AI-agenter misslyckas sällan för att modellen är för svag.
De misslyckas oftare för att underlaget är rörigt.
Ett lead saknar bransch. Ett CRM-fält används på tre olika sätt. Statusar betyder olika saker för olika personer. Dokument ligger i rätt mapp ibland, men inte alltid.
Det låter tråkigt. Det är också precis här mycket av värdet finns.
En agent behöver inte perfekt data. Men den behöver tillräckligt tydlig data för att inte gissa i onödan.
Varför datahygien spelar roll
En människa kan ofta tolka rörig information eftersom hon känner sammanhanget.
Hon vet att “på gång”, “aktiv”, “nästa steg” och “väntar” ibland betyder samma sak i CRM. Hon vet vilka kunder som brukar vara prioriterade. Hon vet att ett tomt fält inte alltid betyder att information saknas.
En AI-agent kan resonera, men den behöver tydliga regler för att inte bygga beslut på otydliga signaler.
Därför ska första steget inte vara att koppla agenten till allt. Första steget är att göra det viktigaste underlaget begripligt.
Börja med fem datafrågor
Innan ni bygger ett agentflöde, svara på fem frågor.
1. Vilka fält styr beslutet?
Identifiera de fält som faktiskt behövs för flödet.
För lead-triage kan det vara:
- namn
- företag
- domän
- bransch
- behov
- storlek
- källa
- tidigare kontakt
Allt annat kan vänta.
Första agenten ska inte drunkna i data. Den ska få tillräckligt underlag för ett avgränsat förslag.
2. Vem äger fältet?
Ett fält utan ägare blir snabbt opålitligt.
Bestäm vem som ansvarar för att datan är rätt. Det behöver inte vara komplicerat.
Sälj äger leadstatus. Ekonomi äger fakturafält. Projektledare äger leveransstatus. Grundare eller marknad äger contentstatus.
När ägarskapet är tydligt blir det också tydligt vem agenten ska fråga eller flagga till.
3. Vilka värden är tillåtna?
Fri text är flexibelt för människor men svårt för automation.
Om ett fält styr nästa steg bör det ofta ha bestämda värden.
Exempel:
- ny
- behöver kompletteras
- redo för granskning
- godkänd
- pausad
- arkiverad
Det gör agentens logik enklare och minskar antalet specialfall.
4. Vad betyder tomt?
Ett tomt fält kan betyda flera saker:
- information saknas
- frågan är inte relevant
- ingen har hunnit fylla i
- värdet ska hämtas från ett annat system
Bestäm vad tomma fält betyder i just det flödet. Annars riskerar agenten att dra fel slutsats.
I första versionen kan agenten ofta flagga saknad information i stället för att försöka lösa allt själv.
5. Var ska agenten skriva tillbaka?
Det är stor skillnad mellan att läsa och skriva.
Börja gärna med att agenten skapar ett förslag i en separat yta:
- kommentar
- utkast
- approval-kö
- intern sammanfattning
- loggrad
Vänta med att låta agenten skriva direkt i CRM, ekonomi eller CMS tills flödet har testats.
En praktisk miniminivå
För ett första agentflöde räcker ofta detta:
- ett tydligt startfält
- 5-10 fält som agenten får läsa
- ett statusfält med fasta värden
- en plats där agenten skriver sitt förslag
- en människa som godkänner innan något externt händer
Det är inte glamouröst. Det är driftbart.
Vanliga dataproblem som stoppar AI-agenter
Dubbletter
Samma kund, lead eller ärende finns på flera ställen. Agenten kan då föreslå fel nästa steg.
Börja med att låta agenten flagga möjliga dubbletter i stället för att slå ihop dem automatiskt.
Oklara statusar
Om “aktiv” betyder olika saker i sälj och leverans blir automationen skör.
Skriv en enkel statusordlista innan agenten kopplas in.
För många undantag
Om varje ärende kräver specialtolkning är flödet inte redo för hög autonomi.
Börja med sammanfattning och rekommendation, inte automatisk action.
Ingen historik
Utan logg går det inte att se om agenten förbättrar arbetet.
Spara vad agenten föreslog och vad människan ändrade. Där finns lärandet.
Slutsats
Datahygien är inte ett stort transformationsprojekt. Första steget är ofta bara att göra ett viktigt arbetsflöde tydligt nog för automation.
Rätt fält. Rätt ägare. Rätt statusar. Rätt stoppunkt.
Det är där en AI-agent börjar bli användbar på riktigt.
FAQ
Måste all data vara ren innan vi använder AI-agenter?
Nej. Börja med ett avgränsat flöde och den data som behövs där. Perfekt datalager är sällan nödvändigt för första nyttan.
Vad är viktigast att fixa först?
Fält som styr beslut: status, ägare, prioritet, kundidentifiering och nästa steg.
Ska agenten få skriva i våra system?
Inte direkt i första versionen. Låt agenten skapa förslag eller loggrader och låt en människa godkänna innan system ändras.
Hur vet vi om datan är tillräckligt bra?
Testa flödet på 20 historiska ärenden. Om agenten kan föreslå rimliga nästa steg och tydligt flagga osäkerhet är ni nära.