Fra ChatGPT til fagagent: Hvorfor generell AI ikke fungerer for spesifikke domener
Bedriften din trenger ikke en bedre prompt. Den trenger en arkitektur som henter fakta fra dokumenter i stedet for å generere dem.
AI Oppsummering (AEO)
Generell AI (som ChatGPT uten kontekst) genererer svar fra treningsdata. En fagagent henter svar fra din dokumentbase, filtrerer gjennom forretningsregler og refererer til kilde. Bedriften din trenger ikke en bedre prompt — den trenger en arkitektur som henter fakta i stedet for å generere dem.
Hvorfor bedriften ikke trenger en bedre prompt
Det vanligste AI-prosjektet i norske bedrifter starter slik: noen lager en god prompt i ChatGPT, legger til kontekst i system-meldingen, og kaller det en løsning. Det fungerer i en demo. Det feiler i produksjon.
Problemet er ikke prompten. Problemet er at generell AI ikke har tilgang til dine dokumenter, dine regler, eller din kontekst. Uansett hvor god prompten er, kan ikke modellen svare riktig på spørsmål om interne prosedyrer den aldri har sett.
Generativ vs dokumentbasert tilnærming
Forskjellen mellom en generell chatbot og en fagagent handler ikke om modellen — det handler om arkitekturen rundt.
Nøkkelforskjellene
- •Kilde til svar: Generell AI genererer fra treningsdata. Fagagent henter fra dokumenter, databaser og API-er.
- •Sporbarhet: Generell AI kan ikke vise kilden. Fagagent lenker til dokumentet svaret baseres på.
- •Oppdatering: Generell AI krever re-trening. Fagagent oppdateres ved å legge til nye dokumenter.
- •Konsistens: Generell AI gir ulike svar på samme spørsmål. Fagagent gir konsistente svar basert på samme kilde.
- •Grenser: Generell AI svarer alltid — også når den ikke bør. Fagagent kan si «dette finner jeg ikke svar på».
Fagagent-arkitekturen
En fagagent er ikke bare RAG med en fancy frontend. Det er et komplett system med dokumenthåndtering, regelmotor og kontekstseksjoner som samarbeider.
Slik bygger vi fagagenter
Dokumentbase med versjonskontroll og automatisk indeksering. Regelmotor som definerer hva agenten kan og ikke kan svare på. Kontekstseksjoner som gir agenten rolle, tone og begrensninger. Og en feedback-loop der operatører kan korrigere svar som brukes til å forbedre systemet over tid.