---
title: "I produktion, og jeres at beholde."
description: "AI-agenter og automatisering i produktionskvalitet, bygget sammen med jeres team, koblet på jeres stack og jeres at beholde. Hvad byggeforløbet dækker, hvordan det kører, og hvad I ejer til sidst."
lang: "da"
canonical: "https://www.casperlarsen.dk/da/services/ai-build"
---

# Udvikling af AI-agenter og automatisering

Byggeforløbet leverer AI-systemer i produktionskvalitet: agenter, automatisering og retrieval-augmented generation (RAG) koblet på virksomhedens eksisterende stack. Det bygges sammen med virksomhedens eget team, og viden overdrages undervejs, så virksomheden ejer og forstår det, der går i drift. Efter lancering bliver systemerne overvåget, justeret og udvidet under samme retainer.

- **Tidsramme:** Første system i produktion typisk inden for fire til otte uger.
- **Format:** Byggeri med jeres team, i jeres repo, med ugentlige demoer af fungerende software.
- **Leverance:** Kørende systemer, dokumentation og et team, der kan drive dem.
- **Efter lancering:** Overvågning, justering og næste initiativ, på retaineren.

## Det får du

- Systemer i produktion: agenter, automatisering, RAG, integrationer, koblet på jeres ERP, CRM eller dataplatform.
- En arkitektur pr. system: teknologi, dataflows, integrationspunkter, leveringsplan.
- Menneske i loopet som standard: intet uigenkaldeligt sker, uden at en person godkender det.
- Dokumentation og overdragelse, så jeres team kan drive og udvide det.
- Overvågning og måling mod den baseline, der blev sat i auditten.

## Sådan foregår det

Hvert system starter med sin egen tegning og bliver så bygget i små trin, der kan sættes i drift. I ser fungerende software hver uge, ikke en statusrapport. Den første version går tidligt i produktion og bliver bedre derfra.

Byggeriet sker i jeres repository med jeres team i rummet. Målet er, at I ikke er afhængige af nogen uden for virksomheden for at holde det kørende, når forløbet slutter.

## Hvad der bliver bygget

Typiske systemer: en agent, der læser indkomne dokumenter og skriver udkast til svar, som en person godkender. Automatisering, der afstemmer data på tværs af systemer og markerer afvigelser. Et RAG-system, der svarer på spørgsmål ud fra jeres egne dokumenter, på dansk, og siger til, når svaret ikke findes. En pipeline, der hver morgen gør en offentlig datakilde til en prioriteret liste.

Fællesnævneren er, at hvert system erstatter timer af gentaget arbejde med et system, en person fører tilsyn med.

Se det i produktion: Dansk advokatfirma: gap-analysen er lavet før første samtale (https://www.casperlarsen.dk/use-cases/gap-analysis-outreach)

## Spørgsmål, købere stiller

### Skal vi have vores egne udviklere?

Det hjælper, men er ikke et krav. Har I et team, bygges der sammen med dem. Har I ikke, bygges systemet til at blive drevet af dem, der bruger det, med dokumentation og overdragelse.

### Hvilke modeller og værktøjer bruges?

Det, der passer til opgaven og jeres krav til data og pris. Systemerne bygges, så modellen kan skiftes ud, når en bedre eller billigere dukker op.

### Hvad med GDPR og EU’s AI Act?

Begge dele designes ind fra start: datahåndtering, logning, menneskeligt tilsyn og den dokumentation, AI Act kræver. Det er langt billigere at bygge ind end at rette til bagefter.

### Hvad sker der, når forløbet slutter?

Systemerne kører videre. De ligger i jeres stack, jeres repo og i jeres teams hænder. De fleste kunder fortsætter på en lettere retainer til overvågning og næste initiativ, men det er et valg, ikke en binding.


---
Casper Larsen, Fractional Chief AI Officer, Danmark. Kontakt: https://www.casperlarsen.dk/contact · Gratis pre-flight check: https://www.casperlarsen.dk/audit