Kundcase
AI-chatbot för bergvärmeansökningar
Vi byggde en AI-chatbot för Herrljunga kommun som guidar medborgare genom bergvärmeansökningar via chattbaserat formulär, interaktiva kartor och automatiska geografiska kontroller.
Fiive är en techbyrå i Göteborg som bygger generativa AI-lösningar för företag — och hjälper er avgöra om AI faktiskt är rätt verktyg. Ibland passar automatisering bättre. Ibland ML. Vi börjar med ett avgränsat fall, testar med verkliga användare och skalar när det är försvarbart i kostnad och skapar faktiskt värde.
Vi börjar med ett avgränsat användningsfall, testar med verkliga användare och justerar utifrån kvalitet, risk och faktisk användning.
Generativ AI passar arbetsflöden där information är svår att hitta, svarstider är långa eller manuellt textarbete tar mycket tid. Vi har bland annat byggt en leadschatbot som svarar på produktfrågor och samlar in kontaktuppgifter — så att säljare lägger tid på varma leads istället för att svara på samma frågor om och om igen.

Vi arbetar med företag i olika branscher. Läs om tidigare projekt och vilka resultat lösningarna gav i praktiken.












Här är svar på frågor vi ofta får om att bygga AI-system för företag.
Generativ AI kan användas i flera delar av verksamheten: support, intern kunskapssökning, dokumenthantering, innehållsproduktion och datautvinning från text. Vilken lösning som passar bäst beror på era processer, datakällor och affärsmål.
Ett bra första steg är en avgränsad pilot med tydligt mål, exempelvis ett arbetsflöde eller ett team. Då kan ni mäta effekt, identifiera risker och besluta om vidare investering baserat på verkliga resultat. Läs mer om hur man tar en AI-pilot till produktion.
Era dokument lagras säkert på servrar i EU. Vi använder OpenAI eller liknande tjänster men kan även sätta upp egna lösningar om ni har känslig data. Data kan krypteras och ni äger alltid era egna dokument och konversationsloggar.
Ja, generativ AI kan ge felaktiga svar. Därför bygger vi in kvalitetssäkring med testning, loggning, begränsningar i vad modellen får svara på och möjlighet att eskalera till mänsklig handläggning vid osäkerhet.
Tidsåtgången beror på omfattning, datakvalitet och integrationsbehov. Vi börjar med ett avgränsat användningsfall och utökar stegvis efter testning och uppföljning.
Generativ AI passar inte alla problem. Om flödet är strukturerat och förutsägbart är regelbaserad automatisering ofta snabbare och billigare att bygga och underhålla. Om ni behöver förutsäga ett numeriskt utfall baserat på historisk data passar vanlig maskininlärning bättre. Vi hjälper er bedöma vilket alternativ som är försvarbart — och varför. Läs om skillnaden mellan AI-agenter och automatisering.
⚡ Vi svarar dig inom 24h!