Mange bruker fortsatt AI som en litt bedre søkemotor: «Skriv denne e-posten», «oppsummer denne PDF-en» eller «gi meg fem ideer». Det er nyttig, men det er fortsatt du som må huske spørsmålet, finne filene og følge opp svaret.
ByDagny viser en annen idé: AI som en kollega med et avgrenset ansvarsområde. I stedet for å vente på neste spørsmål, kan den følge med på én arbeidsflyt, hente informasjon fra systemene du allerede bruker og levere en kort oppdatering der teamet jobber.
Det interessante er ikke «AI-kollegaen» — det er arbeidsflyten
«AI-kollega» kan høres ut som et markedsføringsord. Den praktiske versjonen er mindre dramatisk: Du velger en oppgave som går igjen, bestemmer hvilke data som trengs, og setter grenser for hva AI-en får gjøre.
Dagny beskriver seg selv som et arbeidsområde der chat, filer, kunnskap, integrasjoner og automatiseringer samles. [1] Verdien oppstår først når dette kobles til faktiske data. Da kan spørsmålet «Hvordan gikk forrige uke?» besvares med egne henvendelser, avtaler, ordre eller kampanjetall — ikke et pent, men oppdiktet, svar.
En god AI-flyt begynner ikke med «Hva kan modellen gjøre?», men med «Hvilken oppgave gjør vi hver uke uten å få det helt til?»
Et mandagsmorgen-eksempel som er mer nyttig enn et dashboard
Tenk deg en liten bedrift der eier, daglig leder eller prosjektleder alltid starter mandagen i flere faner: e-post, kalender, CRM, regnskap, nettbutikk og kanskje annonsekontoen. Ingen av systemene er nødvendigvis dårlige. Problemet er at ingen har tid til å sette sammen bildet.
En avgrenset morgenoversikt kan i stedet svare på fire konkrete ting:
- Hva kom inn? Nye henvendelser, avbestillinger, ubetalte fakturaer eller kundehenvendelser som venter på svar.
- Hva skjer denne uken? Avtaler, kapasitet, leveranser eller frister som krever oppmerksomhet.
- Hva avviker? Et fall i bestillinger, en kampanje som bruker penger uten respons eller en kundeoppgave som har blitt liggende.
- Hva bør jeg gjøre nå? Tre forslag som er korte nok til å faktisk bli fulgt opp.
ByDagny lar automatiseringer beskrives i vanlig språk og levere resultatet i chat, Slack eller på telefonen. [2] For en frisør, rørlegger, konsulent eller nettbutikk er ikke målet et nytt, stort dashboard. Målet er å oppdage noe viktig mens det fortsatt er enkelt å gjøre noe med det.
Tre oppgaver en liten bedrift faktisk kan starte med
1. En fast ukentlig oppsummering
«Hver mandag: gi meg en kort oppsummering av salg, de vanligste kundehenvendelsene og det som bør følges opp.» Dette er en enkel instruksjon, men den fjerner et punkt fra den mentale huskelisten.
2. Varsling når noe trenger menneskelig oppmerksomhet
En god første automatisering er ikke at AI-en får lov til å sende eller endre alt. Det er at den sier ifra når noe fortjener et menneske: en forespørsel uten svar, en faktura som nærmer seg forfall, eller en kunde som plutselig har stoppet å bestille.
3. Svar på tvers av systemer uten fanejakt
ByDagny oppgir koblinger mot blant annet Slack, Stripe, Gmail, Google Kalender, Drive, Notion, Shopify, Search Console og Meta Ads. [3] Det er verdifullt fordi mange småbedrifter ikke mangler data. De mangler tid til å finne dem i fem forskjellige systemer.
Bruker dere andre systemer, er prinsippet det samme. Composio og MCP-connectors i Claude er to andre måter å koble språkmodeller til verktøyene dere allerede bruker.
ByDagny, MCP eller Composio — hva er egentlig forskjellen?
Det er lett å blande disse fordi alle handler om AI og systemer. Forskjellen er hovedsakelig hvor ferdig løsningen er:
- ByDagny er et ferdig arbeidsområde for spørsmål, kontekst og automatiseringer.
- MCP er en standard som gir en AI som Claude en felles måte å oppdage og bruke verktøy på.
- Composio er et utviklerlag for å koble mange apper og handlinger til en egen AI-løsning.
Det finnes ikke én riktig løsning for alle. En mindre bedrift bør vanligvis starte med den enkleste veien til én nyttig arbeidsflyt. Først når den flyten virker, er det verdt å bygge mer.
Kontroll først, autonomi senere
Dette er ikke en oppfordring til å gi en AI tilgang til «alt». ByDagny beskriver selv en fornuftig modell: eier bestemmer hvilke koblinger som opprettes, koblinger kan avgrenses, og handlinger må aktiveres eksplisitt. Slack kan for eksempel begrenses til navngitte kanaler. [3]
Den samme regelen gjelder uansett verktøy: La AI-en starte med å lese og foreslå. Neste steg kan være å lage et utkast eller loggføre noe. Først når dere har sett at flyten er pålitelig, kan dere vurdere handlinger som sender, oppretter eller endrer på egen hånd.
Denne ansvarstrappen er grunnen til at prosesskartlegging før AI er et bedre første steg enn å kjøpe et nytt verktøy på impuls.
Når passer det — og når passer det ikke?
En AI-kollega gir mest verdi når dere har gjentakende oppgaver, data som faktisk kan kobles til og et tydelig sted å levere resultatet. Den passer dårligere som snarvei rundt rotete kundeinformasjon, uavklart ansvar eller en prosess som ingen egentlig eier.
ByDagny oppgir at automatiseringer er i beta og rulles ut gradvis. [2] Se derfor på produktet som et godt bilde av retningen: AI flytter fra en enkelt chat til mer sammenhengende arbeidsflyter. Det betyr ikke at alle bedrifter trenger samme plattform i morgen.
For en annen, mer handlekraftig variant av «AI-kollegaen», se også Grok Bot. Grok Bot handler om agenter som bruker apper og nettsteder som et menneske; ByDagny handler mer om data, oversikt og gjentakende automatiseringer.
Din første pilot på 30 minutter
Velg én oppgave dere gjør hver uke. Skriv ned hvilke data dere trenger, hvem som skal godkjenne resultatet og hvor oppdateringen skal havne. Kjør den som en lese- og forslagsflyt i to uker. Først da vet dere om det er en oppgave det er verdt å automatisere videre.
Vi kan hjelpe dere å kartlegge den første flyten, velge riktig nivå av integrasjon og sette opp en løsning som er enkel å bruke i hverdagen. Ta en uforpliktende prat hvis dere vil finne den ene oppgaven som er verdt å automatisere først.
Kilder
[1] ByDagny Docs — Introduction
