# Bedriftsdata klare for AI-agenter

Gi en AI-arbeidsflyt en pålitelig vei til bedriftsdataene den trenger. Vi kartlegger relevante kilder, avklarer feltenes betydning, kobler dataene sammen og avtaler tilgangsregler med dere. Første leveranse er et avtalt spørsmål besvart fra sporbare data, med kontroller for datakvalitet og rettigheter.

## Samlet: ett sted en agent kan nå

Vi bygger pipelinene som knytter systemene dine sammen: ETL-jobber som kjører etter tidsplan, laster inn bare det som er endret og melder fra om det de hoppet over. Alt havner i en database der skjemaet bruker virksomhetens egne ord — kunder, ordrer, fartøy, kontrakter, saker. Gamle PDF-er, skanninger og e-postarkiver gjøres om til søkbar tekst med kilden lagret ved siden av, slik at de kan finnes og ikke bare oppbevares. Agenten når alt sammen gjennom én dokumentert inngang: en MCP-server eller et API, aldri en kopi av databasen på noens bærbare.

## Renset: én kunde, ikke fem

Den samme kunden kan være registrert på fem måter i fem systemer. Når en agent leser motstridende versjoner av samme opplysning, trenger den en regel for hvilken kilde den skal stole på. Vi avgjør sammen med deg hvilket system som er sannhetskilden for hvert faktum, slår sammen duplikater etter regler du kan lese, og lar reglene kjøre videre, så et nytt duplikat fanges ved neste innlasting og ikke ved neste revisjon. Datatyper og skranker i databasen avviser en ugyldig rad i stedet for å lagre den, hver kolonne er dokumentert med hva den betyr, og hver migrering er versjonert og sjekket, så skjemaet en agent leser, er det samme som er satt i drift.

## Tilgangsstyrt: hver agent ser det brukeren får se

En agent som kan lese alt, er en lekkasje med vennlig stemme. Reglene hører hjemme i dataene, ikke i prompten: roller i databasen (RBAC), kun lesetilgang som standard, regler på radnivå der én kunde aldri får se en annens data, og personopplysninger holdt utenfor rekkevidde med mindre oppgaven trenger dem — slik GDPR også krever. Agenten handler med brukerens rettigheter, aldri med en administrators, og hvert oppslag logges med hvem det ble gjort for. Hvordan vi låser selve agentene, står på en egen side.

## Hvert svar kan spores til kilden

Et svar hentet fra bedriftsdata er verdt det kilden er verdt, så kilden følger med. Hver rad tar vare på hvor og når den kom inn: systemet, innlastingen, filen og siden. En agent kan vise til posten bak et tall, og et menneske kan åpne den. En innlasting som hoppet over rader, sier hvor mange og hvorfor i stedet for å melde at alt gikk bra, og et tall som viser seg å være feil, kan spores rett til innlastingen som hentet det inn, uten en uke med gjetting. Det er den samme regelen vår egen rapportering bygger på: et tall skrives aldri ut med mindre kjøringen faktisk målte det.

## Arbeidet bak det

Hver påstand på denne siden er en metode vi har brukt, og hver av dem er dokumentert. Vi gjorde en geografisk datapipeline 50 ganger raskere ved å rette opp SQL-en og datamodellen, og designet og drev seks ETL- og ELT-pipelines på tvers av BigQuery, MS SQL og PostgreSQL. Vi modellerte en hel bransje i 348 tabeller fordelt på 34 skjemaer og holdt skjemaet på stell gjennom 1 022 migreringer bak en sjekk for skjemaavvik. Vi genererte 495 sider fra en SQLite-eksport med kun lesetilgang og erstattet 963 strukturerte datablokker med én lenket graf — grafen er det første en agent leser på dette nettstedet.

## Slik foregår et oppdrag

Det begynner med et kart, laget kun med lesetilgang: hvilke systemer som har hva, hvem som eier hvert av dem, og hvilke spørsmål en agent bør kunne svare på. Så tar vi det ene spørsmålet som betyr mest, og bygger veien for det fra ende til ende — kildene, rensingen, tilgangene og inngangen — med sjekker som stopper en innlasting når noe i dataene ikke stemmer. Så neste spørsmål. Alt ligger i din infrastruktur og ditt repo og går gjennom din egen kodegjennomgang, og agentene som leser det, kan være bygd for din bransje eller de du allerede bruker. Det kjøpes som resten av arbeidet vårt, på vilkårene i hva det koster.

Ligger svarene folkene dine trenger, på flere steder enn noen kan ramse opp, så si hvor dataene dine ligger (leses av ingeniøren).

=> /nb/glossary/#pipeline pipelinene
=> /nb/glossary/#etl ETL
=> /nb/glossary/#database database
=> /nb/glossary/#schema skjemaet
=> /nb/glossary/#api API
=> /nb/glossary/#migration migrering
=> /nb/glossary/#rbac RBAC
=> /nb/glossary/#logging logges
=> /nb/ai-security/ en egen side
=> /nb/portfolio/made-a-geographical-data-pipeline-50x-faster/ gjorde en geografisk datapipeline 50 ganger raskere
=> /nb/portfolio/designed-and-ran-6-etl-elt-pipelines/ designet og drev seks ETL- og ELT-pipelines
=> /nb/glossary/#postgresql PostgreSQL
=> /nb/portfolio/modeled-348-tables-across-34-postgres-schemas/ modellerte en hel bransje i 348 tabeller fordelt på 34 skjemaer
=> /nb/portfolio/1022-migrations-behind-a-schema-drift-gate/ gjennom 1 022 migreringer bak en sjekk for skjemaavvik
=> /nb/portfolio/generated-495-pages-from-a-sqlite-export/ genererte 495 sider fra en SQLite-eksport med kun lesetilgang
=> /nb/portfolio/replaced-963-metadata-blocks-with-one-graph/ erstattet 963 strukturerte datablokker med én lenket graf
=> /nb/ai-agents/ bygd for din bransje
=> /nb/what-it-costs/ hva det koster
=> /nb/contact/ si hvor dataene dine ligger

=> https://engineer.company/nb/ai-data/ Denne siden på nettet
