Intern videns-AI
En assistent, der svarer medarbejderne ud fra jeres egne dokumenter og data, viser kilden og tier, når den ikke ved det.
Danmark Data MCP
En MCP-server med 13 værktøjer med læseadgang til danske virksomheder, adresser, køretøjer og telefonnumre. Tilføj den i ChatGPT eller Claude, og spørg med almindelige ord; uden tilmelding og med rimelige forbrugsgrænser.
I de fleste virksomheder findes svaret allerede et sted: i en manual, en gammel mail, en prisliste, en fælles mappe. Det tager længere tid at finde det end at spørge en kollega, og kollegaen har travlt. Intern videns-AI gør den søgning til en samtale. En medarbejder spørger med sine egne ord, systemet finder de passager, der passer, og en model skriver et kort svar med et link til, hvor det kommer fra.
Kernen er genfinding, ikke modellen. Vi indekserer jeres dokumenter i Meilisearch med både ord og vektorer. Til hvert dokument genererer vi én gang, når det gemmes, en række eksempler på spørgsmål på dansk, engelsk og ukrainsk og indekserer dem sammen med teksten; det er dét, der gør, at et dansk spørgsmål kan finde en artikel skrevet på ukrainsk. Spørgsmål, der scorer under en tærskel, får intet svar og havner på en liste over huller, som nogen skal udfylde. Resultaterne filtreres efter virksomhed, team eller rolle, før modellen ser dem, så ingen får et svar bygget på et dokument, de ikke må åbne.
Vi byggede det første gang til vidensbasen bag vores telefonagent. På et fast testsæt fandt den den rigtige artikel til 13 ud af 13 spørgsmål, der havde en, og gav intet opdigtet svar på nogen af 5 spørgsmål uden svar; før ændringen fandt den 10 ud af 13. Tærsklen på 0,2 kom fra mellemrummet mellem scorerne for relevante og irrelevante resultater, ikke fra et gæt. Vi driver også Danmark Data MCP, en server, der giver ChatGPT og Claude 13 værktøjer med læseadgang til danske virksomheder, adresser, køretøjer og telefonnumre. Samme fremgangsmåde kan stille jeres interne systemer til rådighed for en AI-assistent uden at give den skriveadgang.
Udgifterne har tre dele: opbygning af indekset og adgangsreglerne; en lille engangsudgift til modellen pr. dokument, når det indekseres; og modelforbrug pr. spørgsmål. Embeddings er billige, selve svaret koster mere og afhænger af modellen. Vi logger hvert kald og kan sætte et dagligt loft pr. team. Drift af søgemaskinen på en server, vi passer, er dækket af projektsupport fra 600 kr. om måneden.
Det kan ikke betale sig, hvis jeres viden kan være på én velholdt FAQ-side: skriv hellere siden. Det passer dårligt til data, der ændrer sig hvert minut, som lagerstatus, der bør læses direkte fra kildesystemet. Og det erstatter ikke en advokat eller en revisor. Det kan pege på paragraffen, men en fagperson skal læse den.
Nøglefunktioner
Svar med kilder
Hvert svar linker til det dokument og den passage, det bygger på. Henviser modellen til noget, der ikke var i det materiale, den fik, bliver svaret afvist i stedet for vist.
Søgning på tværs af sprog
Spørg på dansk, og find tekst skrevet på ukrainsk eller engelsk. Eksempler på spørgsmål på alle tre sprog genereres én gang pr. dokument og kan omskrives i hånden.
Ærlig tavshed
Under en målt relevansscore siger assistenten, at den ikke ved det, og logger spørgsmålet i stedet for at svare ud fra det nærmeste forkerte dokument.
Adgang efter rolle
Dokumenterne har mærker for virksomhed, team og rolle. Søgningen filtrerer på dem, før nogen tekst når modellen, så svarene følger de samme rettigheder som jeres filer.
MCP-forbindelse
En MCP-server lader ChatGPT, Claude og andre assistenter slå op i jeres data via værktøjer med kun læseadgang, med grænser for antal kald og en log over hvert kald.
Reserve med ordsøgning
Er vektordelen af søgningen utilgængelig, svarer en almindelig ordsøgning videre, så assistenten bliver mindre præcis i stedet for at gå i stå.
Derfor skal du vælge denne ydelse
Medarbejderne spørger med egne ord og får passagen, ikke en liste med tyve filer.
Rutiner og undtagelser, som erfarne folk har i hovedet, ender i dokumenter, assistenten kan finde.
Listen over ubesvarede spørgsmål viser præcis, hvilke dokumenter der skal skrives som de næste.
Assistenten svarer kun ud fra dokumenter, som den, der spørger, har lov til at åbne.
Sådan leverer vi
Vores gennemprøvede proces sikrer kvalitet i hvert trin
Kilderne gennemgås
Vi skriver ned, hvor viden ligger i dag, for eksempel filer, mail, CRM og intranet, hvem der må se hvad, og hvilke kilder der er pålidelige nok at svare ud fra.
Indeksering og mærkning
Dokumenterne deles op, mærkes med adgangsrettigheder og indekseres med ord, vektorer og eksempler på spørgsmål. Stopord for dansk, engelsk og ukrainsk sættes, før det første dokument kommer ind.
Tærsklen måles
Vi kører spørgsmål, der skal besvares, og spørgsmål, der ikke må, ser på fordelingen af scorer og lægger grænsen i mellemrummet mellem de to grupper.
Brugerfladen kobles på
Assistenten kommer derhen, hvor medarbejderne allerede arbejder: en webside, Telegram, CRM eller en MCP-forbindelse til den AI-assistent, I allerede bruger.
Den holdes opdateret
Nye og ændrede dokumenter indekseres automatisk igen, og listen over huller gennemgås jævnligt, så basen vokser dér, hvor spørgsmålene viser, at den er tynd.
Ofte stillede spørgsmål
Forlader vores dokumenter virksomheden?
Søgeindekset kører på en server, vi passer, eller på jeres egen. De passager, der besvarer et spørgsmål, sendes til AI-leverandøren, så den kan formulere svaret, så vi holder dem til det nødvendige og fortæller jer, hvilken leverandør der modtager dem. Dokumenter, der aldrig må forlade huset, kan holdes ude eller besvares med søgning alene uden model.
Hvilke filtyper virker?
Tekstdokumenter, PDF'er med et tekstlag, websider, regneark og poster fra databaser eller et CRM. Scannede PDF'er kræver tekstgenkendelse først, hvilket giver ekstra udgifter og fejl, så vi tester et udsnit af jeres filer, før vi lover noget om dem. Resultatet af testen får I at se.
Hvordan ved vi, at svarene er rigtige?
Vi tester på et fast sæt spørgsmål før lancering og efter hver ændring, og hvert svar viser sin kilde, så medarbejderne kan tjekke det med ét klik. Da vi byggede det til vores telefonagent, kom det rigtige dokument frem for hvert spørgsmål i testsættet, og ingen af spørgsmålene uden for emnet fik et opdigtet svar.
Hvad er MCP, og har vi brug for det?
MCP er en åben protokol, der lader AI-assistenter som ChatGPT og Claude bruge værktøjer på en server. I har brug for det, hvis jeres medarbejdere allerede arbejder i en af de assistenter og skal kunne slå op i jeres systemer derfra. Vores Danmark Data MCP er et eksempel: 13 værktøjer med kun læseadgang og ingen skriveadgang.
Kan den opdatere sig selv fra vores CRM eller fællesdrev?
Ja, hvis systemet har et API. Nye og ændrede poster synkroniseres efter en plan, og slettede fjernes fra indekset, så assistenten ikke svarer ud fra dokumenter, der ikke længere findes. Eksemplerne på spørgsmål genereres kun igen for dokumenter, der faktisk er ændret.
Klar til at krydse broen?
Lad os bygge din lynbro til digital transformation. Fra første konsultation til live deployment — vi bevæger os hurtigt.