Självklart måste även vi (trots viss skepsis när vi såg hur svårt AI har med kontext) använda agenter och utnyttja fördelarna med MCP. Vi har definierat olika agenter som kan använda olika modeller för att kontrollera kostnader såväl som teknisk utveckling på området. Inte så mycket nytt, men lite kul att berätta hur vi satt upp det.
Brainless Boss är vårt projekt för praktiskt ledningsstöd och kontinuerlig teamutveckling. Vibekodat när AI-modellerna tog ett stort kliv framåt: Både Claude och ChatGPT, började i ChatGPT 5.1, växlade till Claude och avslutades i ChatGPT 5.4.
Det var ett intressant test då AI-modellerna hade (och har fortfarande) svårigheter att förstå hela appens coaching-flöde.
Brainless Boss själv hjälper ledare att se var teamet står, välja relevanta förbättringsaktiviteter och säkerställa att man arbetar kontinuerligt med teamaktiviteter. Fokus är sammanhang, rytm, ansvar och uppföljning.
Brainless Cortex är vårt interna lager för adaptiv projektintelligens och representerar våra teorier om var AI måste kunna för att bli bra generell artificiell intelligens.
Brainless Cortex skaffar sig en egen situationsbild (ofta kallad World Model i AI-sammahang) och prediktiv förmåga. Brainless Cortex kopplar samman arbete, feedback, dokumentation och specialiserade AI-assistenter så att projekt kan få bättre minne, tydligare roller och mer konsekvent uppföljning för att kontinuerligt förbättra sin prediktiva förmåga och kunna fokusera kapacitet på de saker som kräver störst kraft.
På det viset kan AI:n agera mer som en mänsklig hjärna och med prediktionsmodellen skapa en äkta (om än begränsad) förståelse ar den omvärld den ”ser”.
AI öppnar för att bygga integrationer som förut inte varit lönsamma, utan hanterats med filexport och -import. Större företag har möjligheten att dela integrationskostnaden över flera transaktioner så att kostnaden att i realtid dela data mellan system är försumbar. Men med AI kan man snabbt bygga en egen miljö.
Vi satte samman en prototyp för en kund med Azure functions och tabeller i Dataverse på en dag. Med bra överblick över vad som sker med informationen, vilka transformationer som behövs och en manöverpanel för helheten. En dag till så hade vi haft en fult produktionsduglig miljö, vilket inte behövdes i det här fallet.
Hela lösningen lönade sig redan genom att bevisa att flöden och data var rätt.
Vi har aldrig haft ambitionen att göra forskning och utveckling på den nivå som de amerikanska teknikjättarna, av naturliga orsaker, men det hindrar oss inte från att tillämpa erfarenhet av komplexa IT-arkitekturer, entreprenörskap och förståelse av hur system kan agera tillsammans för att lösa problem vi stöter på hos kunder eller har ambitionen att kunna lösa i framtiden.
