{"canonical_url":"https://engineer.company/sv/ai-data/","content_markdown":"# Företagsdata redo för AI-agenter\n\nGe ett AI-arbetsflöde en tillförlitlig väg till de företagsdata det behöver.\nVi kartlägger relevanta källor, klargör fältens betydelse, kopplar samman data\noch avtalar om åtkomstregler med er. Första leveransen är en överenskommen\nfråga besvarad med spårbara data, med kontroller av datakvalitet och behörigheter.\n\n## Samlad: ett ställe som en agent når\n\nVi bygger de [datapipelines](/sv/glossary/#pipeline) som för samman dina system:\n[ETL](/sv/glossary/#etl)-jobb som körs på fasta tider, bara läser in det som har\nändrats och rapporterar vad de hoppade över, in i en\n[databas](/sv/glossary/#database) vars [databasschema](/sv/glossary/#schema)\nnamnger din verksamhet med dina ord — kunder, order, fartyg, avtal, ärenden.\nGamla PDF:er, inskannade dokument och e-postarkiv görs om till sökbar text med\nkällan sparad bredvid, så att de går att hitta och inte bara ligger lagrade.\nAgenten når alltihop genom en enda beskriven dörr: en MCP-server eller ett\n[API](/sv/glossary/#api), aldrig en kopia av databasen på någons bärbara dator.\n\n## Rensad: en kund, inte fem\n\nSamma kund kan vara registrerad på fem sätt i fem system. När en agent läser\nmotstridiga versioner av samma uppgift behöver den en regel för vilken källa\nden ska lita på. Vi bestämmer\ntillsammans med dig vilket system som är sanningskällan för varje uppgift, slår\nihop dubbletter efter regler du kan läsa och låter sammanslagningen fortsätta\nköras, så att en ny dubblett fångas vid nästa inläsning och inte vid nästa\nrevision. Typer och villkor i databasen avvisar en felaktig rad i stället för\natt spara den, varje kolumn säger vad den betyder, och varje\n[migrering](/sv/glossary/#migration) är versionerad och kontrollerad, så att det\nschema en agent läser är det schema som är driftsatt.\n\n## Behörighetsstyrd: varje agent ser det dess användare får se\n\nEn agent som kan läsa allt är en läcka med vänlig röst. Reglerna hör hemma i\ndatan, inte i prompten: roller i databasen ([RBAC](/sv/glossary/#rbac)),\nskrivskyddat som standard, regler på radnivå överallt där en kund aldrig får se\nen annans, och personuppgifter utom räckhåll om inte uppgiften kräver dem —\nvilket också är vad GDPR begär. Agenten agerar med sin användares\nbehörigheter, aldrig en administratörs, och varje\nläsning [loggas](/sv/glossary/#logging) med personen den gjordes för. Hur vi\nlåser själva agenterna står på [en egen sida](/sv/ai-security/).\n\n## Varje svar spårat till sin källa\n\nEtt svar hämtat ur företagets data är värt lika mycket som dess källa, så källan\nföljer med. Varje rad bär med sig varifrån den kom och när: systemet, inläsningen,\nfilen och sidan. En agent kan hänvisa till posten bakom en siffra, och en\nmänniska kan öppna den. En inläsning som hoppade över rader säger hur många och\nvarför i stället för att rapportera framgång, och en siffra som visar sig vara\nfel leder till inläsningen som förde in den, inte till en veckas gissande. Det\när regeln vår egen rapportering bygger på: en siffra som körningen inte har mätt\nskrivs aldrig ut.\n\n## Arbetet bakom\n\nVarje påstående på den här sidan är en metod vi har kört, och var och en har\nsitt underlag. Vi\n[gjorde en pipeline för geodata 50 gånger snabbare](/sv/portfolio/made-a-geographical-data-pipeline-50x-faster/)\ngenom att rätta dess SQL och dess datamodell, och\n[utformade och drev sex ETL- och ELT-pipelines](/sv/portfolio/designed-and-ran-6-etl-elt-pipelines/)\ni BigQuery, MS SQL och [PostgreSQL](/sv/glossary/#postgresql). Vi\n[modellerade en hel bransch i 348 tabeller fördelade på 34 scheman](/sv/portfolio/modeled-348-tables-across-34-postgres-schemas/)\noch höll schemat korrekt\n[genom 1 022 migreringar bakom en grind mot schemadrift](/sv/portfolio/1022-migrations-behind-a-schema-drift-gate/).\nVi [genererade 495 sidor ur en skrivskyddad SQLite-export](/sv/portfolio/generated-495-pages-from-a-sqlite-export/)\noch [ersatte 963 metadatablock med en enda länkad graf](/sv/portfolio/replaced-963-metadata-blocks-with-one-graph/),\nsom är det en agent läser först på den här webbplatsen.\n\n## Så går ett uppdrag till\n\nDet börjar med en karta, gjord med enbart läsbehörighet: vilka system som har\nvad, vem som äger vart och ett och vilka frågor en agent ska kunna besvara.\nSedan tar vi den fråga som betyder mest och bygger hela dess väg — källorna,\nrensningen, behörigheterna och dörren — med kontroller som stoppar en inläsning\nnär datan börjar avvika. Sedan nästa fråga. Allt finns i din infrastruktur och\nditt repo, genom din granskning, och agenterna som läser det kan vara\n[byggda för din bransch](/sv/ai-agents/) eller de du redan använder. Det köps som\nresten av vårt arbete, på villkoren i [vad det kostar](/sv/what-it-costs/).\n\nOm svaren dina medarbetare behöver finns på fler ställen än någon kan räkna upp,\n[berätta var din data finns](/sv/contact/) *(läses av ingenjören)*.\n\n\u003chttps://engineer.company/sv/ai-data/\u003e\n","date_modified":"2026-11-12T05:34:23Z","description":"Koppla företagsdata till ett avtalat AI-arbetsflöde med tydliga källor, kvalitetskontroll, behörigheter och ett spårbart första resultat.","formats":{"gemtext":"https://data.engineer.company/sv/ai-data/index.gmi","gopher":"https://data.engineer.company/sv/ai-data/gophermap","html":"https://data.engineer.company/sv/ai-data/","json":"https://data.engineer.company/sv/ai-data/index.json","markdown":"https://data.engineer.company/sv/ai-data/index.md","pdf":"https://data.engineer.company/sv/ai-data/index.pdf"},"kind":"page","language":"sv","title":"Företagsdata redo för AI-agenter","url":"https://data.engineer.company/sv/ai-data/","version":1}