Innan AI frågar databasen: skriv ett mätkontrakt

AI gör det nu enklare att fråga affärsdata med vanligt språk. Det låter befriande att kunna fråga vilka kampanjer som gav bäst konvertering, eller varför konkurrentens trafik växer. Men om orden bakom siffrorna är oklara blir svaret bara en snyggare gissning. Innan en AI-agent får fråga databasen behöver ni skriva ett mätkontrakt.

Vad som förändrades: AI flyttar närmare beslutsdata

Perplexity presenterade nyligen en Snowflake-koppling för Perplexity Computer. Den låter användare ställa frågor på vanligt språk mot data i Snowflake, samtidigt som administratörer kan styra åtkomst, granska SQL och hålla affärsdefinitioner konsekventa. Perplexity beskriver också hur den egna interna Slackboten gör upp till 3 000 frågor i veckan mot Snowflake, byggd på ett delat kontextlager som förklarar tabeller, nyckeltal och vanliga frågor.

Källa: Perplexity — Computer brings data science to every team

Samma rörelse syns i marknads- och konkurrentanalys. Manus har byggt ut sin Similarweb-integration så att användare kan undersöka sökord, hänvisande webbplatser, landningssidor, populära sidor och andra tillväxtsignaler. Det är inte längre bara ”visa trafik”; det är ”förklara varför efterfrågan rör sig”.

Källa: Manus — Similarweb upgrade

Tekniskt pekar även Googles Genkit Middleware åt samma håll: agentiska appar behöver kontroller för återförsök, reservvägar, spårbarhet och mänskligt godkännande innan riskabla verktygsanrop körs. Agentisk AI betyder här att systemet inte bara svarar i text, utan kan använda verktyg, hämta data och fortsätta i flera steg.

Källa: Google Developers Blog — Genkit Middleware

Problemet är sällan anslutningen. Det är definitionen.

När ett team kopplar en AI till Snowflake, CRM, annonssystem eller konkurrentdata dyker samma frågor upp:

• Vad betyder nyckeltalet? Är ”aktiv kund” någon som loggat in, betalat, bokat, öppnat ett mejl eller haft ett möte?
• Vilken källa gäller? Är rapporten byggd på lagerdata, ekonomisystem, manuella kalkylblad eller marknadsdata från tredje part?
• Vem får fråga? Ska alla kunna fråga om kundsegment, marginaler, kampanjkostnad eller supportärenden?
• Vad måste svaret varna för? Saknas helgdagar, returer, provperioder, säsong, små urval eller äldre data?
• Vad får AI:n inte automatisera? En analys kan vara okej. En prissänkning, kundlista eller databasändring kan kräva granskning.

Ett mätkontrakt är en kort, läsbar överenskommelse mellan affär, dataägare och AI-arbetsflöde. Det säger inte bara var siffran finns, utan hur den får användas.

En enkel mall för mätkontrakt

Använd den här strukturen innan ni låter en AI-agent svara på affärsfrågor:

• Mätetal: Namn, affärsdefinition och exempel på en fråga som är tillåten.
• Datakälla: System, tabell, rapport, Similarweb-vy eller annan källa som svaret ska bygga på.
• Ägare: Personen som får ändra definitionen när verksamheten ändras.
• Åtkomst: Roller som får fråga, samt data som aldrig ska exponeras i AI-svar.
• Tillåtna filter: Tid, region, produkt, kampanj, kanal eller kundsegment som får användas.
• Obligatoriska brasklappar: Hur färska uppgifterna är, kända luckor, små urval, uppskattningar och externa datakällors begränsningar.
• Granskningsregel: När SQL, rapportlogik eller konkurrenttolkning måste granskas av människa.
• Svarformat: Hur svaret ska visa antaganden, källor, nästa steg och osäkerhet.
• Stoppgräns: Beslut eller åtgärder som AI:n aldrig får göra utan godkännande.

Det här är inte byråkrati för byråkratins skull. Det är det som gör AI-svaret användbart nog att agera på.

Tre vardagliga exempel

1. Supportfrågor

Fråga: ”Vilka är de största drivarna bakom supportärenden den här månaden?”

Mätkontraktet bör säga vilka ärendetyper som räknas, hur dubbletter hanteras, om chatt och mejl blandas, vem som får se kundexempel och när svaret ska skicka frågan vidare till supportansvarig.

2. Kampanjresultat

Fråga: ”Vilka kampanjer gav högst konvertering?”

Här behöver kontraktet definiera konvertering, attribuering, period, kostnader som ingår, om returer räknas bort och när AI:n bara får föreslå uppföljning i stället för budgetändring.

3. Konkurrentanalys

Fråga: ”Vilka sökord verkar driva konkurrentens tillväxt?”

Kontraktet bör skilja mellan observerade externa signaler och säkra slutsatser. Similarweb-data kan vara mycket användbar, men den ska behandlas som marknadsindikator, inte som intern sanning. AI:n kan föreslå innehållsvinklar, men ska inte kopiera konkurrentens formuleringar.

När Hammer kan hjälpa

Om ni redan har databaser, rapporter eller marknadsverktyg men saknar en trygg väg från fråga till beslut passar detta bra för ett Tool Forge-upplägg. Börja med ett mätkontrakt för tre frågor som faktiskt påverkar vardagen: en om kunder, en om pengar och en om kapacitet.

Hammer kan hjälpa till att rita upp datakällor, formulera definitioner, sätta granskningsregler och bygga ett första data-agentflöde där svaret är spårbart. Målet är inte att koppla in så mycket data som möjligt. Målet är att rätt person får ett svar som går att kontrollera, förstå och använda.

Nästa steg den här veckan

Välj en fråga som ofta hamnar hos ”personen som kan datafrågan”. Skriv ner:

• Vilken källa svaret ska använda.
• Vad nyckeltalet betyder.
• Vem som äger definitionen.
• Vilka brasklappar som alltid ska synas.
• När en människa måste granska svaret.

När det är klart kan ni börja testa AI på riktigt. Inte som en genväg runt kontroll, utan som ett sätt att göra kontrollen snabbare.