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.
Vi bygger generativa AI-lösningar för företag — och hjälper er avgöra om AI faktiskt är rätt verktyg. Ibland passar regelbaserad automatisering bättre, ibland ML. Vi börjar med ett avgränsat fall, testar med verkliga användare och skalar när det är försvarbart i kostnad och tillför mätbart värde.
Den vanligaste orsaken till att AI-projekt stannar på prototypstadiet är att första steget är för stort. Vi börjar med ett fall som är tillräckligt avgränsat för att kunna testas med verkliga användare — och tillräckligt litet för att lägga ner om det inte håller.
Generativ AI ger mest värde där svaret finns i ett dokument ingen orkar leta i, ett ärende som kräver flera skärmbyten för att handlägga, eller en fråga supporten har svarat på hundratals gånger. Vi har bland annat byggt en AI-assistent som kvalificerar produktfrågor och samlar kontaktuppgifter — så att säljarna lägger tid på samtal som faktiskt kan bli affär.

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. Bakgrund: så fungerar de underliggande språkmodellerna.
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. Tips på vad er AI-policy bör täcka.
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. Fler risker att tänka på från start.
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!