AI
AI Use Cases
De konkreta uppgifter en AI-agent kan utföra — klassificera, sammanfatta, skissa svar, upptäcka avvikelser. Use cases är byggstenarna i varje agent.
Uppdaterad 18. Mai 2026
Konfiguration · AI · 8.2
Ett AI Use Case är en avgränsad uppgift en agent kan utföra: klassificera, sammanfatta, föreslå, upptäcka. Use cases är byggstenarna — en agent länkar ett eller flera use cases med en specifik systemkontext och målobjekt. Här konfigurerar ni vad AI gör; i AI-agenter (8.1) beslutar ni vem.
Varför detta är viktigt för verksamheten
"AI gör för mycket eller för lite"
Use case-val avgränsar åtgärden — Klassificera är inte detsamma som Svara.
"Återanvändning över agenter"
Ett use case "Klassificera ärende" kan användas av flera agenter (generisk + IT-specifik).
"Resultat mätbara"
Per use case: träffsäkerhetsmätning (korrekt vs överskrivet av handläggare).
"Inte allt passar AI"
Use cases sätter tydliga gränser — vissa uppgifter är triviala (kategorisering), andra för komplexa (juridiskt beslut).
Vanliga use case-typer
| Typ | Vad den gör | Passar bäst för |
|---|---|---|
| Classify | Tilldela kategori/prioritet/arbetsgrupp baserat på innehåll | Ärenden, anmälningar, förfrågningar |
| Summarize | Sammanfatta långa trådar, ärendehistorik eller konversationer | Handläggaröverlämning, chefsöversikt |
| Draft response | Skissar första svaret baserat på KB | Slutanvändarfrågor, FAQ-nivå |
| Suggest action | Föreslår nästa steg (eskalering, routing, närmare lösning) | Komplexa ärenden |
| Detect anomaly | Upptäcker avvikelser från mönstret (ärendetopp, ovanlig bokning) | Större incidenter, fraud-signaler |
| Extract data | Drar ut strukturerad info ur fritext (serienummer, datum, plats) | Konversationer → ärendefält |
| Match | Länkar en post till bästa matchning i en mängd (fråga → KB-artikel, ärende → tillgång) | KB-förslag |
| Predict | Förutsäger utfall (no-show-sannolikhet, ärendeledtid, defektrisk) | Förebyggande åtgärder |
Vad konfigurerar ni per use case?
| Fält | Vad det är till för |
|---|---|
| Namn & beskrivning | Vad den gör, på slutanvändarspråk. |
| Typ | En av ovanstående (Classify, Summarize, osv.). |
| Inputs | Vilka fält vi läser (titel, beskrivning, klassificering, KB)? |
| Outputs | Vilka fält den fyller (kategori, prioritet, förslagstext)? |
| Confidence-tröskel | Från vilken säkerhet visas / tillämpas förslaget? |
| Fallback | Vad göra vid låg säkerhet — inget, standardvärde, fråga en människa? |
Vilka beslut fattar du?
Vilka use cases prioriterar ni?
Börja med "Classify" (låg risk, hög påverkan). "Draft response" först efter en stark KB.
Confidence-strategi
Hög (endast säkra förslag) = färre men bättre; låg = visa alltid något men mer brus.
Återanvändning över agenter
En generisk "Klassificera ärende" + tjänstevariationer, eller separat per tjänst från start?
Mätstrategi
Hur mäter ni träffsäkerhet per use case? Besluta i förväg vilken "handläggarkorrigering" som räknas som miss.