Chattbottarna löste fel problem

Det verkliga arbetet ligger i sammanhanget, inte i frågan

Tänk på vad som krävs för att besvara en typisk intern förfrågan på ett bra sätt: ”Kan vi erbjuda den här kunden rabatt på årsplanen?” Svaret beror på er prispolicy, kundens avtal, vem som får godkänna rabatter och vad som avtalades förra kvartalet. Inget av det finns i modellen.

I ett chattfönster måste den som frågar leta fram allt det, klistra in det och sedan kontrollera svaret mot källorna. AI:n hjälpte till med den enklaste delen, att skriva ett stycke, och lämnade den svåra delen åt människan. För många förfrågningar är det inte värt besväret, så medarbetarna låter bli.

Chatt är personligt. Arbete är gemensamt.

En chattassistent tillhör en person. Personens promptar, inklistrade dokument och noggrant formulerade instruktioner finns i hens konto. När en kollega har samma fråga nästa vecka börjar kollegan från noll.

Arbetet i ett företag fungerar inte så. Förfrågningar kommer in i delade kanaler och inkorgar. Flera personer tittar på samma tråd. Svaret måste vara detsamma oavsett vem som frågar. Det som fungerar för en person måste bli teamets arbetssätt, och en personlig chatthistorik kan inte åstadkomma det.

Åtkomstkontroll är inte valfritt

I samma ögonblick som ni kopplar en assistent till företagets data dyker en ny fråga upp: vems data får den se? Att klistra in dokument i en personlig chatt kringgår frågan genom att lägga ansvaret på varje användare. Att koppla en modell till en delad enhet med ett enda tjänstekonto gör fel åt andra hållet, eftersom alla plötsligt kan fråga om allt.

AI som är till nytta i ett företag måste svara med behörigheterna hos den som frågar. Praktikanten och ekonomichefen kan ställa samma fråga till samma agent och ska få svar som bygger på olika dokument. Det är ett plattformsproblem, inte ett promptproblem.

Svar är inte detsamma som arbete

Mycket av det repetitiva arbetet i ett företag handlar inte om att besvara frågor. Det handlar om att slå upp något i ett system, stämma av det mot ett annat, skriva ett meddelande och lägga det där någon kommer att agera på det. Ett chattfönster kan beskriva hur man gör. Det kan inte göra det, om inte någon kopplar det till systemen och bestämmer vad det får röra.

När ni väl kopplar in verktyg behöver ni gränser: vilka verktyg varje agent får använda, hur många steg den får ta och en logg över vad den gjorde. Återigen är det infrastruktur, inte en bättre modell.

Det som faktiskt behöver förändras

Om ni tittar på var AI-projekt kör fast inne i företag är det samma bitar som saknas:

1. Agenterna finns i kanalerna där förfrågningarna kommer in, inte i en separat flik.
2. Agenterna svarar utifrån företagets kunskap, med källor, och bara utifrån det som den som frågar får läsa.
3. Agenterna är gemensamma och konsekventa. En bra agent som sätts upp en gång fungerar för hela teamet.
4. Agenterna kan använda verktyg, inom gränser ni sätter, och varje åtgärd registreras.
5. Svåra förfrågningar kan delas upp mellan specialistagenter i stället för att en enda prompt ska göra allt.
6. Kostnad och modellval hanteras centralt, inte en prenumeration i taget.

Inget av detta handlar om chattrutan. Det handlar om allt runt omkring den.

Där Team Two passar in

Team Two är det lagret. Vi använder samma ledande modeller som ni redan känner till, från Anthropic och OpenAI, eller en modell ni själva driftar, och bygger resten runt dem: kanaler, kunskap med behörigheter, verktyg med gränser, specialistagenter, revisionsloggar och uppföljning av användning.

Personliga AI-assistenter är fortfarande användbara för personligt arbete. Behåll dem. Men om målet är att företaget ska arbeta annorlunda är svaret inte ett bättre chattfönster. Det är agenter som är en del av teamet. Se hur det ser ut.