AI & Machine Learning – Från pilot till vardag

Vi hjälper organisationer identifiera var AI gör mest nytta, och bygger sedan lösningen så att den fungerar i praktiken. Vi säger också vilka use case som inte bär. Ett use case ingen kan räkna på är ett experiment, inte en investering.

Vi arbetar med hela bredden: klassisk prediktiv analys och maskininlärning, generativ AI och stora språkmodeller, samt AI-agenter som löser konkreta verksamhetsproblem. Ofta i samma uppdrag — valet av metod följer problemet, inte tvärtom.

Uppdraget slutar inte vid leverans. Det sträcker sig till att lösningen faktiskt används, förvaltas och ägs av er. Någon ska äga den på måndagen efter att vi gått hem, och det ska vara bestämt innan vi börjar.
‍

Varför data, inte modeller

Vi är inte ett AI-bolag som lärt sig data. Vi är ett databolag som byggt AI.

En modell är bara så bra som datan den arbetar med. Är datan spridd över system, saknar kvalitetskontroll eller inte går att spåra, spelar det ingen roll hur bra modellen är. Då blir AI ett experiment som aldrig lämnar labbet.

Det är därför våra AI-uppdrag sällan börjar i modellen. De börjar i vilken data som finns, vad den betyder, och vem som ansvarar för den. Ofta är det arbetet redan gjort och när det inte är det, är det där vi börjar.

Vilka som bygger

AI är ingen egen liten avdelning hos oss. Här jobbar alla med Data & AI och drivs på av vår dedikerade AI-hubb.

Det är enkelt att sätta ihop ett AI-team vid sidan av verksamheten. Det ger en demo fort och en lösning sällan, för teamet saknar det som avgör: kunskapen om vad datan faktiskt betyder. Hos oss byggs AI av samma människor som byggt dataplattformarna och rapporterna, inom domäner och verksamheter de kunnat länge.

Det spelar roll av ett skäl som är lätt att missa. AI gör kompetenta människor snabbare på det den är bra på och alla mer självsäkert fel på det den inte är. Skillnaden syns inte i svaret. Ett nyckeltal kan stämma på dagnivå och vara tyst fel på månad, och rapporten ser lika övertygande ut i båda fallen. Det som fattas är sällan modellen. Det är någon som känner igen felet.

Vi bygger dessutom med AI själva, varje vecka. Interna verktyg för innehåll, hantering av konsultprofiler och uppdragsunderlag byggda av oss, för oss, i skarp användning. Det är där vi ser vad som håller och vad som bara ser bra ut i en demo.

Tekniker vi jobbar med

Vi bygger där datan redan bor, hellre än att flytta den. Databricks när data och AI ska leva på samma plats, Azure AI Foundry för att sätta språkmodeller i drift med styrning och spårbarhet, Snowflake ML när modellerna hör hemma nära lagret. Python genom hela kedjan.

Vi bygger också RAG-lösningar, där modellen svarar utifrån era egna dokument i stället för utifrån vad den råkar minnas med källhänvisning tillbaka till handlingen, så att svaret går att kontrollera. Och AI-agenter som utför uppgifter i era system, inte bara beskriver dem.

Vi väljer modell och leverantör så att de går att byta. Kopplingarna mellan data, funktioner och system byggs så att materialet och de affärskritiska delarna stannar hos er. Då går det att byta modell längre fram utan att bygga om verksamheten.

Vi rekommenderar det som faktiskt löser problemet, inte det vi har närmast till hands.

Hur vi vet att det fungerar

Digitala Juristen. Ett innovationsprojekt hos Familjens Jurist, genomfört med Yellow Elk som teknisk partner och delvis finansierat av Vinnova. Inte en pilot bakom inloggning utan en publik tjänst i skarp drift hos Sveriges största familjejuridiska byrå, i familjejuridik där barn är inblandade. Ungefär den känsligaste datan som finns.
Läs mer om projektet hos Familjens Jurist →
‍

Piloter som fungerade men aldrig blev något. Modeller som byggts på data ingen litar på. Lösningar som ingen förvaltar när projektet är slut. Organisationer som köpt ett AI-verktyg och upptäckt att det inte känner till deras egna processer, avtal och tidigare arbete.

Och allra oftast: en ambition som är större än förutsättningarna. Många idéer, högt tempo, och en datagrund som inte bär vikten. Vi börjar i vad ni vill åstadkomma, inte i modellen ni precis hört talas om. Den genomgången avgör vilka use case som är värda att bygga — och vilka vi rekommenderar att ni skippar.

Det är där vi gör vår största nytta — när AI slutar vara ett projekt och blir ett arbetssätt.

Arbetar ni inom juridik? Se Legal AI för advokatbyråer och juristavdelningar.
‍‍