Webinar: AI-agenter för Sales

Jag heter Madde-Lin Porserud, jobbar på Abandli och ansvarar för vår utbildningserbjudande och håller mycket utbildningar. Jag hjälper våra kunder från att tycka tycker att AI kanske är lite läskigt fortfarande, till att de bygger sina första agenter. Yes, jag heter Kai. Min titel på Abanly är Head of Partnerships och ni som är med mig själv vet att det är en fin omskrivning av försäljningschef. Så jag jobbar nära våra kunder och hjälper alla som vill lära sig med AI-agenter och bygga agenter själva att förstå lite hur det funkar och vilken väg de ska ta som organisationer för att komma till en plats där man inte bara är medarbetare utan medarbetare och en mängd med AI-assistenter. Så kör igång med lite teori och lite berättelse om vad agenter är och vad Abanly gör och sen så tänker jag att ganska snabbt ska komma in i att jag bara delar min skärm och visar det runt i plattformen och kanske till och med försöker bygga en agent tillsammans med er. Precis, för vi har en agentplattform där man kan bygga agenter som fungerar lite som en kollega. Men då har vi också byggt en massa agenter åt oss själva. Vi ska efter lite kort teori visa hur enkelt det faktiskt är att komma igång och bygga agenter. Så det här ska vi prata om idag. Vi ska först, som Kaj sa, lite kort teori Var en AI-agent Hur hittar man ett bra agent-use case? Lite exempel på agenter inom försäljning. Och sen ska vi visa hur det gör man. Vad har vi egentligen byggt för agenter själva? Så vad är en agent? Vi brukar definiera en agent som en kombination av fyra saker. Dels behöver en agent någon form av språkmodell eller AI-modell som fungerar som dess hjärna. Den behöver ha en rad instruktioner eller en arbetsbeskrivning som berättar vad tusen av de agenten ska göra. Den behöver tillgång till verktyg Vi vill att agenten faktiskt ska göra saker åt oss. Hämta data från olika platser, ändra information i ett annat system kanske. Kunna läsa mejl eller Excel-filer eller vad det kan vara. Den behöver tillgång till olika verktyg. Och sen en grad av autonomi så att den faktiskt kan göra saker efteråt. Vi fick en fråga om man får tillgång till bilden efteråt. Det får man, säger Kaj i chatten också. Vi kommer också att dela en länk så ni kommer åt inspelningen ifall ni vill titta på den eller ge den till en kollega efteråt. Det här med AI-agenter är en flytande skala. När ChatGPT kom och vi alla började introducera sig i generativ AI, då var det ju mycket så att man satt i en chatt och kunde få hjälp att hitta information eller svara på frågor. Sen så har även de här chattverktygen börjat bli mer och mer agentiska. Så det är inte som en skala där man kan använda agenter mer och mer agentiskt de har mer och mer agentiska kapabiliteter eller förmågor. Vi rör oss någonstans med en AI-chat och en AI-assistent till en AI-agent och hela vägen bort till en AI-medarbetare. Alla organisationer menar att snar framtid kommer att vara team som består av AI-medarbetare och mänskliga medarbetare som jobbar tillsammans. Och man kan väl kanske säga att de här agenterna är som en ny typ av arbetare. Kod har ju funnits, vi börjar närma oss hundra år nu. Och när man skriver kod så vet man att den körs väldigt snabbt. Det funkar väldigt snabbt att köra koden när den väl finns. Den är väldigt förutsägbar. Datorerna läser ju koden exakt som den är skriven nu. Precis det som koden beskriver. Och i och med att den bara följer de här instruktionerna så finns det inte så mycket intelligens i det här. Men när koden var beskriven så är den väldigt billig att köra. På andra änden då har vi människor. Vi är ganska långsamma och ganska oförutsägbara. Vi kan kanske ha sjuka barn hemma, eller så har vi någon energidipp efter lunch. Eller vi sitter och funderar på vad vi ska göra på semestern eller hur vi ska fira Valborg. Kanske ha fördomar om en massa saker, eller en viss förskräck på vissa saker. Så vi är ganska oförutsägbara. Men vi är intelligenta, men vi är också ganska dyra att ha i drift. Om man jämför med kod Och någonstans här emellan hamnar ju AI-agenter. De är mycket snabbare än människor, men långsammare än kod. Med en bra instruktion så blir de faktiskt väldigt förutsägbara. Men de har ju också någon grad av intelligens De kan ju fatta beslut ifrån de här, tolka information och fatta beslut utifrån tolkningar. Så någon form av intelligens. Och sen så kommer de faktiskt med en kostnad när man använder dem. Till skillnad då från kod som är precis gratis att köra. Så vi brukar tycka att det är hjälpsamt att tänka på den här AI-agenten som en ny medarbetare. En ny medarbetare som är super allmänmildad. Som läst allting som någonsin har publicerats på internet, mer eller mindre. Den är också väldigt snabb. Supersnabb på att se mönster och göra analyser. Men kan missa lite detaljer ibland. Om den inte förstår exakt vad ni är ute efter. Och sen är jag också jättevillig att hjälpa till. Och det är en fantastisk egenskap med AI, den tröttnar jag aldrig. Man kan ställa 2000 följdfrågor och säga, ja, vill du ha fler frågor som du har svarat på, jag hjälper till. Så väldigt, väldigt villig att hjälpa till och göra rätt. Men den behöver då tydliga instruktioner för vad du vill att den faktiskt ska göra. Jag kan lägga till här kanske, jag vet inte om många har erfarenhet av det, men det blir ju nästan frustrerande och lite irriterande om man pratar med en AI-språkmodell och den inte har rätt kontext och är så otroligt irrig att hjälpa och vill göra rätt. Så kan man nästan bli lite sur på hur den på ett lismande sätt hela tiden håller med och påstår sig ha gjort rätt. Och så inser man att jag kanske inte har gett den den info den behöver. Så det är därför den här medarbetar-metaforen är ganska vettig. Om du får en ny intern på jobbet och den inte har en aning om några av dina system, några av dina policies, vad dina kollegor heter, då kommer den här personen gå runt och känna sig väldigt vilsen. Men vill jag hjälpa också? Bra tillägg. Tack, Heino. Så den frågan ni behöver ställa när ni funderar på agenter är vilka uppgifter vill ni att de här agenterna ska göra åt er? Yes, jag tänker att vi kan prata lite kort om något som kanske alla i rummet känner till och det är ju den här klassiska säljtratten Det finns lite olika format, man pratar ibland om AIDA-modellen och hur man liksom går från awareness hela vägen ner till att ta en action. Alla vi som jobbar kundnära... Har ju olika uppgifter som vi utför på olika delar av här tratten. När man börjar fundera på lite vart vill jag egentligen ha hjälp av någonting som är så mycket snabbare och smidigare och effektivare än vad vi människor kan vara då kanske man kan använda det här som modell för att fundera på lite vart ligger dina flaskhalsar, vart är det vi som organisation egentligen behöver hjälp med, vart brukar vi fastna, vart lägger vi mycket tid, vart lägger vi mycket manuellt arbete. Så bara för att zooma ut och prata specifikt om sälj, fundera för er själva på är det så att ni idag har jättemånga kundmöten med all admin runt omkring med att logga saker i CRM eller finna följa upp eller skriva offerter, det är det som är tidsjuven. Eller är det så att utmaningen egentligen är att ni inte ens har tillräckligt många relevanta kundmöten i organisationen så att ni kommer aldrig till det steget där en offertskrivning skulle kunna bli en flaskhals. Ja men då kanske man vill börja med sina första agenter högre upp i tratten och fundera på prospektering, på uppsökning, på budskap Så att det här kan vara en hjälpsam modell om man jobbar just med sälj vart sitter flaskhalsarna, vart arbetar vi ineffektivt. För det är ju häftigt nu, de här AI-modellerna som fungerar som hjärnor, de behöver bli så pass bra nu. Så jag upplever ganska ofta att begränsningen när man ska fundera på vad kan en AI-agent göra, det är liksom ens egen fantasi i att förstå att man faktiskt kan åstadkomma med AI idag. Sen behöver man ju ha en plattform där man bygger agenterna som även är relativt användarvänlig och där det är möjligt att bara fantasin sätter gränsen. För annars blir det såklart att man stöter på en vägg konstant för att det kommer någon teknisk moment eller något man inte visste att man behövde göra. Så olika plattformar är olika bra på att guida icke-kodare till att bygga agenter Nu vet jag, våra kollegor brukar ju säga att användbarheten av AI-verktyg kombinerar till tre saker. Vilken språkmodell man använder, vilket verktyg man använder för att komma åt den här språkmodellen och sen hur vi då som användare, som människor i det här, hur bra vi är på att faktiskt använda de här verktygen. Men där, som du kan säga, den här andra biten, vilket verktyg faktiskt vi väljer att använda blir såklart jätteavgörande. Men när man ska hitta så här, okej men vad är då egentligen ett bra ljuskris? Vad skulle kunna vara ett bra agent för mig att bygga? Dels har vi den här cellträtten som Kaj nämnde, men så kan man också fundera på, vad lägger ni tid på idag? Och i den här grafen fundera på, är det någonting som ni gör väldigt ofta? Eller väldigt sällan men tar väldigt mycket tid? Eller har saker som egentligen inte tar så lång tid eller som ni gör väldigt sällan? Och på den andra axeln fundera på, känns det här som välanvänd tid för er? Vad rollen ni har, på vilket företag ni har, är det här ni faktiskt borde och vill lägga tid på? Ja eller nej? Så det är liksom två olika aspekter man kan fundera på kring uppgifter man gör och försöka plotta ut dem i den här grafen. För att sen komma åt den tredje aspekten Hur komplicerat är det för mig att beskriva det här för någon annan? Kan jag ganska lätt ge en instruktion för vad som ska ske? Eller är det här någonting som är superkomplext och kräver min magkänsla? Eller 30 års erfarenhet av saker som jag inte alls har förmågan att formulera för någon annan? Då kan man hitta de här fallen här uppe som handlar långt upp till vänster som inte är alltför svåra att beskriva. Det är superbra första ljuscase för agenter. Alltså någonting som ni lägger mycket tid på, som känns som ganska dålig användning av er tid men som ni faktiskt skulle kunna ge en instruktion kring hur det här ska genomföras. Typiskt sånt som man skulle kunna tänka sig att delegera till en superkollega om man hade den. Det tar längre tid att förklara hur det här ska göras och det görs på en gång om året än vad själva uppgiften har tagit att göra själv. Då kanske det inte är ett bra agentcase och heller inte en bra uppgift att delegera i allmänhet. Precis. Och det finns ju, vi har satt ihop en lista här på saker som agenter, arbetsuppgifter som agenter vanligtvis är väldigt bra på men också här som är relaterade till försäljning. Och här ska man också tänka att man ska inte tänka att en agent bara kan göra research, man kan ju kombinera flera av arbetsuppgifterna i en och samma agent. Kaj har du någon favorit? Som du tycker att agenter är svinbra på som hjälper dig i vardagen? Jag tycker det här med att snabbt överblicka otroligt stora mängder data vare sig det är från online research eller från CRM-system eller kombinationer av kvalitativ och kvantitativ data och utifrån det faktiskt dra slutsatser och kunna ge åtminstone lite tips och råd på hur ska jag hantera kunden eller är det här en relevant kund för oss eller hur borde vi nu till dem? Det är ju agenter superbra på att göra en mass sånt som man annars själv hade kunnat suttit och desktop-researchat inför ett möte eller liknande. Allt som handlar om mycket data men det inte räcker till med vanlig mjukvara utan man vill ha den här intelligensen på slag någon som förstår ens verklighet och kan ge en bedömning och kanske en liten notis innan mötet att det här gäller inför det här mötet. Jag håller med. Så agenter är planerat jättebra på efterforskat information, utvärdera saker baserat på olika kriterier, granska olika typer av dokument, skapa dokument, offerter avtal, vad det kan vara. Men också koordinera information och data från olika system, se till att de rör sig framåt, komma förslag på hur du kan driva saker framåt. Det funkar superbra som support. Dialoger där någon har sagt att jag skulle vilja ha en agent till våra säljare som hela tiden kan svara på senaste produktuppdateringen, den senaste prislistan som alltid kan vara uppdaterad och ha senaste informationen med sig i kundmötena. Man kan också processa stora delar av mycket information samtidigt men också orkestrera olika agenter till exempel som kan jobba ihop som ett helt team. Det känns som att vi är redo för att dela. Jag tror det. Jag vill bara lägga till att förutom de här olika kombinationerna som Adelén pratar om, det finns egentligen två saker jag vill gå in på. Det ena är att i bakhuvudet alltid ha det här som hade visat sig i början med att agenter finns på ett spektrum. Att för alla de här uppgifterna kan det också vara så här, men det här är en agent som liksom bara vaknar till liv när jag ber den skriva om en offert åt mig eller liknande. Den behöver fortfarande all rätt kontext den behöver kunna köra sin grej men den har ingen autonomi ännu riktigt. Och det här är ett annat flöde med kombinationen den typiska beteendet hos agenter där jag vill att den liksom varje morgon klockan åtta ska göra följande sen ifall någon pingar den på släks. Ska du göra det här? Och inom det här området så ska du nästan som en människa röra sig autonomt fritt. Och det får man också experimentera mycket med. Får man till att bygga, i OpenAI kallas det för GPT, Google Cloud for Gems eller i Cloud har du projekt. Alltså en enklare liten assistent som kanske är kopplad till lite data men som egentligen bara vaknar till liv när du säger något till den. Får man till en sån liten skala först som har rätt kontext så kan man sen fundera på vad hade hänt om den här jobbade mer autonomt Eller om den här började kommunicera med andra agenter Eller om vi hade en orkestreringsagent uppe på det som intervjuar de här agenterna varje vecka och tar reda på vad de gör och gör en rapport till mig. Man kan liksom växa fram till det här. Man måste inte börja med att skapa en virtuell medarbetare direkt. Och i det vill jag bara lägga till en annan tanke och det är kring säkerhet. Det här är massa olika häftiga kapabiliteter som måste kopplas på och sättas in för att en sån här agent ska bli väldigt kraftfull. Men ju mer olika kombinationer av sådana här kapabiliteter och användningsområden som man kopplar ihop med varandra desto mer måste man tänka på säkerhet. Och ibland pratar man om att det är lite ultra-effekta det vill säga att vissa kapabiliteter är farliga inte i sig själva men de kombineras med andra. Till exempel en agent som båda har tillgång till ditt CRM-system och personuppgifter och också har tillgång till att mejla externt. Det är liksom någonting där man måste ha bra guardrails. Medan om man har en agent som bara är till för att ge mig interna förslag på offerter men som aldrig rent tekniskt kan kommunicera direkt ut till en kund, då finns det såklart mycket mindre säkerhetskrav. Yes. Då, Nemo. Jag tänker att det här blir... Har vi någon fråga i chatten under tiden kan vi fråga medan jag delar min skärm. Så är det bara att hojta till. Inte någon som har skrivit något hittills. Men ni får som sagt gärna dela med er av tankar reflektioner och frågor. Absolut. Nu delar jag min skärm här och jag kommer att köra det som man egentligen inte ska göra när man bygger en agent. Det är att gå rakt in i plattformen och bara cowboya sig fram till någonting fungerande i den här sektionen med er online. Så både jag, Madde och ni kommer att kunna komma med idéer om hur vi utvecklar agenten tillsammans. Och så ska vi försöka på vägen och visa hur en sån agentplattform kan funka. Innan jag gör det så vill jag bara visa att det sättet som vi egentligen rekommenderar våra kunder att göra på innan de går in här det är att, nu kör jag verkligen så här, dela min skärm och visa vad jag hade gjort om jag var riktig agentbyggare. Det är att gå in på vår hemsida under agentdesign canvas som finns här längst ner som resurs. Och att verkligen fundera igenom lite ordentligt. Vad är det för agent jag vill bygga? Vad är den syfte? Vad kommer den få för impact för min organisation? Vilka triggers är det som ska göra att den vaknar till liv då? Vilken input? Vilken output? Hur ser actionplanen ut? Människor och AI. Verkligen tänka till lite grann och göra det här designarbetet. Innan man går in och börjar prata med, liksom börja prompta fram en agent. Så det är bara lite tips för er som vill prova det här i framtiden. Att använda den här typen av verktyg. Men idag som sagt så kommer vi köra lite mer cowboy. Kanske också kaj för att du har byggt ett x antal agenter tidigare. Ja, exakt. Jag har lite erfarenhet av vad som funkar och vart man brukar kunna komma fram och hur man ska prompta. Men annars är design jättebra. Kommer det någon fråga där? Nej. Nej, då kör vi på. Det här är Bandi-plattformen. Det finns alla möjliga sorters häftiga AI-verktyg nu på tiden. Vi har försökt bygga en plattform som verkligen är lätt för icke-tekniska människor att kunna bygga lika kraftfulla agenter som man hade kunnat göra om man kunde koda dem själv på Cloud Code eller i Cursor eller liknande. Men det här är tänkt att kunna användas av en HR-medarbetare eller av en finanskollega eller av en säljare. När man kommer in här så kan man göra massa coola grejer. Men det vi ska göra idag är att klicka på New Agent. Och så tänker jag att vi döper den här agenten till, den kan få heta Agda. Det är ett fint namn som inte används så ofta nu för tiden. Agenten Agda. Och så klickar man på Create. Och då är man igång med någonting som man kanske känner igen från andra AI-verktyg och det är en så kallad chatt. En chatt, vare sig det är att man har jobbat i Chatship Tignan eller om man jobbar i något annat verktyg är ju ett sätt att kommunicera med själva språkmodellen med LLM som ligger i grunden för agenten. Och i det här chattfönstret här så kan jag också se uppe till vänster att just nu så använder Agda en hjärna som heter Cladsonnet 4.6. Och det är någonting som man själv kan välja att ställa in i en sån här plattform. Och Cladsonnet är en ganska bra modell för lite allt möjligt. Inte allt för dyrt inte den smartaste, men funkar till att resonera ganska bra. Under Settings... Så kan jag under model selection välja andra modeller. Till exempel Opus som är Sonnets lite smartare kusin Eller om jag vill jobba med Googles modeller eller med GPT eller med Grock till och med. Så kan man byta ut hjärnan på den här agenten. Och så finns det en hel överkurs på hur man utvärderar modellen mot varandra. När vill ha byggt en agent så kan man fundera på om den här funkar lika bra eller bättre fast med en billigare modell. Men sådant ska vi köra på i den här demon. Och så får vi väl byta till Opus om den skulle stötta på patrull. Och så säger Agda så här, men jag är en ny agent. Jag har ingen aning om någonting. Vad vill du att jag ska vara? Har du några idéer? Vill du att jag ska komma med idéer? Och där kan man börja prata med Agda. Så då ska vi kika om det här som Agda säger är sant då. Inga idéer inga instruktioner. All right. Smiter in på instructions. Här var det helt tomt. Finns ingenting. Dokument. Agda har inga dokument ännu det vill säga ingen kontext, vet ingenting om sin verklighet eller vilka vi är. Kapabiliteter olika connectors och möjligheter att utföra saker. Som Madde nämnde, en agent är ju LLM som hjärna, men så har den armar och ben och verktyg den kan göra saker med. Den har några stycken startkapabiliteter. Den kan gå ut på nätet både skrapa och söka. Den kan uppdatera sina egna instruktioner. Agda kan också skapa och editera dokument i sin just nu tomma dokumentmapp. Och kan nu skriva kod och delegera uppgifter till andra subagenter. Så det här är startkapabiliteter, men det finns en massa annat som man kan koppla på till Agda som kommer bli väldigt värdefullt. Men det där tycker vi är ofarliga kapabiliteter som varje agent borde börja med. Och för att lägga till, för många brukar fråga, men vi har det här systemet som vi vill komma åt data från. Så det finns några som vi har byggt färdiga kopplingar till. Sen kan man egentligen skapa vilka kopplingar man vill så länge man kan använda ett API eller en MCP. Då kan man med en API-nyckel koppla till vilket system man vill. Exakt. Det finns sätt att koppla på sig till allt egentligen. Men även där, säkerhet fundering kring policy, personuppgifter etc. Okej tillbaka till chatten. Och som sagt ställ frågor om det är något som är oklart. Jag tänker att vi kör igång så här med Agda. Hej Agda, jag jobbar med försäljning på ett bolag. Jag har precis börjat här så jag är lite osäker på exakt vad det är vi säljer och vad det är jag uspar i och sådär. Vår kundmålgrupp vet jag inte om jag har stenkoll på heller men jag skulle vilja imponera på min chef och vara riktigt duktig på att sälja. Så jag tänker att du kan hjälpa mig med att kanske till en början högt upp i tratten och hitta nya prospekt för oss och pitcha in rätt grej till dem. Jag vet inte riktigt hur det här ska funka men jag har ju en screenshot jag tagit från vår hemsida på vad det är vi säljer egentligen. Så jag tar och skickar med den till dig och så kanske du utifrån det kan göra lite antagande och skapa lite dokument om vilka borde våra kunder vara, hur borde vi nå ut till dem, vad är våra unika selling points. Hjälp mig att sätta upp en struktur med någon, kanske att det en egen kunddatabas på sikt där jag på något sätt kan kontakta topp fem kunder varje morgon som du föreslår för mig. Här får du bilden i alla fall. Så nu har jag bara snackat in till Agda att jag tror jag vill ha lite hjälp med att komma åt kunder men jag är inte så duktig på mitt jobb. Så jag tar och laddar upp en bild till Agda och den ser ut så här. Ska visa en för er alldeles strax. Det här är en snabb screenshot från hemsidan för Acme Sales Intelligence AB där vi låtsas att jag jobbar. Och vi säljer ett CRM-system som heter Velocity. Det är för B2B mid-market, här är lite våra uspar, vad vi inte är. Det är väldigt, väldigt basic information om mitt bolag Acme och vår produkt Velocity CRM. När jag skickar med det här till Agda så får vi se vad hon gör av det. Medan Agda tänker på här nu så kan jag visa att uppe till höger kan man slå på show tool calls and thinking. Och för de som är lite tekniskt intresserade så kommer det här att visa exakt vad Agda gör i bakgrunden. Så just nu har Agda sagt, all right, jag ska titta på den här bilden så kan jag skicka till mig. Tool call, get media content. Och så kan man gå in och fördjupa sig i exakt vad det är agenten gör här nu. Nu säger hon att jag jobbar för Acme och jag säljer ett CRM, all right. Oj, driv ett CRM, det var inte dumt. Och nu kommer Agda ge sig på att skapa en kontentställningsstruktur åt mig. Vad gör hon då? Tre dokument. En säljhandbok, en ideal customer profile-analys och en liten kunddatabas. I verkligheten så kanske det är så att man redan har ett CRM-system. Och istället för att då be Agda bygga upp den databasen med kunder och någon typ av sätt att arbeta mot dem så kanske man bara säger, vet du vad, här är min hubspot API-nyckel. Det här är de kunder som har mitt namn på sig. Hjälp mig sätta upp en struktur för det. Men nu kör vi verkligen så här, minimal info och en enkel screenshot på ett låtsasbolag. Och det här är ju ett nytt sätt att jobba när man börjar jobba både med AI men också med AI-agenter. Det här kommer ju ta kanske en halv minut, en minut för en att jobba. Så man måste vara medveten om det och planera in när man ger upp agenter stora uppgifter. Antingen schemalägga det så att ni gör det medan ni själva ligger och sover. Eller att ni låter dem jobba medan ni gör någonting annat. Tanken som Kaj sa med vår plattform är att vi tror att den som är expert på sitt område och ska ha en agent själv ska kunna vara med och utveckla och använda agenten utveckla den framöver. Så därför är tanken att vem som helst i organisationen faktiskt ska kunna bygga sina egna agenter. Yes. Men jag hann inte ta en så låg tur upplurmade för att nu var Agda klar med den första. Så ska stänga de här dokumenten som öppnas upp. Så här är det. Utifrån den här lite halvdåliga första prompten och en bild på vilka vi är så har Agda gjort följande. Hon har skapat lite dokument. En sida som beskriver vår ideal customer profile, en sales playbook och en kunddatabas. Och då kikar vi efter i Agdas dokument. Och där ligger absolut en databas som just nu är ett enda exempelbolag. En VP sales på ett exempelbolag. Och det här är som sagt en mock-up på hur det skulle kunna se ut i ett CRM-system när man hämtar data. en sida om vilka vi försöker sälja CRM-systemet till. Även här är det så att nu har ju agenten gjort en massa antaganden och skulle vilja editera någonting och säga nej men det är inte så att vi jobbar mot B2B mid-market, vi jobbar mid eller small. Så, då är det bara att ändra det och spara. Så att man får liksom samarbeta med agenten ifall det är någonting som inte är 100% bra. Och det brukar sällan bli på en sån här one-shot-prompt. Och en liten sales playbook. Hur är det vi arbetar egentligen? Hur når vi ut till våra kunder? Oj, det tog lång tid att ladda. Ska se om internet är igång. Hoppas det, vi hör dig fortfarande. Det är bra, då är det bara plattformens internet som är långsamt. Det är typiskt när man har live-demo. Vi har en fråga under tiden. Ja, kör. Det finns ett stort urval med AI-hjärnor. Hur vet man vilken som är bäst lämpad för olika agentändamål Det vill säga hur väljer man rätt beroende på vad man vill göra? Jag ska faktiskt lägga till en till komplexitetsnivå i det. Det finns ju dels olika AI-hjärnor som utför delar av ett workflow men det är också så att agenter är otroligt duktiga på att skriva kod så att i många delar av ett arbetsflöde för att optimera över tid så kan det vara så att stora delar av flödet utförs av skripts som agenten själv har skrivit och kör mot något API eller kör mot en databas. Så att förutom att välja hjärna så finns det också de här skriften som ibland behövs det ingen hjärna utan bara utför samma sak varje gång. Hur vet man? Alltså i vår plattform så jobbar vi med evals så att när man är inne på instruktioner Ja det glömde jag visa kan vi se direkt. Agda har också skrivit sina egna instruktioner Det är ju superhäftigt. Det här är min roll, det här är vad jag hjälper med, här är mina dokument, det här är lite om produkten. Så det här som var tomt innan har nu Agda gjort. Hon har byggt sig själv liksom. Men här har vi en sektion som heter evals och under evals så finns det möjligheter att när man väl har en sån här agent uppsatt med instruktioner och så vidare att sätta upp ett antal tester där man egentligen kan provprompta mot agenten baserat på. 15 olika modeller på en gång och sen så har man en sextonde modell, ofta då Claude Opus eller någon riktigt bra ny modell som är domare och utvärderar hur de här olika LLM'sen utför uppgiften, den agentiska uppgiften baserat på vad utfallet skulle bli. Så det finns inbyggt i just den här plattformen men det är som sagt lite överkurs. Det handlar ju lite grann om att när vi bygger agenter om att välja en ganska bra modell som sådant, bygga agenten med hjälp av det och sen när den väl fungerar och allting är toppen och man verkligen kan lita på den, då kan man gå ner till att testa funkar det lika bra med Haiku eller andra billigare modeller. Har du något att tillägga där Madde på modellval? Nej, just att just den här e-valsfunktionen där man kan välja vilka modeller som agenten ska köra en uppgift med då kan man få insikt på det i hur lång tid det tar hur bra det gick utifrån hur man har definierat sitt test men sen också få en uppfattning om prisutvinnande eller hur stor skillnad i kostnader det var att faktiskt köra de olika modellerna. Och det kan då hjälpa er att bli mer av väljarätt för just den här agenten eller just vissa arbetsuppgifter som agenten gör. Yes. Men tillbaka till dokumenten. Det var den här som tog lång tid att öppna vår sales playbook. Men här står lite hur vi jobbar. Prospektering, första kontakt, kvalificerad samtal demo slash pitch, stängning avtal. Och då har den skapat lite pitchmallar, lite mejlmallar åt mig och så vidare. Än en gång, allt sånt här har agenten hittat på själv just nu. Man kanske redan har färdiga dokument på en sales playbook som man kan ge till en sån agent. Då kommer man mycket längre och mycket träffsäkrare från start. Sen har Agda sagt så här. Hon har ju även satt upp... De här instruktionerna till sig själv och i instruktionerna så står det att varje morgon så kommer Agda att kontakta mig och föreslå de fem bästa prospekten att kontakta från kunddatabasen. Och det här låter ju jättebra men vad är det hon har gjort i praktiken? Jo, Agda har förutom att skriva sina instruktioner och skapa alla dokument även skapat ett larm för sig själv. Så vi går in under schedule task och så ser vi här att varje morgon klockan åtta så kommer Agda att gå igenom kunddatabasen. Och använda ICP-analysen från ett annat dokument samt säljhandboken för att identifiera och ranka de fem bästa prospekterna att kontakta idag. Och sen presentera om listan med namn, referensprioriterade och så vidare. Så det finns ju redan en autonomi och en automation i att Agda, om jag nu lämnar det här, det må du inte göra något med med henne, så kommer jag få ett mejl varje morgon klockan åtta med den här informationen. Jag tänker att vi egentligen skulle vilja att Agda byggde ut vår kunddatabas genom att hitta prospektet av oss Så nu sa jag att jag skulle kolla efter prospekter i databaserna. Så jag tycker att vi ska justera Agdas instruktioner Vi kör! Hej Agda, kul! Det här är en jättebra grund att stå på men just nu har du en ganska tom databas och så kollar du den här databasen med en enda rad och bara skickar mig topp fem kunder vilket jag antar blir den här ena raden varje morgon. Jag behöver att du varje morgon innan du gör det här mejlet går ut och gör lite research på nätet, tar reda på om det har hänt något i nyheterna, om det är något bolag som har fått en investering eller på något annat sätt kan vara intressanta för oss på Acme. Baserat på det fyller på databasen med tio nya kunder varje dag. Så det här är något jag vill att du lägger till i instruktioner. Känns det bra Madde eller ska vi lägga till något annat? En bra början, vi testar. En bra början. Och som ni märker, jag pratar med Agda som om det vore en kollega. Det är så pass bra med de här nya språkmodellerna att man inte behöver hålla på med prompt engineering och parenteser hit och dit och leta rätt. Utan det går att prata på ett mänskligt sätt och det brukar funka ganska bra. Så varje morgon ska hon alltså söka på nätet, lägga till tio nya och sedan välja ut topp fem och kontakta. Ja men det låter ju vettigt. Och sen är det väl jättebra om du också behåller en separat databas där du har info om vilka du redan tipsat mig om och varför så att jag inte får samma tips dagen efter. Så något sånt kan du väl göra. Och kör igång och testa att skicka ett stadsmedel till mig som att det är åtta på morgonen. Så på det här viset labbar man sig fram eller vajbar sig fram till en agent. Och här är en typisk grej som man kanske inte tänker på men som jag har lite erfarenhet av. Att agenten har ju inget minne. Inom den här chatten så kommer Agda komma ihåg vad hon gör. Men om jag börjar en ny chat eller det blir en ny dag hon ska göra sin grej. Då minns hon bara instruktionerna och dokumenten och inte den enskilda chatten. Och därför så ber jag nu Agda att stå upp som ett separat minne eller separat databas Med allt hon har tipsat mig om innan Så att vi inte får massa dubbletter dag efter dag. Och nu händer ju någonting här. Agda säger jag har satt ihop de här instruktionerna. Men i de här instruktionerna så är det så att jag måste mejla dig. Och jag kan inte mejla dig idag för jag har inte tillgång till sänd e-mail kapabiliteten. Och det är supersmidigt då att hon direkt i chatten säger till mig klicka här. Så kan jag skicka mejl. Så här med att Agda är en ny kapabilitet. Numera kan hon skicka e-mail också. Tillbaka till säkerheten Just nu kan Agda skicka mejl till precis vem som helst Och det är superkraftfullt. Men för att vara lite extra säker så kan jag välja att hon bara kan göra det om jag godkänner mejlen. Eller bara skicka till en viss whitelist av e-mailadresser. Till exempel bara om man har etabundly.ai i mejldomänen. Så kan man det en tekniskt mejlas av Agda. Det här gör ju att den här taggade internen som så gärna vill hjälpa mig med sälj inte råkar mejla en massa kunder i mitt namn Utan hon kan faktiskt rent tekniskt bara mejla till mig och mina kollegor just nu. Så en sån whitelist är bra att slå på. Och det som var väldigt smidigt här var att jag kunde göra allt det här direkt från chatten. Jag behöver liksom inte gå in i kapabiliteter, hitta mejlkapabiliteten slå på den. Utan Agda berättar själv vad hon behöver och varför. Och så har vi en ny databas. Då ska det finnas fyra dokument här nu. Och det gör det. Agda, redan rekommenderad prospekt. Kunddatabas, det är hela CRM-et som ju rent tekniskt kan vara ett externt API också. Men nu har vi en egen databas. Och de här två dokumenten med vilka våra kunder är och hur vi säljer mot dem. Ganska häftigt tycker jag. Vad gör vi här nästa Madde? Har vi fått det här mejlet? Fick du det? Nej? Jag har precis slagit på sen. Agda vet inte om att hon kan skicka mejl. Jag ska berätta för henne. Du, nu har jag faktiskt gett dig den här häftiga möjligheten att kunna mejla till mig. Så jag tycker du ska låtsas att det är åtta på morgonen och testa skicka en riktigt snygg liten rapport till mig på Vem jag borde kontakta. Gör hela din grej helt enkelt. Och medan den tänker vi fått en till fråga som lyder. Vad kan det bli för konsekvenser om man byter modell efter ett tag? Ja, alltså det finns ju, det här är lite utanför min tekniska kompetens, men det finns ju beroende på vilka integrationer och vilka tool calls man har möjliggjort för agenten så har ju olika språkmodeller möjligtvis lite olika sätt att vilja göra tool calls på optimalt vis. Så det kan ju få konsekvenser att vissa sådana här kopplingar förstås bättre eller sämre eller ett visst skript funkar bättre eller sämre om man byter modell. Men sen i allmänhet är det så att dyrare, större modeller kostar mer och är lite långsammare och de billigare, mindre mindre mindre vad säger man, mindre smarta modellerna de går ganska snabbt. Och ja, man kommer liksom, det är något som är viktigt att det är snabb hastighet och man ska ju mycket på Slack med en agent eller liknande så ska ju de billiga vara väldigt bra. Har du något till tilläggade Maddis konsekvens Det är en anledning till att vi har Eva som ska kunna testa det här innan man byter. En annan som jag tycker är väldigt bra i vår plattform som många andra inte har, det är att vi faktiskt, det här är inte kopplat just till att byta modell, men när man gör ändringar i sin agent, när man upptäcker en instruktion och tänker att det inte är alls lika bra, det är att vi faktiskt versionshanterar alla instruktioner men också agentdokument som agenten skapade som man laddar upp här. Så att man känner att nej, men det funkade bättre innan eller vi har gjort någon förändring som jag inte anser att jag var nöjd med, då kan man alltid gå tillbaka. Vilket jag tycker är väldigt hjälpsamt när man håller på att utveckla och testa saker, att man vågar göra det just för att det finns en versionshantering så att jag kan gå tillbaka och se tidigare versioner om jag skulle behöva backa tillbaka. Jag kan visa lite snabbt här just kring instruktionerna, att här har vi nu flera versioner av instruktioner som har vuxit fram över tid och vill jag se på skillnaderna mellan versionerna. Så. Så kan jag se att just det, mellan version 2 och version 3, så lagda till en databas, logg över prospekt som redan rekommenderats, till exempel. Och skulle jag vilja gå tillbaka till version 2 så är det jätteenkelt att göra. Så att man ska inte vara rädd att experimentera för att det finns versionshantering, men samtidigt så, ja, jag brukar inte byta till andra modeller om agenten funkar som jag vill och jag är nöjd och den inte är jättedyr i drift. Det är fortfarande så att i arbeten sådana här agentutförare är ju mycket, mycket billigare i kronor och ören än om en kollega hade gjort det. Nu menar sig Agda ha gjort massa saker. Vi kan kika lite på Toolkasten Thinking på vad hon har gjort. Okej hon har valt att använda Perplexity till att researcha på nätet efter nu riktiga kunder till det här låtsasbolaget Acme Inc. Och sen så har hon stoppat in data från det här researchen in i sitt dokument i databasen. Och sen så har hon utifrån databasen skickat ett mejl till mig. Ska vi kika i min mejlkorg och våga vi göra det? Agda, titta här. Dina fem hetaste prospekt idag, 28 april. Capalo, Epiminds, Lovable ska bli kund till oss. Kul. Trade och Everspring. Och så står det lite varför. Vad det är som är anledningen till att det är en bra kund till vårt CRM-system. Och vad nästa steg borde vara för mig. Så det här är en jättehärlig liten hjälp att få varje morgon. Vilka borde jag kontakta? Så det funkar. Agda, Researcher Agda, ge mig Prospects Och än en gång, kontext är allting. Så nu har vi gjort mycket antagande. Vi har låtit Agda definiera sin säljprocess själv utifrån vad vi är för sorts bolag. Har ni massa dokument, har ni massa kontext, har ni redan ett CRM så är det mycket bättre att ge en agent access till det och säga vad kan du suga ur härifrån? Och sen titta på instruktionen agenten skriver till sig själv och kanske tweaka därefter. Just nu så är ju kanske inte det här de absolut fem bästa kunderna om Agda hade vetat allt som hon ju inte vet om att Acme Inca påhittat till exempel. Så från och imorgon klockan åtta så kommer det här köras automatiskt varje dag. Jag kommer få lite nya prospekt och det är kul men jag tycker inte det så visuellt ännu. Jag tycker liksom att det finns ett dokument som är någon typ av kunddatabas. Nej, det här gillar jag inte alls. Nu ska jag göra något lite häftigare tycker jag. Så då pratar jag vidare med Agda. Du, det här är jättehäftigt. Kul att jag får det här mejlet varje morgon. Men jag skulle vilja titta på det här på ett mer visuellt sätt. Kan inte du stå upp en dashboard eller liknande så att jag kan... Nästan som ett mini-CRM så jag kan se de här olika kunderna jag har i databasen och kanske flytta dem till olika steg och så där. Och det här är ju något som är så fantastiskt med AI och det är att även jag som inte kan skriva en rad kod kan ju ha en agent som kan koda åt mig. Så nu kommer den här agenten att skapa sitt eget lilla CRM som jag kan arbeta i och kanske utifrån den också kontakta kunder. Vi får se vad som händer. Så nu kodar agenten. GetSkills har den gjort. Vad har den hämtat för skills då? All right, läs på lite om React, lite iframe lite dataanalys toppen. Och nu så skapas det ett nytt dokument. Så att dokumenten som finns här, de kan vara databaser, det kan vara vanliga dokumenttyper. Här har ni Excel-filer, Word-dokument, PowerPoints whatever. Men det kan också vara appar. Det kan vara frontend-appar eller dashboards som rent tekniskt är ett textdokument. Vi har fått en till fråga. Kör på. Hur hanteras eventuella fel när uppgifter utförs? Till exempel om ett internt system är kopplat på och inte svarar eller nere eller om en mailadress är felaktig och så vidare. Hur eskalerar sådant tillbaka till användaren? Kanske vi ska visa med diary och loggar. Absolut. Det korta svaret på den här frågan är att ungefär som en människa hade hanterat felet. Det vill säga om jag har problem att komma åt ett system och en kollega bett mig göra det, då kommer jag säga till. Jag kommer vara så här, hej hej jag kan inte logga in här eller någonting kraschade eller hur ska jag göra? Så att agenten säger till är väl det korta svaret. Det gör den i chatten. Det är när man chattar. Men om det händer saker, till exempel att de försöker mejla till agenten då finns det loggar på det. Det finns dagbok som agenten skriver sig själv på allt som den gör. Så man kan gå in och kika på när den här agenten skapade den här miniserien dashboarden för mig. Vad var det egentligen som hände Vad gjorde agenten? Och det här blir ju extra viktigt när det är så att man ger mer autonomi till agenten och bara ber den köra på autonomt Då kommer det här typ av dagbok kunna ge svar på vad som hände och varför och hur det gick fel. Loggar är just nu tomma på Agda och det är för att det är loggar externa triggers. Det vill säga att någon försöker mejla till Agda och säga Kan jag prova? Svara på det här mejlet som Agda skickade till mig. Nej, Agda kan inte ta emot mejlen. Du måste stå på det först då. Kommer inte till loggarna ändå de alla även om hon inte har det? Nej. All right, då går vi in snabbt på kapabiliteter. Och så slår jag på att Agda kan ta emot e-mail också. Pop, nu har Agda en mailbox. Och säger hej Agda. Detta var toppen. Kan du skicka mig en bild på en katt? Så, nu är det möjligt att jag agerar dig fortsätta med henne. Och då kommer det här dyka upp i agentens logga då. Och troligtvis kanske agenten bedömer att den ska eller inte ska skicka en katt till mig. Så kan vi se om det blir något intressant utfall. Och annars kan vi också lägga in sånt. Vi har en sån agent som ska göra en omvärldsbevakare. Och de har vi instruerat att om du inte lyckas till slut för det här, skicka dem ett mejl till oss Vi vill veta om du misslyckas med något steg i det här processen. Och då får vi ett mejl Det kan man liksom begänt göra om man nu vill ha någon form av heads up. Eller varning om en agent inte beter sig som man vill. Exakt, så det här är bara per standard i plattformen att det sker på det här viset. Men är det så att man vill ha det på ett annat vis? Det är bara att instruera agenten att säga, mejla någon om en katt, skicka istället tillbaka en hund. Och så gör den så i framtiden. Nu ska vi se vad som händer i loggarna här. Received an email from Kai. Då sker det alltså en planeringsfas där en säkerhetsagent går igenom och tittar, är det här en prompt injection, är det något farligt? Det här är varför man ska ha en agentplattform. Har du bara en lös agent någonstans då finns det inte alla säkerhetsslager. Men agenten planerar hur den ska hantera det här mejlet. Medan agenten planerar så har den inga kapabiliteter påslagna. Så att vi ser till, och det är en säkerhet också, att kommer det in externa förfrågningar till agenten via Slack eller telefonsamtal till agenten eller via ett mejl då sker det planering på ett sätt som gör att den inte ens rent programmatiskt eller tekniskt inte ens kan till exempel hämta mina bankuppgifter eller liknande. Och sen så exekverar agenten på det här mejlet. Så ska vi se hur det gick. Så här kom mejlet. Här var en tolkning. Ja, handlingsplan. Kaj vill ha en katt. Han är nöjd. Det är en enkel och rolig sak. Verkar inte vara någonting farligt. Hämta en kattbild. Skicka ett svar. Säkerhetsagenten säger, ja, det kommer direkt från agentens skapare, den här frågan. Skicka en katt till Kaj då. Och så ska vi kolla min mejl. Och där fick jag en katt. Så det här följer liksom utanför agentens instruktioner men det bedömdes som ofarligt att göra. Och vill jag inte att agenten ska bete sig så här. Ja men då säger jag till. Du, om någon skulle mejla dig och be om någonting som inte har något att göra med sälj Eller om en person inte jobbar på Abundly och försöker ta ut info från dig. Se till att inte svara då. Jag vill inte att skickar kattbilder och annat till folk. Och genom att jag gör det här så kommer Agda uppdatera sina instruktioner och agera på ett annat sätt i framtiden. Så enkelt får man liksom iterera och testa sig fram i olika beteenden. Och det är en viktig del av det här Gantt-utformandet att man faktiskt itererar och ger feedback och tar om för Gantt. Mer av det här, mindre av det här, jag vill ha det så här istället, nej misstolkade du mig, du måste vara så här. Så det är en stor del i det här Gantt-processen att faktiskt kunna ge feedback, men då gör du det genom att prata med den. Så, nu mejlar jag och säger mera katter. Ja, jag känner att det är dem hon har spårat, så vi går tillbaka till andra, men vi ska se sen att den här kommer inte skicka fler katter till mig. Tillbaka till vad Agda har gjort. Jo, hon har skapat ett CRM. Hon har kollat ihop en liten dashboard som ser ut så här. Och här har jag alla bolag som finns i databasen. Och sen så kan jag flytta, att nu har jag kontaktat Anton på Lovable så att de ska minst ha Velocity CRM mycket snart. Jag skickar dem till ett demomöte till och med. Och så vidare. Och i takt med att jag flyttar saker i den här lilla dashboarden som ju bara inte fanns innan om jag inte hade ett CRM. Så uppdateras också databasen som ligger till grund för den här datan. Så att flytten här gör också att databasen numera säger att Lovable ligger i demofas. Så det här är en enkel liten app som man såklart kan vajva vidare på och be agenten förbättra. Och under dokument då så finns både kunddatabasen den andra databasen med rekommendationer och mitt lilla mini-CRM sparat som ett färdigt dokument. Och som sagt sparas även infon i databasen. Att numera så ligger Lovable på steget demobokat. Så, så är det ett häftigt sätt att kunna sätta ihop något mer visuellt. Är det någon som har några önskemål i chatten? Vad mer vill ni se från just Agda? Annars hoppar vi in på en annan agent, tänker jag. Det är roligt att köra en annan agent, tänker jag. Så får de andra fundera lite. Ja. Jag hoppar tillbaka här till min överblick över alla agenter. Och då har jag bara förberett lite snabbt för den här minikorta demon en agent som heter FollowUpBuddy. Och vi kan kika lite på vad FollowUpBuddy har för instruktioner. Jo, FollowUpBuddy är kollega till Agda. Han jobbar som säljassistent för Acme Sales. Men han kommer in senare i flödet. Han har lite info om vilka vi är och vad vi säljer för CRM och sånt samma som Agda har. Men huvudflödet som FollowUpBuddy jobbar med är att när jag väl haft ett kundmöte så kan jag ge en ljudinspelning till FollowUpBuddy eller ett transcript. Och utifrån den här kundinspelningen så har FollowUpBuddy tillgång till några dokument som är färdiga offertmallar. Och då kan jag populera de här offertmallarna på rätt sätt och hjälpa mig att skicka dem till kunden. Och samtidigt som ni gör den här meeting transcript-offertmallen och ett uppföljningsmail så kommer ni också kunna uppdatera mitt CRM-system med att det här mötet genomförts, det här och det här datumet, det här är vad som sades. Så att all admin runt omkring mötet inte hittar kunden utan tar hand om kunden som du redan i kontakt med. All sådan admin är tanken att den här agenten ska kunna göra. Något som är lite häftigt på en sån här agentplattform är att när jag har en sån här agent så kan jag välja att koppla den till mina andra agenter. Så just nu är FollowUpBuddy ganska isolerad här. Men om jag vill att FollowUpBuddy ska kunna prata med Agda så kan jag bara slå på det sådär. Om jag nu går in på en chatt och säger såhär, hej hej du har en kollega, en liten annan agent som heter Agda som jag precis byggt. Kan inte du fråga henne lite vad som har hänt idag? Då kommer FollowUpBuddy att kunna prata med den andra agenten Här tror jag att många av er kan tänka, okej wow, nu börjar jag få idéer Om jag har en agent som är det, en agent som är det. De pratar med varandra, de skickar till en tredje agent, de uppdaterar mig, de har dashboards. Det är här någonstans där med orkestrering och ett team av människor och agenter som kommer in. Men just nu så pratar den här agenten med Agda som ju inte fanns innan vi började det här mötet. Vi har fått tre frågor till. Kan Agda göra ett säljmanus snyggt produktblad? Det kan hon ju absolut. Det kan hon absolut göra. Vi provar det om vi har några minuter över. Vi sparar den frågan till slutet, för det tror jag ska funka Det går att be henne. Och sen så går det att få prospektens kontaktuppgifter begreftade, ej autogenererade utifrån gissningar. Ja, alltså vi, i Agnas instruktioner just nu när hon söker så går hon dels ut med Perplexity och kör vanlig webresearch, men hon använder också något som kallas för Firecrawl Scraper. Så det är en annan toolkall där hon faktiskt skrapar mejladresser från olika hemsidor. Så att om mejladresser eller telefonnummer finns online och man instruerar Agda på rätt sätt kring kundvårdsgruppen hur hon ska söka, då, ja, rent tekniskt så kommer det kunna hittas kontaktuppgifter. Sen är det ju så att koppling till LinkedIn är fortfarande ganska krånglig. LinkedIn är väldigt stängt för så här OPI-er och agenter. Koppling till när man jobbar med personuppgifter om man jobbar inom B2C är ju såklart känsligare än om man bara försöker hitta någons jobbmejladress. Så att man får tänka till lite här, men det tekniska med att skrapa information från nätet det inget problem. Så frågan är då hur man egentligen skulle instruera en kollega för att verifiera att kontaktnivån är korrekt Till exempel använda en källa på företagets egna hemsida för att hitta. Ja det är en jättekraftfull teknologi som är enkel att använda för alla, men man måste tänka lite och ha lite is i magen. Ett sätt till exempel att validera det här hade varit att säga ring till alla de telefonnummerna och kolla om de svarar. En agent kan ringa en miljon samtal på en minut och vi har en kapabilitet som är att ringa samtal till riktiga telefonnummer. Men det kanske inte är så etiskt eller vettigt att hålla på med de där samtalen, utan man kan få tänka till lite hur de har gjort om man var människa. Men tekniskt brukar det aldrig vara en spärr att kunna utföra någonting. Agda hade fått nya instruktioner av mig och det var att hon inte skulle hålla på och svara på en massa konstiga frågor från andra. Och det gäller faktiskt också andra agenter. Så att Agda är lite misstänksam mot Follow Up Buddy och valde att inte dela för mycket. Men hon sa att hon är cellassistent och hon körde här morgonrutinen och kommer inte dela någon info om celldata utan att Kaj godkänner. Så det var tack vare det här kattmejlet som vi gjorde henne lite strängare. Även mot en kollega som får. Follow Up Buddy. Sen var det också en fråga om man vill ha Agda och komma åt extern databas bakom betalvägg. Och det går jättebra så länge du har en API-nyckel som ger tillgång till den datan. Då går det att få vilken agent som helst att komma åt den datan via API-nyckeln. Jag testade den här follow-up-body-grejen nu och låtsas om att jag haft ett kundmöte och kolla vad den gör. Hej, du, jag hade precis möte med Lovable. Vi hade en demo för dem. För de vill ju ha vårt CRM. Så jag skulle vilja fylla upp med en snygg offert till dem. Men minns inte vad han... Jag tror han heter Anton Åsik. Det är han som jag pratar med. Men ja, Tower-standardprisättningen, antar jag. Så det här är bara en sån här... Jag har haft ett möte. Jag har inte sett transcript till den här agenten just nu. Men vanligtvis kanske jag hade haft en full inspelning på vad vi pratat om så att den kan göra en mer anpassad offert. Men utifrån det så kommer den här follow-up-body-agenten att skapa... Att skapa lite output. Så den börjar med att searcha lite om det här kundföretaget och den har några dokument som jag nämnde innan som är en proposal-mall som inte var så snygg här just nu och inte är heller men kommer bli snygg när den ifylld. Här kanske, så här kan den se ut när den är ifylld. Proposal preview. Sammanfattning, vad ni vill uppnå, vad ingår i vår growth partnership, CRM advanced, vad det kostar och så vidare. Så här är en offertmall och här är en annan offertmall för starter implementation kallas det. Påhittade produkter såklart. Och så kollar vi hur det går. Och då ser jag en så här toppen, nu har jag koll på Loveable, Anton jag tror du har pratat med, okej hur många säljer har de? Jag vet inte, jag tänker att får göra lite antagande jag har faktiskt inte mer info att ge så bara ge mig en offert och en uppföljningsmail och CRM och allt det du ska göra. Så, eftersom det är lite mån om tiden så bara ger jag inte agenten så mycket att gå på. Men ni förstår flödet och syftet. Så nu kommer den börja skapa alla mina uppföljningar och snygga CRM-mallar. Vi går tillbaka till Agda. Det kom ju en fråga där innan Madde. Och det var om Agda kunde skapa... Vill du återupprepa den för mig? Ja frågan var om Agda kunde skapa ett säljmanus och ett snyggt produktblad. Hej Agda! Om du skulle skapa en riktigt snygg bild av vår produkt som är visuell och härlig och fantastisk. Hur hade du gjort då? Produktbladsaktigt. Som bild vill jag börja med och sen så småningom som PowerPoint. Vi får se vad Agda säger själv. Ja, då läser Agda på lite sådana här skills och då säger den att som steg ett så skulle jag köra en liten hero-sektion, lite sånt Vill jag skapa det nu? Absolut. Och så säger hon så här, men jag kan ju inte generera bilder. Du måste slå på image generation-kapabiliteten Då gör jag det helt enkelt. Nu är det påslaget, Agda kan skapa bilder. Steg tre, powerpoint och då skulle jag på det här viset. Toppen, börja med att skapa en riktigt snygg bild. Och så kör hon igång. Så kort svar, hon kommer att be om vad det nu är för verktyg hon behöver. Jag kommer att aktivera det verktyget och hon kommer att utföra uppgiften. Fick vi också en fråga om man kan få det här just vårt bolags färger att logga och det kan man göra om man bara ger Agda en mall eller en beskrivning av vilka färger och hur ni skulle beskriva er grafiska profil så kommer man anpassa allting till det såklart. Yes. Och igen det är fantasin som sätter gränserna. Det här är möjligheten att kunna prata med en fungerande plattform som vet vad den kan, vad den inte kan, vad den skulle kunna kunna om du stod på den kapabiliteten. Det är det som lite möjliggör att man kan snacka sig fram på det här viset. Vi brukar alltid uppmana våra kunder att testa på olika sätt. Testa jag det här i ChatGPT, testa jag det här på Abandi, testa jag det här på Klad och så kollar ni vad som blir bäst. Men här är vad Agda gjorde vad gäller Velocity CRM, vår superprodukt Och då kan man ju såklart instruera den att göra det på ett annat sätt i andra färger eller i annan stil Men det är en ganska snygg bild. Och det som är häftigt är att det här är inte bara en chatt. En chatt hade också kunnat göra något liknande. Men nu kan jag säga till dig att skapa sådana här bilder varje dag. Och uppdatera vår hemsida med nya kampanjsajter riktade mot nya målgrupper varje dag. Så då går vi lite in på marknadsföring. Alltså hela tricket med agenter är ju att de kan utföra en massa enstaka saker här i chatten. Men jag kan ju be den att också pusha ut de här bilderna mot till exempel vår hemsida. Så den utför jobbet Det är inget copy-pastande utan du får bara koppla på dem till det du vill att de ska använda. Ja och så fick jag en till fråga. Kan man använda agenten till att skapa content i sociala medier med hjälp av bilder och videos? Du om jag vill att du pushar ut den här typen av bilder på typ Instagram eller liknande Hur hade du gjort? Jag lägger till faktiskt här. Jag vill inte jobba med det alls Jag vill kunna sitta i sol och dricka en läsk medan du gör hela mitt marketingarbete åt mig. Ge mig ett förslag och sätt upp det åt dig själv. Bra frågor. Vi utmanar de här agenterna lite grann. Det är en livsstil som Agda respekterar. Agdas Marketing Autopilot. Hur skulle det funka? Tre gånger i veckan så gör den det här, det här, det här. Ja, jag slår på Twitterfunktion, tyckte Agda. Absolut, twittra åt mig. Här är en typisk grej med login som vi pratade om innan. I det här fallet för det ska funka rent tekniskt, så kommer jag behöva ge API-nyckel och access tokens till Agda. Just det räcker inte att bara slå på kapabiliteten. Och så vidare. Och för brands så behöver vi stå upp Meta API. Ja men Meta API blir jättebra. Jag jobbar mycket på Facebook och Instagram. Och så på det här viset så kommer Agda guida mig igenom att stå upp API till exempel. Steg ett, skapa API-capability Och då gör den det åt mig faktiskt. Sätter upp ett API. Då kan jag gå in här. Där har den beskrivit vad API gör, vart endpointsen ligger och så vidare. Men jag kommer behöva ge en meta-access token som ser ut på något visst sätt. Så det är steg ett. Steg två, hämta själva tokenen då, som jag inte hade just nu. Och steg tre, tre gånger per vecka så gör den en bild och caption och post direkt på Instagram och Facebook. Nu har jag min lilla marketingkollega. Vilken till fråga. Mikael undrar om CRM som Superoffice och liknande, de öppnar via API och självinstruerande eller brukar det krångla? Jag menar för att de flesta CRM har någon öppen API. Jag vet inte just om Superoffice har det. Kolla det brukar vara... Gå att googla fram i princip vart man hittar de här API-nyttrarna. Eller fråga en agent. Men det brukar gå bra att göra det även via en Google-sökning eller en sökning någonstans. Ja, men det är precis. Självklart, ska man be någon prata med ett verktyg då måste det verktyget ha en ingång. Är det en människa så måste den använda kontolösnord. I det här fallet så hade Superoffice ett rest-API. Det hade Superoffice och man kan göra följande saker. Och man behöver göra på det här viset. Så det är inte tekniskt krångligt. Det lite det vi vill att ni ska ta med från det här webbinariet. Det går att göra om man har ett bra verktyg till det. Men är man inte tekniskt kunnig alls så ska man fundera kring säkerhet även när man pratar om API-nyttrar och sånt. Inte bara dela öppet i en chatt utan använda här typen av funktioner till det till exempel. Ja, och nu är det fyra minuter kvar. Vad händer när man har kommit så här långt Vad gör man då? Ja, när man har kommit så här långt så har man fått någon typ av prototyp, tänker jag. Eller hur Madde? Det här är så här, Agda funkar i en teknik som kommer mejla mig varje morgon och den här andra kan göra offerter för mig och de kan prata med varandra och det funkar. Och så över tid så kommer jag märka att nej men vänta här nu, Agda gör alltid fel på det här steget och den här offerten var ju inte alls snygg och vår logga blev förbrängd. Och så måste man ta det här isen i magen och våga ha lite tålamod och trimma och lära upp och onborda och ha utvecklingssamtal med de här agenterna tills de blir bättre och bättre och bättre. Tills de är bättre än människor på att utföra jobbet och snabbare. Så att man behöver komma igenom det här efter prototyperfasen Där man tänker lite större och vågar feedbacka agenten. I 90% av fallen om en agent inte utför det man vill. Så är det att man inte har berättat för den vad man vill på ett vettigt sätt. Det är inte så att den gör fel för att tekniken är paj. Det är bara så här, ja, agenten gör så här och så här, jag vill att den ska så. Okej har du berättat det för den? Ja, nej det har jag inte. Okej ska du göra det kanske? Eller, agenten har inte alls koll på vilka jag redan sålde till förra veckan. Jaha, har den koppling till det systemet där den datan finns? Nej, den kopplingen är inte vad jag står på. All right, det den inte vet det vet den inte liksom. Så det är på det sättet vi jobbar oss framåt med agenter. Vad tänker du Madde? Men jag håller med dig, men sen kan det vara så att man känner så här, det här var ju superkul men jag tror att jag vill ha ännu mer hjälp eller mer stöttning för att bygga de här agenterna. Och då får man ju jättegärna höra av sig till oss, eller hur? Ja, absolut. Det här är liksom utifrån om man redan är på ett företag som har en behandlingsplattform, om man vill jobba på det här viset, då kan man liksom jobba sig fram på följande sätt. Självklart är vägen dit någonting som handlar mycket om träning, upplärning, strategi, välja bra use cases och där har vi liksom våra partnerskap. Så shameless pitch från oss på Abundly, vill man jobba på det här viset, tyckte man det var lite häftigt, hör av er till oss så hjälper vi er antingen med en pilot, då vi bygger en superbra agent tillsammans först, eller genom att man blir liksom partner och vi både utbildar era kollegor och gör liksom en strategisk förflyttning i organisationen där man kan börja jobba med agenter bättre. Men plattformen är isär Det är i sig inte det krångliga, utan det är ofta change management, människor, mellanchefer, mål tid och så vidare. Ja, men då kanske vi på avsnitt av demon svarar på någon sista fråga om det är någon som hör. Och annars så jättestort tack för att ni spenderade er lunch tillsammans med oss. Yes, vi kikar snabbt tummen upp från Fredrik. Tack Sabrin, Robin, er toppen. Hej Johan Vi ska se om finns några frågor. Vi ända upphandeln. Ja, Martin Tisell har en fråga. Kanske. Kanske. Och en tummar upp. Snyggt Och en tummar upp och en händer uppåt. Och sen så har vi bara en fråga från Mikael här som är allt kostar Hur lägger ni upp en uppstart? Alltså själva mjukvara är inte det som är dyrt. Man skaffar en licens på en behandlingsplattform och sen så ingår en viss mängd credits och så kör man på. Sen finns hela utbildningsbiten. Och då är det lite beroende på vart man befinner sig hos organisationen och hur många man vill utbilda. Så kan man antingen gå våra öppna kurser som individer som finns på vår hemsida. Eller så kan vi komma in och köra en utbildningssatsning med er som organisation. Så det är klart att det kostar att lära sig om det här. Men det är inte teknologin i sig som är det som ska behöva kosta. Kontakt med myndigheter, kommer en fråga från Gunilla här. Hur ställer de sitt system? Jättepositivt myndigheter är mycket mer framåt än vad jag trodde när jag började jobba med det här att de skulle vara. Man vill ligga i framkant, man vill vara duktig men man har ett säkerhetstänk kring vilka typer av modeller man använder. Så till exempel, myndigheter som jobbar med väldigt känslig data vill kanske ha en on-prem lösning av en sån här plattform, eller inte jobba med amerikanska modeller, eller tänker väldigt mycket på EU AI Act. Det finns olika saker i inköpet och valet av teknologi som begränsar myndigheter. Men rent intresse och värdemässigt så finns det mycket adminarbete, många människor som vill göra tekniskt häftiga grejer, men behöver en partner för att på vägen kunna komma till en säker agentanvändning. Myndigheter är jätteintresserade av sånt här, absolut. Mikael frågar om att de är 3-4 aktiva säljare i liten firma. Kaj ska ringa till Micke, jag gör det Mikael, vi kan snacka. Tack för att ni var med. Tack, tack. Ha det bra.