Frågeformulär
AI- & automationsambition
Var låter ni AI-agenter besluta, var endast rådge, och vilka mänskliga grindar behålls? Inte "AI överallt", utan ett målmedvetet val per use case, med mänskligt ansvar på rätt ställen.
Uppdaterad 18. Mai 2026
Questionnaire · 4.12
Varför detta nu, inte senare
Frestelsen är att parkera AI som “fas 2” (“kör stabilt först, sedan AI”). Men konfigurationsvalen ni gör nu, klassificeringar, kunskapsbasstruktur, ärendefält, avgör direkt hur väl AI kan prestera senare. Bestäm vilken nivå ni siktar på per use case nu, det styr datakvaliteten ni etablerar idag.
Vad levererar du?
AI-ambitionsmatris
Per use case: nivå (rådge / assistera / agera), med framgångskriterier och ansvarig.
Mänskliga grindar
Var griper en människa in, vid varje åtgärd, vid hög inverkan, vid osäkerhet?
Datakvalitetskrav
Vilka klassificeringar, kunskapsartiklar och historik behövs för att förverkliga matrisen?
Styrning & transparens
Vilka loggar, granskningar och förklaringar ger ni slutanvändare och tillsynsmyndigheter?
De tre nivåerna
Nivå 1, Rådge
AI föreslår (kategori, lösning, svar). Agenten beslutar och agerar. Säkraste startpunkt.
Nivå 2, Assistera
AI utför delåtgärder (klassificera, routa, skissa första svar). Människa granskar och bekräftar.
Nivå 3, Agera
AI agerar självständigt inom fördefinierade ramar. Människa kontrollerar via dashboards eller granskning i efterhand.
Nyckelfrågor
- 1Vilka use cases vill ni AI-stödja, ärendeklassificering, första svar, kunskapsbas-sökning, no-show-upptäckt, beläggningsanomali, automatisk routing?
- 2Per use case: vilken nivå (1/2/3) siktar ni på i fas 1, och vad är roadmap till fas 2/3?
- 3Gränser, vilka beslut får AI aldrig fatta autonomt (medicinska, juridiska, finansiella över X €)?
- 4Transparens mot slutanvändare, hur berättar ni för användare att AI svarar? Etiketter, friskrivningar, opt-out?
- 5Datakvalitetskrav, vilket klassificeringsdjup och kunskapsbasmognad behöver vi för att tillförlitligt nå varje nivå?
- 6Återkopplingsslinga, hur samlar ni in korrigeringar (agent förkastar felaktig klassificering)? Matar detta modellen?
- 7Compliance & AI Act, vilka use cases faller under vilken riskkategori? Dokumentation, loggning, mänsklig översyn?
- 8Integritet & dataanvändning, vilka data får AI se (hela ärendeinnehållet, endast metadata)? Anonymisera? Databehandlingsavtal?
- 9KPI:er för AI-framgång, användningsgrad, träffsäkerhet, agentkorrigeringar, tid sparad, användarnöjdhet.
- 10Rollback-procedur, om AI får något fel, hur återgår ni snabbt till nivå 1 för ett use case?
Mall, ambitionsmatris per use case
| Use case | Fas 1 | Fas 2 | Gräns (aldrig) | Datakvalitetskrav | Ansvarig |
|---|---|---|---|---|---|
| Ärendeklassificering | Rådge | Assistera | Major incidents | 3-nivåers klassificering + 500+ historiska ärenden | Service Manager |
| Kunskapsbas-svar | Assistera | Agera | HR/juridiska frågor | 200+ KB-artiklar med FAQ-taggar | Servicedesk-chef |
| No-show-upptäckt | Rådge | Agera | Styrelserum & VIP-rum | Incheckningsdata ≥ 3 månader | FM-chef |
| Beläggningsanomali | Rådge | Rådge | Personalplanering | IoT-sensorer aktiva | Workplace-ansvarig |
| Auto-routing av ärenden | — | Assistera | P1-incidenter | Arbetsgrupper + kompetenstaggar satta | Service Manager |
| … | … | … | … | … | … |