Ett privat AI-lager ovanpå ett befintligt system – till exempel affärssystem, intranät eller ärendehantering. Medarbetare beskriver vad de vill uppnå, och Elevate utför styrda, behöriga åtgärder. Behörigheter, godkännandepunkter och loggning styr vad AI-lagret får göra.
Elevate kopplar en privat språkmodell till era befintliga system via deras API:er – med er behörighetsmodell som hård gräns. Skillnaden mot en chatbot: en chatbot svarar på frågor, Elevate utför behöriga åtgärder i era system.
Medarbetare beskriver vad de vill uppnå i vanligt språk – ingen utbildning i systemens gränssnitt, inga makron, inga exporter till Excel.
Varje åtgärd utförs via systemens API:er. Åtgärder kontrolleras mot användarens behörigheter och de regler som definierats för integrationen.
Elevate läggs ovanpå det ni redan har – affärssystem, ärendehantering, ekonomisystem. Inga migreringar, ingen ny masterdata.
Illustrativa exempel på arbetsflöden före och efter. Siffrorna är illustrativa – inte garanterade resultat. Faktiskt utfall mäts i piloten mot er egen baslinje.
Scenario 3 i praktiken – en ekonomiassistent arbetar mot affärssystemet utan att öppna det.
Fyra principer gör Elevate till något annat än ”en chatbot mot ett publikt API”.
Språkmodellen körs i er kontrollerade miljö eller på dedikerad GPU i vår svenska datahall enligt överenskommen arkitektur. Prompts, kunddata och svar passerar inte publika AI-tjänster. Dataflöden och eventuella externa beroenden dokumenteras innan driftsättning.
Integrationer byggs på MCP (Model Context Protocol) – en öppen standard för att koppla AI till system. Det kan göra integrationerna mer återanvändbara och minska beroendet av en enskild AI-leverantör.
Läsningar sker direkt, men åtgärder som skapar, ändrar eller skickar något stämmer Elevate av först: ”Ska jag göra detta?”. Ni definierar vilka åtgärder som kräver godkännande – och vilka som får ske automatiskt.
Varje fråga, varje svar och varje utförd åtgärd loggas med användar-ID och tidsstämpel. Audit-trailen visar exakt vad Elevate gjort åt vem – revisionsfärdigt underlag för GDPR och NIS2.
System med dokumenterade API:er är ofta möjliga att integrera. Vi bedömer autentisering, behörighetsmodell, licensvillkor, läs- och skrivstöd, datamodell och tekniska begränsningar före pilot.
Förutsättningarna är färre än ni tror – vi hjälper er genom varje punkt.
Vi startar alltid med en avgränsad pilot – så att värdet kan mätas innan ni skalar. Efter piloten övergår ni till månadskostnad för drift av AI-lagret (GPU-kostnad beror på inferencing-last – fastställs under piloten).
Vad som behövs för att komma igång – vi hjälper er genom varje punkt.
| API-tillgång | Era system behöver ha API:er (REST/SOAP/GraphQL) eller databasåtkomst som Elevate kan integrera mot |
|---|---|
| Behörighetsmodell | Befintlig användarkatalog (AD/Entra ID eller motsvarande) för att mappa åtgärder mot rätt behörigheter |
| GPU-kapacitet | Dedikerad GPU i vår svenska hall ingår i tjänsten – alternativt on-prem hos er om ni har egen GPU-hårdvara |
| Pilotomfång | Vi rekommenderar start med 1–2 system och en avgränsad användargrupp, utökning därefter |
Ett system, ett arbetsflöde, mätbara resultat. Ingen "AI-transformation" – ett avgränsat projekt med tydligt slut.
Vi väljer ut arbetsflödet tillsammans med er pilot-ägare: vad görs idag, av vem, hur ofta och hur lång tid tar det? Baslinjen mäts – det är den vi jämför mot i slutet.
MCP-koppling byggs mot ert system, behörighetsmodellen mappas mot er användarkatalog och den privata modellen sätts upp på GPU i vår hall. Kontrollpunkter definieras: vad kräver godkännande, vad får ske automatiskt.
En avgränsad användargrupp arbetar med Elevate i sitt dagliga flöde. Vi finjusterar prompts, integrationer och kontrollpunkter baserat på verklig användning – varje vecka.
Resultatet jämförs mot baslinjen: tid sparad, fel minskade, kunskapsberoende reducerat. Ni får ett beslutsunderlag – skala upp, utöka till fler flöden eller avsluta.
Minuter före vs. efter, per arbetsflöde. Målet är mätbart kortare tid för fråge- och registreringsflöden – faktiskt utfall mäts i piloten.
Andel uppgifter som kräver efterarbete. När Elevate läser från källsystemet i stället för att någon skriver av minskar risken för inmatningsfel.
Hur många i teamet kan utföra uppgiften? Med naturligt språk som gränssnitt försvinner beroendet av "personen som kan systemet".
Elevate använder inte publika AI-tjänster för prompts, kunddata eller svar i den överenskomna standardarkitekturen. Modellen körs i er kontrollerade miljö eller på dedikerad kapacitet i vår svenska datahall. Exakta dataflöden, driftplats och eventuella externa beroenden dokumenteras och godkänns innan driftsättning.
Åtgärder utförs genom systemets definierade integrationer och kontrolleras mot användarens behörigheter och de regler som satts upp för lösningen. En korrekt konfigurerad integration begränsar vad AI-lagret kan göra; omfattningen fastställs och testas tillsammans med er.
Åtgärder som skapar, ändrar eller skickar något kräver ett explicit godkännande innan de utförs – ni ser exakt vad som kommer hända. Läsande frågor ändrar inte källsystemet men kan fortfarande innehålla känslig information eller ge felaktiga svar. Därför omfattas även läsning av behörighetskontroll, loggning, test och relevanta dataskyddsåtgärder.
Pilotgruppen arbetar skarpt med Elevate från vecka 5. Full utvärdering mot baslinjen är klar efter 8–12 veckor – med uppmätta siffror på tid, fel och kunskapsberoende, inte uppskattningar.
Dedikerad GPU i vår hall ingår i tjänsten och dimensioneras under piloten utifrån verklig inferencing-last. Har ni egen GPU-hårdvara kan Elevate även köras on-prem hos er.
Nej. Elevate kan kopplas till system som ligger i er nuvarande miljö – i publikt moln, on-premises eller i vår datahall. Det kräver inte att ni köper vår migration eller managed drift, men kan kombineras med dem. Vilka delar som körs hos er respektive i vår hall bestäms av den överenskomna arkitekturen.
När Smart Source AB behandlar personuppgifter för kundens räkning regleras rollen som personuppgiftsbiträde i ett personuppgiftsbiträdesavtal. Varje fråga och åtgärd loggas revisionsbart, vilket ger ett tydligare underlag än medarbetare som klistrar in kunddata i publika AI-verktyg. Den slutliga bedömningen beror på den faktiska behandlingen och ansvarsfördelningen.
Boka en Workflow Review så skissar vi på ett pilotupplägg för just era system – eller ta en demo först.