Mange verksemder har meir kunnskap liggjande i dokument enn dei trur. Tilbodsmalar, HMS-rutinar, produktark, kvalitetssystem, møteprotokollar, personalhandbok, gamle prosjektrapportar og kundespørsmål. Problemet er ikkje at kunnskapen manglar. Problemet er at folk ikkje finn han når dei treng han.
Her kjem ein chatbot trena på eigne dokument inn. I praksis betyr det at du kan stille spørsmål på vanleg språk, og få svar basert på dokumenta dine. Ikkje på heile internett. Ikkje på noko chatboten «trur». Men på innhaldet de sjølve har lagt inn.
Kva betyr det eigentleg?
Når folk seier «trena på eigne dokument», høyrest det ofte meir avansert ut enn det treng å vere. I mange løysingar i dag er ikkje modellen trena frå botnen av på nytt. Det som skjer, er oftare noko som heiter RAG, eller Retrieval-Augmented Generation.
På enkelt norsk: Chatboten leitar først i dokumenta dine etter relevante bitar. Deretter brukar han ein språkmodell til å formulere eit svar basert på det han fann. Det er litt som ein flink assistent som først søkjer i arkivet, finn rett side, og så forklarar innhaldet på ein forståeleg måte.
Dette er viktig. Ein vanleg chatbot kan vere god til å skrive, men han veit ikkje automatisk kva som står i kvalitetshandboka di. Med RAG får han tilgang til akkurat den kunnskapen du peikar han mot. Det reduserer risikoen for synsing og oppdikta svar, sjølv om du framleis må byggje løysinga fornuftig og teste henne godt.
Kva kan små verksemder bruke det til?
Dette er ikkje berre for store konsern med eigne IT-avdelingar. Mange mindre norske verksemder sit på dokument som tilsette brukar mykje tid på å leite i.
Ein byggmeister kan samle HMS-rutinar, sjekklister og FDV-dokumentasjon. Ein rekneskapsførar kan lage ein intern chatbot for rutinar, fristar og kundespesifikke arbeidsmåtar. Ei industriverksemd kan la tilsette spørje etter vedlikehaldsrutinar, produktdata og avvikshandtering. Ein butikkjede kan bruke han til opplæring av nye tilsette: «Korleis handterer vi retur utan kvittering?»
Typiske spørsmål kan vere:
- «Kva er rutinen vår for sjukefråvær?»
- «Kva dokument skal kunden få etter ferdig prosjekt?»
- «Kva seier avtalen om responstid?»
- «Finn sjekklista for årleg kontroll.»
- «Lag eit kort samandrag av denne prosedyren for ein ny tilsett.»
Den største gevinsten er ofte ikkje at chatboten gjer noko magisk. Det er at han sparer folk for små avbrot heile dagen. Fem minutt her, ti minutt der, mindre mas på den eine personen som «alltid veit kvar alt ligg».
Kva verktøy finst?
For verksemder som allereie brukar Microsoft 365, er Microsoft Copilot Studio eit naturleg spor å sjå på. Det kan koplast mot til dømes SharePoint og OneDrive, og kan brukast til å lage eigne chatbotar som hentar informasjon frå dokument de alt har i systemet. Det passar særleg godt viss de har orden på tilgangar og filstruktur frå før.
For verksemder som brukar Google Drive, Dropbox eller mange ulike nettsystem, kan Zapier AI Chatbots vere eit enklare alternativ å teste. Slike verktøy er laga for at vanlege brukarar skal kome i gang utan å byggje alt frå grunnen.
Så finst det meir fleksible oppsett med opne komponentar, til dømes LangChain kombinert med språkmodellar som Llama frå Meta. Dette kan vere aktuelt viss de har spesielle krav, store dokumentmengder eller ønskjer meir kontroll. Men då treng de gjerne teknisk hjelp til oppsett, drift og tryggleik.
Poenget er: Du treng ikkje starte med den mest avanserte løysinga. Start med problemet. Kva dokument brukar folk tid på å leite i? Kven skal spørje? Kva svar må vere heilt rette? Verktøyvalet kjem etterpå.
Kva må vere på plass?
Ein chatbot blir ikkje betre enn dokumentgrunnlaget sitt. Har de gamle versjonar, uklare filnamn og tre ulike rutinar som seier litt forskjellig, vil chatboten òg slite. Difor er første del av jobben ofte rydding, ikkje teknologi.
De bør velje ut eit avgrensa område først. Til dømes HMS, kundeservice, intern opplæring eller produktdokumentasjon. Ta bort utdaterte dokument. Sørg for at filene har gode namn. Del gjerne lange dokument opp i tydelege kapittel. Og bestem kven som eig innhaldet vidare.
Tilgangsstyring er òg viktig. Ein chatbot må ikkje gi ein nytilsett tilgang til lønsdokument eller personalsaker berre fordi filene ligg ein stad i same system. Bruk løysingar som respekterer eksisterande tilgangar, og test med ulike brukarar.
Du bør òg vere tydeleg på at chatboten er eit hjelpemiddel, ikkje ein fasit i alle saker. Be han gjerne vise kva dokument svaret byggjer på. Då kan brukaren klikke seg vidare og sjekke sjølv ved viktige avgjerder.
Slik kjem du i gang
Den beste starten er liten og konkret. Ikkje «vi skal lage ein AI for heile verksemda». Sei heller: «Vi skal lage ein intern chatbot som svarar på spørsmål om HMS-rutinane våre.»
Vel 20–50 dokument som faktisk er i bruk. Lag 30 vanlege spørsmål som tilsette pleier å stille. Test chatboten mot desse spørsmåla. Får de gode svar? Viser han til rett dokument? Svarar han «eg finn ikkje svaret» når informasjonen manglar? Det siste er eit godt teikn. Ein trygg chatbot skal ikkje late som.
Når piloten fungerer, kan de utvide med fleire dokument og fleire brukargrupper. Då har de lært kva som krev rydding, kva spørsmål folk faktisk stiller, og kvar gevinsten er størst.
Mitt konkrete råd: Finn éi mappe i verksemda der folk ofte leitar etter svar. Rydd henne, fjern gamle dokument, og lag ti spørsmål de ønskjer at ein chatbot skal kunne svare på. Då har de eit godt første steg – før de brukar pengar på verktøy eller konsulentar.