AI Enablement Radar vecka 35: distribuera AI som en intern produkt

AI-verktyg distribueras nu som något mer än en licens. Slack paketerar färdigheter, Dropbox öppnar dokumentflöden via MCP, GitHub styr modellåtkomst centralt och Anthropic testar en gemensam standard för fysisk utrustning. För ett mindre team betyder det att en prompt, en koppling och några behörigheter har blivit en intern produkt. Den behöver en ägare, ett tydligt godkännande och en väg tillbaka om något blir fel.

Toppsignaler denna vecka

• Slackbot får Skill Sets, så flera återanvändbara färdigheter kan rullas ut tillsammans. Deep Research söker i organisationens data och på webben, medan en vy för administratörer visar användning och behörigheter. Det gör kunskapsarbete lättare att dela, men också möjligt att följa upp.

Källa: Slackbot: Your Agentic AI Workspace for Deep Work.

• Salesforce uppger att företagets Employee Agent nådde 70 000 användare, hanterade över 300 000 samtal under sitt första år och hade 97,7 procents självservicegrad. Siffrorna är leverantörens egna, men arbetssättet är intressant: agenten testades först internt, placerades där medarbetarna redan arbetade och följer deras befintliga behörigheter.

Källa: 1 Year, 70,000 Users: What Salesforce Learned as Customer Zero for Employee Agent.

• Anthropic har öppnat en begränsad forskningsförhandsvisning av Model Hardware Standard, MHS. Standarden låter agenter styra programmerbara mikroskop, vätskehanterare och robotarmar genom ett modelloberoende gränssnitt. Den kan nås via bland annat MCP, Model Context Protocol, som är en standard för att koppla AI-system till verktyg och data.

Källa: Previewing the Model Hardware Standard.

• GitHub börjar verkställa en global modellpolicy för Copilot Business och Enterprise. Nya modeller, och befintliga modeller utan ett uttryckligt val, kan följa organisationens standardpolicy. Medvetna val bevaras. Modeller med öppna vikter eller krav på datalagring aktiveras inte automatiskt.

Källa: Global model policy generally available.

• EU:s AI-förordning har gått in i en fas med aktiv tillsyn. EU-kommissionens uppdaterade översikt förklarar hur ansvar delas mellan AI-byrån, Europeiska datatillsynsmannen och nationella myndigheter. Vissa tillsynsbefogenheter började gälla den 2 augusti 2026.

Källa: The enforcement framework of the AI Act.

Vad företag faktiskt gör med AI

Bain har gjort Claude tillgängligt i hela organisationen och ingått ett globalt partnerskap med Anthropic för kundinföranden. Det säger något om vad som händer efter piloten: tillgången blir bred, medan arbetssätt, utbildning och stöd måste anpassas till rollerna som faktiskt ska använda verktyget. Ett team på tio personer behöver inte kopiera Bains upplägg, men kan kopiera principen. Bestäm vilket arbete agenten ska hjälpa till med innan fler konton delas ut.

Källa: Bain & Company announces partnership with Anthropic to accelerate clients' enterprise AI transformations.

Gallup har byggt realtidscoachning för tusentals ledare med Amazon Bedrock. Lösningen hämtar svar från verifierad Gallup-forskning genom RAG, retrieval-augmented generation, vilket innebär att modellen får relevanta källor vid varje fråga. AWS beskriver en resa från prototyp till produktion på veckor i stället för månader, utan ett separat MLOps-team. Den överförbara lärdomen är enklare: koppla agenten till en avgränsad kunskapsbank och gör källorna synliga innan ni breddar användningen.

Källa: Gallup scales real-time coaching for thousands with Amazon Bedrock.

Det första året med Employee Agent visar också varför placeringen spelar roll. Agenten ligger i de arbetsytor där frågor redan uppstår och kan både svara och utföra vissa administrativa steg. Salesforce behåller känsliga beslut, som rekrytering och stöd vid dödsfall, hos människor. Det är en användbar gränsdragning: låt agenten hantera återkommande service och förberedelser, men namnge de beslut som alltid kräver en person.

Verktygslagret: plattformar, agenter och arbetsflöden

Dropbox DocSend har öppnat en fjärrserver för MCP i öppen beta. Den kan kopplas till ChatGPT, Claude och Codex CLI med OAuth. En agent kan då läsa dokument, hitta Spaces, söka besök och granska aktivitet. Administratörer kan slå av eller på anslutningen under företagets AI-inställningar. För sälj- och offertteam är det en tydlig signal: dokumentrummet kan bli en datakälla för agenten, men kopplingen bör få samma ägare som själva kundflödet.

Källa: How to connect the Dropbox DocSend remote MCP server.

GitHubs Copilot-harness är nu allmänt tillgänglig i JetBrains. Det inbyggda JetBrains-stödet för MCP är fortfarande en offentlig förhandsvisning, men gör det möjligt att exponera funktioner i utvecklingsmiljön utan att bara förlita sig på externa servrar. /review kan också köras direkt i JetBrains. För teknikteam betyder det färre hopp mellan verktyg. För resten av organisationen är mönstret viktigare än produkten: agentens verktyg bör ligga nära arbetsytan och ha synliga gränser.

Källa: Copilot harness generally available in Copilot for JetBrains.

Microsoft har samtidigt sänkt tröskeln för att prova Azure SRE Agent. Nya kunder kan testa upp till tre agenter i 30 dagar utan den vanliga beredskapskostnaden; arbete mäts fortfarande i Azure Agent Units. VNet-integrationen är allmänt tillgänglig, så agenten kan nå privata resurser genom befintliga nätverksregler. Live Reports är i offentlig förhandsvisning och uppdaterar driftdata när rapporten öppnas.

Källa: Try Azure SRE Agent with no always-on charges.

Google Workspace testar Gemini-baserad dataklassificering i Drive. Administratören beskriver klassificeringsnivåerna, och Gemini föreslår etiketter utan att organisationen först behöver bygga ett manuellt träningsunderlag. Det kan ge agentflöden ett bättre beslutsunderlag om vilka filer de får läsa eller bearbeta. Funktionen är öppen beta och bör kontrolleras mot den egna informationsmodellen innan den får styra åtkomst.

Källa: Gemini-based data classification in Google Drive is now available in open beta.

Styrning och risk: vad som behöver sättas innan skala

När en färdighet kan delas med ett klick och en MCP-koppling kan ge tillgång till riktiga kunddokument räcker det inte att granska prompten. Granska hela kedjan: vem som får installera, vilka källor agenten läser, vilka verktyg den får köra, vilka utdata som sparas och vem som godkänner åtgärden.

AWS visar ett konkret tekniskt mönster för agentverktyg: kontrollera inkommande data, parametrarna innan ett verktyg körs och verktygets svar innan det går tillbaka till agenten. Bedrock Guardrails kan kombineras med reguljära uttryck, schemavalidering och tillåtelselistor. Samma princip fungerar även utanför AWS. Använd miljövariabler eller en hemlighetshanterare för autentisering, avgränsade OAuth- eller API-behörigheter, redigering av känsliga fält och revisionsloggar för körningar.

Källa: Extend Amazon Bedrock Guardrails to Tool Interactions Using the Strands Agents SDK.

EU:s tillsynsram gör dokumentationen mer användbar än en allmän AI-policy. Spara vilken modell och version som användes, vilka källor agenten fick, vilka behörigheter som gällde och vem som godkände resultatet. Det ger ett körkvitto som både verksamheten och en framtida granskare kan förstå.

Veckans praktiska Hammer-test

Gör en 40-minuters distributionsrepetition

Välj en AI-rutin som redan fungerar för en person, till exempel att sammanfatta ett kundmöte, kontrollera en offert eller sortera supportfrågor. Målet är att se om rutinen kan delas med två kollegor utan att kunskapen sitter kvar hos den som byggde den.

1. 0–7 minuter: Skriv ned startsignalen, källorna och vilket konkret resultat rutinen ska lämna. Använd ett riktigt men avgränsat arbetsfall.
2. 7–15 minuter: Lista verktyg och åtkomst. Ge läsbehörighet först. Lägg autentisering i miljövariabler eller en hemlighetshanterare, inte i prompten.
3. 15–23 minuter: Sätt en mänsklig releasegrind. Kundmeddelanden, betalningar, radering, åtkomständringar och externa publiceringar kräver uttryckligt godkännande.
4. 23–32 minuter: Kör ett normalt fall och ett fall där en källa saknas. Agenten ska kunna stanna och förklara vad som fattas i stället för att fylla i själv.
5. 32–40 minuter: Spara ett kort körkvitto: användare, modell, källor, verktyg, godkännare, resultat, avvikelse och hur körningen kan återställas.

Testet är godkänt när båda kollegorna kan köra rutinen, se samma källor och förstå exakt var människans beslut börjar. Om det inte fungerar har ni hittat vad som behöver byggas innan en bredare utrullning.

Företag och verktyg att hålla koll på

• Slackbot: Skill Sets gör intern distribution av AI-rutiner till en produktfunktion.
• Salesforce: Employee Agent ger ovanligt konkreta, om än egenrapporterade, siffror för användning och självservice.
• Anthropic MHS: visar hur samma integrationsfrågor flyttar från dokument och API:er till fysisk utrustning.
• Dropbox DocSend: gör kund- och investerardokument till en agentåtkomlig källa via OAuth och MCP.
• GitHub Copilot: den globala modellpolicyn visar hur modellval blir en central administrativ fråga.

Om ni vill gå från en fungerande personlig rutin till ett delat och granskningsbart arbetsflöde passar det in i Hammers Verktygssmide. Vi börjar med en konkret distributionsrepetition, sätter åtkomst och godkännanden och bygger vidare först när körkvittot håller.