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).

hDenne siden på nettet	URL:https://brand.engineer.company/nb/ai-data/	brand.engineer.company	70
