslutninger og følgerne af en fejl. Et fast script, et kontrolleret workflow og en AI-agent løser forskellige opgaver. Ofte opstår den bedste løsning ved at kombinere dem.
Det første spørgsmål er derfor: Hvad skal være afsluttet pålideligt til sidst? Derefter følger værktøj, model og driftsform. Så kan man også vurdere, om ekstra AI-kompleksitet giver en mærkbar nytte.
Tre mulige veje i det samme proceslandskab
Et muligt eksempel: indgående servicehenvendelser
En henvendelse indeholder fri tekst og af og til en vedhæftet fil. Et klassisk trin kontrollerer først obligatoriske oplysninger og tilladte filformater. AI foreslår en kategori og sammenfatter behovet. Applikationen kontrollerer resultatet mod de tilladte kategorier. En ansvarlig person beslutter behandlingen.
Et klart workflow er ofte nok til dette forløb. En agent bliver først interessant, når den faktisk skal vælge forskellige godkendte kilder eller værktøjer til forskellige henvendelser. Eksemplet beskriver en mulig arkitektur, ikke et påstået kundeprojekt.
Fastlæg grænsen mellem forslag og udførelse
Et sprogligt overbevisende svar er ikke en tilladelse til at ændre et system. Applikationen skal selv kontrollere, hvem der handler, hvilket objekt det gælder, og hvilken handling der er tilladt. Modeloutput behandles som forslag; den faktiske funktion validerer sine inddata og håndhæver faglige regler.
Ved følsomme ændringer viser en godkendelse den konkrete måltilstand og planlagte handling. Hvis udkastet ændres bagefter, passer et tidligere samtykke måske ikke længere. Derfor aftales det for hvert anvendelsestilfælde, hvilke trin der må udføres uden et nyt spørgsmål.
En MCP-grænseflade kan gøre definerede værktøjer tilgængelige. Den erstatter ikke deres autorisation. Den officielle MCP-sikkerhedsdokumentation (eksternt link) behandler blandt andet adskillelse af adgangsområder og beskyttelse mod misbrug af værktøjer.
Hvad der skal ske efter en fejl
En timeout betyder ikke automatisk, at målhandlingen ikke er udført. Før et nyt skriveforsøg skal det være muligt at afgøre, om den første anmodning allerede er gennemført. Egnede handlings-ID’er, entydige tilstande og en målrettet forespørgsel om resultatet hjælper med at undgå dobbelte ændringer.
AI-understøttede forløb har yderligere stopbetingelser: manglende belæg, modstridende oplysninger, et ikke-tilladt værktøj eller opbrugt køretid. Den ansvarlige person modtager da den hidtidige status og det konkrete afklaringsbehov. Et sporbart overdragelsespunkt er et normalt procesresultat.
Disse tilfælde kan bruges til at teste en pilot
- En normal henvendelse: Er resultatet og det nødvendige efterarbejde fagligt brugbart?
- En ufuldstændig henvendelse: Spørges der målrettet i stedet for at tilføje noget, ingen har bekræftet?
- En ikke-tilladt adgang: Afviser funktionen adgangen uanset, hvordan anmodningen er formuleret?
- En gentagen anmodning: Forbliver tilstanden entydig uden dobbelt bogføring eller ændring?
- Et udfald: Kan mennesker fortsætte opgaven med de tilgængelige oplysninger?
Sammenligningen omfatter ikke kun svartid og modelomkostninger. Kontrolarbejde, integration, fejlretning og drift pr. meningsfuldt afsluttet opgave er også relevante. Det viser, om et script er nok, om et workflow bør udvides, eller om en begrænset agent giver en påviselig ekstra nytte.
Aftal det første overskuelige trin sammen
DAXS kortlægger det nuværende forløb, afklarer grænseflader og udvikler en passende implementering. Det omfatter tests, godkendelser, dokumentation og aftalt drift. Eksisterende applikationer og klassisk automatisering er lige så vigtige som nye AI-værktøjer.
Overblik over AI og automatisering · Udvikling og integration · Indfør AI i virksomheden
