# Företagsdata redo för AI-agenter En AI-agent svarar utifrån det den når. I de flesta företag är svaret på en riktig fråga — vad sålde vi till den här kunden, vad är fortfarande öppet, vilket avtal säger det — utspritt över ett CRM, ett ERP, en delad enhet, några brevlådor och ett kalkylark som en enda person sköter. Vi samlar den datan på ett ställe som en agent kan läsa, ger varje uppgift en enda betydelse, bestämmer vem som får se vad och håller det så vid varje inläsning. Det är arbetet som kommer före agenten, och det avgör hur bra agenten kan bli. ## Samlad: ett ställe som en agent når Vi bygger de [datapipelines](/sv/glossary/#pipeline) som för samman dina system: [ETL](/sv/glossary/#etl)-jobb som körs på fasta tider, bara läser in det som har ändrats och rapporterar vad de hoppade över, in i en [databas](/sv/glossary/#database) vars [databasschema](/sv/glossary/#schema) namnger din verksamhet med dina ord — kunder, order, fartyg, avtal, ärenden. Gamla PDF:er, inskannade dokument och e-postarkiv görs om till sökbar text med källan sparad bredvid, så att de går att hitta och inte bara ligger lagrade. Agenten når alltihop genom en enda beskriven dörr: en MCP-server eller ett [API](/sv/glossary/#api), aldrig en kopia av databasen på någons bärbara dator. ## Rensad: en kund, inte fem Samma kund står oftast skriven på fem sätt i fem system, och en agent som läser två versioner av samma uppgift svarar med den den läste sist. Vi bestämmer tillsammans med dig vilket system som är sanningskällan för varje uppgift, slår ihop dubbletter efter regler du kan läsa och låter sammanslagningen fortsätta köras, så att en ny dubblett fångas vid nästa inläsning och inte vid nästa revision. Typer och villkor i databasen avvisar en felaktig rad i stället för att spara den, varje kolumn säger vad den betyder, och varje [migrering](/sv/glossary/#migration) är versionerad och kontrollerad, så att det schema en agent läser är det schema som är driftsatt. ## Behörighetsstyrd: varje agent ser det dess användare får se En agent som kan läsa allt är en läcka med vänlig röst. Reglerna hör hemma i datan, inte i prompten: roller i databasen ([RBAC](/sv/glossary/#rbac)), skrivskyddat som standard, regler på radnivå överallt där en kund aldrig får se en annans, och personuppgifter utom räckhåll om inte uppgiften kräver dem — vilket också är vad GDPR begär. Agenten agerar med sin användares [behörigheter](/sv/glossary/#privilege), aldrig en administratörs, och varje läsning [loggas](/sv/glossary/#logging) med personen den gjordes för. Hur vi låser själva agenterna står på [en egen sida](/sv/ai-security/). ## Varje svar spårat till sin källa Ett svar hämtat ur företagets data är värt lika mycket som dess källa, så källan följer med. Varje rad bär med sig varifrån den kom och när: systemet, inläsningen, filen och sidan. En agent kan hänvisa till posten bakom en siffra, och en människa kan öppna den. En inläsning som hoppade över rader säger hur många och varför i stället för att rapportera framgång, och en siffra som visar sig vara fel leder till inläsningen som förde in den, inte till en veckas gissande. Det är regeln vår egen rapportering bygger på: en siffra som körningen inte har mätt skrivs aldrig ut. ## Arbetet bakom Varje påstående på den här sidan är en metod vi har kört, och var och en har sitt underlag. Vi [gjorde en pipeline för geodata 50 gånger snabbare](/sv/portfolio/made-a-geographical-data-pipeline-50x-faster/) genom att rätta dess SQL och dess datamodell, och [utformade och drev sex ETL- och ELT-pipelines](/sv/portfolio/designed-and-ran-6-etl-elt-pipelines/) i BigQuery, MS SQL och [PostgreSQL](/sv/glossary/#postgresql). Vi [modellerade en hel bransch i 348 tabeller fördelade på 34 scheman](/sv/portfolio/modeled-348-tables-across-34-postgres-schemas/) och höll schemat korrekt [genom 1 022 migreringar bakom en grind mot schemadrift](/sv/portfolio/1022-migrations-behind-a-schema-drift-gate/). Vi [genererade 495 sidor ur en skrivskyddad SQLite-export](/sv/portfolio/generated-495-pages-from-a-sqlite-export/) och [ersatte 963 metadatablock med en enda länkad graf](/sv/portfolio/replaced-963-metadata-blocks-with-one-graph/), som är det en agent läser först på den här webbplatsen. ## Så går ett uppdrag till Det börjar med en karta, gjord med enbart läsbehörighet: vilka system som har vad, vem som äger vart och ett och vilka frågor en agent ska kunna besvara. Sedan tar vi den fråga som betyder mest och bygger hela dess väg — källorna, rensningen, behörigheterna och dörren — med kontroller som stoppar en inläsning när datan börjar avvika. Sedan nästa fråga. Allt finns i din infrastruktur och ditt repo, genom din granskning, och agenterna som läser det kan vara [byggda för din bransch](/sv/ai-agents/) eller de du redan använder. Det köps som resten av vårt arbete, på villkoren i [vad det kostar](/sv/what-it-costs/). Om svaren dina medarbetare behöver finns på fler ställen än någon kan räkna upp, [berätta var din data finns](/sv/contact/) *(vi svarar samma dag)*.