Idealcombi
Komplekse tilbudsflows starter med PDF-tegninger og fritekst, som skal oversættes til et præcist tilbudsgrundlag.
Cases som Idealcombi falder præcis i denne kategori med komplekse "Get a quote"-flows, hvor ustruktureret kundemateriale skal konverteres til et præcist tilbudsgrundlag.
Læs kilde: Hvor AI faktisk skaber værdi i danske virksomheder
Hvorfor dette workflow er AI-egnet
Når inputtet er rodet og outputtet skal ende som strukturerede varer og priser i et ERP-system, er et agent-lag mere værdifuldt end en chatbot.
Sandsynlige integrationspunkter
Inputflader: Email, PDF-tegninger, Kravspecifikationer i fritekst
Sådan ville Frobert bygge det
- Træk tegninger og tekst ud af emailen automatisk
- Brug en vision-kompatibel LLM til at ekstrahere mål, materialer og mængder
- Match krav mod faktiske varenumre via PIM/ERP API'er
- Generér et validerbart JSON-udkast til tilbuddet
- Lad en specialist godkende før afsendelse
Hvad et første sprint bør bevise
- At agenten kan skabe struktur ud af det ustrukturerede input uden at hallucinerer kritiske felter.
- At data kan valideres mod eksisterende systemer via API'er før handling.
- At human-in-the-loop kun bruges på de tvivlsomme eller forretningskritiske edge cases.
- At outputtet lander i et format, som drift og support faktisk kan godkende og bruge.
Workflow-type
Tilbud og ordreoprettelse
Ustrukturerede inputs
Næste skridt
Hvis jeres organisation ligner Idealcombi mere end den ligner et greenfield softwareprojekt, er næste skridt ikke et langt AI-initiativ. Det er en afgrænset sprint, hvor vi tager ét workflow, ét output-schema og 1–2 kernesystemer først.