AI-operationer ordliste

Et AI-system der kører i virksomhedens eget workspace — ikke en delt tjeneste — og er forbundet til virksomhedens egne systemer (CRM, regnskab, dokumenter). Den kan læse, skrive og udføre handlinger under konfigurerbare kontrolregler. Data forlader aldrig workspace'et, og bruges ikke til at træne AI.

Den private, isolerede køremiljø hvor jeres agenter kører. Ét workspace per kunde. Ingen delt data-plan mellem kunder. Alt state — agent-konfiguration, værktøjer, kreditter, audit-log — lever her.

En åben standard der lader AI-agenter tilslutte sig ethvert system med et API gennem en ensartet kontrakt. Operateur bruger MCP til at koble agenter til systemer uden dedikeret integration — vi tilføjer en ny MCP-server og agenten kan bruge den.

Et mønster hvor AI'en ikke svarer ud fra hukommelsen, men først henter relevante dokumenter fra et indeks og derefter svarer baseret på dem — med kilder. RAG er grundlaget for videns-agenter, hvor spørgsmålet er 'hvad står der i vores egne dokumenter?'.

En konfigurerbar regel for hvornår et menneske skal godkende en handling. Tre niveauer: autonom (agenten handler selv), overvåget (agenten handler, men logger og notificerer), og godkend-alt (agenten kan kun foreslå — et menneske klikker godkend). Sættes per agent, per værktøj, per scope.

En uændret, tidsstemplet log over alle handlinger agenten har foretaget: hvad den gjorde, med hvilket input, på vegne af hvem, og med hvilket resultat. Grundlaget for GDPR-compliance og for at kunne stille en agent til ansvar.

Et AI-mønster hvor modellen ikke blot svarer med tekst, men kalder konkrete værktøjer (funktioner, API'er) for at hente data eller udføre handlinger. Tool use er forskellen mellem en chatbot der snakker om bogføring og en agent der faktisk bogfører.

AI-systemer designet så behandlingen af personoplysninger respekterer formålsbegrænsning, dataminimering, rollebaseret adgang og retten til indsigt/sletning. I praksis: privat workspace, audit-log, ingen træning på kundedata, og klar dataansvarlig/databehandler-rollefordeling.

Operateurs indgangsforløb: en struktureret gennemgang (1-2 dage for Quick Audit, 1 uge for Full Audit) hvor vi kortlægger jeres daglige arbejdsgange, vurderer automatiseringspotentiale og leverer en prioriteret liste plus spec på den første agent. I beholder alt materiale uanset om I fortsætter.

Den interne ejer i jeres virksomhed der driver AI-operationer på daglig basis: vælger arbejdsgange, reviewer agentens output, justerer kontrolmodes og skalerer fra én til flere agenter. Det er den rolle vi træner op i Fase 2 af rådgivningsforløbet.