De flesta team använder redan AI i arbetet. Microsoft och LinkedIn Work Trend Index 2024 visade att 75% av kunskapsarbetarna använder generativ AI och att 60% av cheferna oroar sig för att deras företag saknar en plan för det. Det de flesta team använder är en allmän assistent: bra på att skriva, men blind för företagets egen data och oförmögen att ändra något i de system där arbetet faktiskt sker.
En avdelningsagent täpper till det gapet. Den är kopplad till CRM-, ekonomi- och produktsystemen, den känner till de rapporter ett visst team behöver, och den har en definierad uppsättning åtgärder som teamet får utföra.
Vad gör en AI-agent för en avdelning?
En AI-agent för en avdelning gör två jobb för ett team. Den hämtar data: svarar på frågor och tar fram rapporter från CRM-, ekonomi- och produktsystemen på vanligt språk. Och den skickar data: uppdaterar poster, startar processer och skickar det som ska skickas, inom varje persons behörigheter, med godkännande där det behövs och med varje åtgärd loggad.
Hämta och skicka: de två halvorna
Hämta är rapportering och uppslag. I stället för att leta upp rätt skärm, exportera till ett kalkylark eller vänta på den enda person som vet hur rapporten tas fram, frågar alla med behörighet helt enkelt. Agenten når alla anslutna system, så en enda fråga kan kombinera vad CRM säger med vad ekonomi har fakturerat och vad produkten har registrerat.
Skicka är åtgärd. Agenten uppdaterar affären, öppnar förnyelsen, skickar påminnelsen, loggar samtalet. Varje åtgärd är en definierad färdighet med behörighet, inte en öppen instruktion till en modell. Det är skillnaden mellan en agent du kan lita på i dina system och en som du inte kan lita på.
Båda halvorna beror på datan under. En agent som rapporterar från ett CRM som inte stämmer med ekonomi ger siffror som ingen litar på, och därför kommer datagrunden först.
Ekonomi: från månadsbokslut till kassa
Rapportering. “Hur ser vår kassa ut, och vad är förfallet?” Ekonomiagenten svarar utifrån systemen, inte utifrån förra månadens kalkylark: kassa och kundfordringar; MRR, ARR och marginal månad för månad; intäkter bokförda mot fakturerade mot betalda; och siffrorna för månadsbokslut och styrelse.
Åtgärder. Den driver in förfallna fakturor, stämmer av betalningar mot fakturor, flaggar fakturor som inte stämmer med avtalet och utfärdar en kreditnota efter godkännande.
Värdet är dels tid, dels trygghet: när CFO:n och vd:n ställer samma fråga får de samma svar. Månadsbokslutet slutar vara en vecka av exporter och avstämningar i kalkylark, och styrelsesiffrorna byggs från samma poster som ekonomiteamet arbetar i varje dag.
Sälj: pipelinen utan administrationen
Rapportering. “Vad stänger vi det här kvartalet?” Pipeline per steg, ägare och ålder, prognosen och orsaker till vunna och förlorade affärer, utan att en säljare ägnar fredagseftermiddagen åt att uppdatera fält för att rapporten ska bli rätt.
Åtgärder. Den loggar samtalet och nästa steg, flyttar affären och uppdaterar prognosen, och skapar offerten utifrån de överenskomna villkoren, inom dina prisregler.
CRM-administration är där mycket säljtid försvinner. När det tar en mening att logga ett samtal hålls CRM aktuellt, och alla rapporter som bygger på det blir bättre. Det hjälper också teamen längre fram i kedjan: när en affär markeras som vunnen kan överlämningen till customer success börja direkt, med allt som säljarna har kommit överens om redan dokumenterat.
Customer success: förnyelser innan de blir risker
Rapportering. “Vilka förnyelser förfaller nästa månad, och vilka är i riskzonen?” Förnyelser som förfaller, kundhälsa och användningstrender, risk för kundbortfall och de öppna ärendena på varje konto.
Åtgärder. Den öppnar förnyelsen och förbereder offerten, bokar den kvartalsvisa affärsgenomgången och eskalerar ett konto i riskzonen till dess ägare.
För ett SaaS-företag är det ofta här agenterna lönar sig först, eftersom förnyelser följer regler som avtalen redan definierar. Mer om det finns på vår sida om AI för SaaS.
Reglerna som gör det säkert
En agent som kan ändra dina system behöver fasta gränser. Våra är desamma i alla avdelningar:
- Behörigheter. Människor ser och ändrar bara det som deras roll tillåter, och agenten kan bara göra det den har fått färdigheter för.
- Godkännanden. Åtgärder med konsekvenser, som en kreditnota, väntar på att en person godkänner dem.
- Ett granskningsspår. Varje fråga och varje åtgärd loggas, med vem som frågade och när.
- En skärm där en skärm är bättre. Allt ska inte göras genom att fråga en AI. En Adminportal, byggd för den verksamhet den driver, finns vid sidan av agenterna för att lägga till och avveckla poster, ladda upp innehåll, ställa in behörigheter och granska vad agenterna har gjort.
- Europeiskt från grunden. GDPR och EU AI Act är en del av designen, datan stannar inom EU under bygget, och AI-modellen är företagets eget val: en europeisk modell, en som hostas privat eller en amerikansk.
Det bästa stället att börja är oftast en avdelning och en process: den som kostar mest i dag. En agent som mätbart tar bort verkligt arbete från ett team är det tydligaste argumentet för nästa, och de färdigheter och den datagrund den behöver följer med till de avdelningar som kommer därefter.
NordOps AI Agent fungerar inuti den AI-assistent ett team redan använder, via MCP (Model Context Protocol), så det finns inget nytt verktyg att lära sig och ingen extra inloggning. Hur allt hänger ihop, från datagrunden till avdelningsagenterna, beskrivs på sidan om NordOps AI Agent.