Utveckling i utvecklingen

AI-utvecklingen går snabbt. Men ju mer vi använder AI i verkligt arbete, desto tydligare blir det att själva sättet vi arbetar med AI också behöver utvecklas.

När fler modeller, tjänster, informationskällor och arbetsflöden börjar samverka ökar också komplexiteten. Det blir svårare att hålla ordning på vilken kunskap AI använder, vilka instruktioner som gäller och hur olika delar påverkar resultatet.

AIctrl växte fram ur praktiskt arbete med just de problemen. Det som började som ett sätt att få bättre kontroll över vårt eget AI-arbete har successivt utvecklats till strukturer och metoder för hur AI kan styras, få tillgång till rätt kunskap och arbeta mer konsekvent över tid.

Det behovet blir ännu tydligare när AI går från experiment och enstaka frågor till ett faktiskt arbetsverktyg i företag. Då blir kontroll, spårbarhet och tydliga ramar viktigare – inte för att begränsa AI, utan för att göra den mer användbar och tillförlitlig.

Vi brukar kalla det utveckling i utvecklingen: samtidigt som AI-tekniken utvecklas bygger vi bättre sätt att använda, styra och kvalitetssäkra den.

AIctrl Bootstrap + Package

En kraftfull AI-modell är bara en del av lösningen. För att AI ska fungera bra över tid behöver den också förstå hur den ska arbeta, vilken information som gäller och vilken kunskap som hör till uppgiften.

AIctrl Bootstrap fungerar som ett styrande lager för AI-arbetet. Det hjälper till att hålla ordning på bland annat källor, instruktioner, versioner, osäker information och vilken kunskap som ska användas i olika situationer.

Till detta kopplas ett Package med Sources – strukturerad och återanvändbar kunskap för det aktuella företaget, projektet eller arbetsområdet. I stället för att viktig information ligger utspridd i gamla konversationer får AI:n en tydligare och mer kontrollerad kunskapsbas att arbeta från.

Resultatet är en AI-miljö som blir enklare att vidareutveckla, underhålla och använda konsekvent över tid. Med AIctrl Bootstrap + Package hanterar vi bland annat: 

1. Färre fel, hallucinationer, gissningar och självsäkra felsvar — motverkas genom strukturerad styrning och kvalitetskontroll.

2. Bättre förståelse för vad användaren faktiskt vill ha — bättre tolkning av syfte och sammanhang, relevant kontext och etablerade instruktioner.

3. Mindre behov av att upprepa och färre korrigeringsloopar — genom korrekt kontext, rätt Sources och tidigare giltiga slutsatser.

4. Källkritik — rätt källa och rätt evidens för varje påstående.

5. Aktuell information — verifierar föränderliga fakta innan de används, inklusive enligt principen Reality First.

AIctrl A:Orchestrator

A:Orchestrator är det praktiska nästa steget efter Bootstrap + Package – där den styrda AI-miljön får mer självständighet, fler verktyg och möjlighet att genomföra mer komplexa arbetsflöden, från styrd AI till mer AI med agentfunktioner.

Lösningen är byggd för att kunna köras på en självhostad server, där företagets kunskap, data, kontext och styrning kan ligga under egen kontroll. Samtidigt kan externa AI-modeller användas när större beräkningskraft eller särskilda förmågor behövs.

Den lokala infrastrukturen kan dessutom bidra med egen AI-beräkning för exempelvis RAG, embeddings, klassificering, analys och mindre lokala AI-modeller. A:Orchestrator kan därmed kombinera lokal och extern beräkningskraft utifrån uppgift, kostnad och krav.

Systemet kan planera och dela upp uppgifter, använda verktyg och datakällor samt genomföra flera steg mot ett definierat mål. Bootstrap + Package ligger kvar som grund för instruktioner, kontext, kunskap, källkritik och kvalitetskontroll.

För verksamheten innebär det möjlighet att automatisera fler arbetsmoment och låta AI ta en mer aktiv roll – samtidigt som data, behörigheter, kostnader och viktiga beslut kan hållas under kontroll.

ForgeCore + The Keymaker

ForgeCore är nästa nivå för AIctrl – byggt för den punkt där dagens AI-verktyg inte längre räcker.

När modeller, agenter, workflows, datakällor och externa tjänster börjar samverka i allt större system blir själva AI-miljön snabbt svår att överblicka och kontrollera. Samtidigt förändras AI-utvecklingen i realtid, med nya modeller, API:er, verktyg och standarder som hela tiden flyttar gränserna för vad som är möjligt.

ForgeCore utvecklas som den operativa kärnan i den miljön. En självhostad plattform byggd på egen hårdvara där den egna datan, kunskapen, historiken och styrningen ligger under egen kontroll – medan externa AI-modeller kan bytas och kombineras i takt med marknaden.

En viktig del är RAG – Retrieval-Augmented Generation. ForgeCore kan arbeta mot en växande kunskapsbas av Sources, beslut, erfarenheter, tester och annan relevant information. Det gör att systemet kan bygga vidare på etablerad kunskap och utvecklas i takt med AI-ekosystemet, även när modeller, tjänster och leverantörer förändras.

Arkitekturen bygger på samma principer som används i större enterprise-miljöer: tydlig separation av data, styrning, säkerhet, observability och externa tjänster.

Enterprise-arkitektur behöver inte innebära enterprise-kostnader eller storskalig datacenterinfrastruktur. Moderna självhostade servrar utgör den lokala kärnan, medan den tunga AI-beräkningen sker hos de modeller och tjänster som är bäst lämpade för uppgiften.

Lokal beräkningskraft behöver inte heller uteslutas. När behovet finns och ekonomin tillåter det kan mer AI-inferens flyttas till den egna infrastrukturen.

The Keymaker är intelligens- och observabilitylagret ovanpå ForgeCore. Det utvecklas för att följa relationer, beteenden och förändringar i systemet, identifiera avvikelser och skapa förståelse för vad som händer när komplexiteten växer.

Det handlar inte bara om att bygga ännu ett AI-system, utan om att skapa en miljö som kan utvecklas i takt med AI – utan att förlora kontrollen över sin egen data, kunskap och riktning.