Vad vi lärde oss av en company brain på oss själva

Innan vi bad någon annan lita på en company brain flyttade vi in vårt eget företag i en. Varje AI-verktyg vi använder läser nu samma regler innan det skriver i vårt namn: hur vi formulerar mejl, vad vi erbjuder och vad vi inte gör, hur vi kontrollerar fakta innan vi skickar. Kodagenter, chattassistenter och en röstagent hämtar från ett och samma ställe.

Vi började med det område vi använder varje dag: hur vi kommunicerar. De flesta av reglerna fanns redan som utspridda anteckningar och rättelser som vi hade gett våra AI-verktyg under månader. Att samla dem på ett ställe lärde oss mer än planeringen gjorde. Det här skulle vi säga till alla som börjar.

1. Topics är ansvarsområden, inte projekt

Vår första import sorterade regler efter vad de handlade om: ett kundprojekt, ett verktyg, en webbplats. Det såg prydligt ut och var oanvändbart. En regel om hur vi offererar fasta priser gäller alla projekt, och ingen äger ”webbplatsprojektet” i den meningen att hen avgör vad som gäller.

Topics fungerar bara när de motsvarar någon som bestämmer: kommunikation, försäljning och offerter, kvalitetskontroller. Om du inte kan peka ut vem som skulle godkänna en ändring är det inget Topic.

2. Regler och fakta är olika saker

Mycket av det vi hade skrivit ner var status: vilken version som är driftsatt, vilket konto-ID som hör till vilken tjänst, vad en kund sa i tisdags. Det är användbart, men det ändras varje vecka och ingen godkänner det.

En regel säger vad som gäller och varför. ”Kundmejl nämner ett fast pris, aldrig timmar” är en regel. ”Nuvarande pris är X” är ett faktum som hör hemma i en prislista eller ett CRM. När vi blandade ihop dem blev hjärnan inaktuell på några dagar och de riktiga reglerna begravdes. Nu stannar fakta i de system där de hör hemma, och hjärnan innehåller bara det någon har beslutat.

3. Behåll motsägelserna

Vårt första extraktionssteg var för hjälpsamt. När två påståenden sa emot varandra kastade det antingen bort det ena som ”åsikt” eller slog ihop dem till en slätare regel. Båda sätten döljer precis det en Owner behöver se.

En motsägelse är information. Någon tror att returfönstret är 30 dagar och någon annan att det är 14, och båda har berättat sin version för AI:n. Vi ändrade extraktionen så att motsägelser blir kvar som Conflicts och hamnar hos dem som ska avgöra.

4. Siffror är också beslut

”Vi går inte under det här priset för en webbplats” sparades som ett faktum och föll bort, eftersom det såg ut som data. Det är det inte. Ett golvpris, en rabattgräns eller en godkännandegräns är ett beslut som någon har fattat och någon äger. Behandlar din extraktion varje siffra som ett faktum tappar den några av de viktigaste reglerna du har.

5. Bättre instruktioner slår en större modell

Vid ett tillfälle missade en mindre modell hela tiden en regel om presentkort. Den gissade vilket Topic den skulle öppna, öppnade fel och svarade med full säkerhet. Det självklara draget var en dyrare modell.

Det som löste det var en enda mening i de instruktioner som varje AI får: sök först, en gång för varje del av uppgiften. En fråga om ett rabattmejl rör prissättning, ton och vad du får lova, alltså tre sökningar och ingen gissning. ChatGPT visade samma mönster över samma koppling. Pröva instruktionerna innan du betalar för en större modell.

6. Kopior glider isär, levande kopplingar gör det inte

Tidigare låg våra regler på flera ställen samtidigt: en projektfil i en assistent, egna instruktioner i en annan, ett inklistrat dokument i en tredje. Varje ställe var en kopia, och varje kopia var lite annorlunda.

Det enda upplägg som höll sig konsekvent var en levande koppling. Varje verktyg frågar hjärnan i det ögonblick det behöver en regel, i dag via MCP (Model Context Protocol). Projektfiler, egna GPT:er och uppladdade dokument är ögonblicksbilder. De duger som start. De är ingen källa till sanning.

7. En hård godkännandespärr låser allt

Vi sa redan från början att ingenting gäller förrän dess Owner har godkänt det. Sedan importerade vi månader av regler som AI:n redan följde. Hade vi hållit tillbaka alla tills någon granskat varje enskild hade AI:n plötsligt vetat mindre än dagen innan.

Därför lade vi till en status: already live. En regel som används men ännu inte är godkänd visar den etiketten överallt: i AI:ns svar, i listan, i grafen. Owners granskar dem i omgångar. I vår egen uppsättning bär de flesta regler fortfarande den etiketten, och vi vill hellre se den ärliga siffran än låtsas att allt är signerat.

8. Någon måste fortfarande läsa resultatet

Automatisk extraktion får det mesta rätt och en del märkligt fel. En av våra ”regler” visade sig vara extraktionens egen kommentar till en kandidat som den hade avvisat. Intervjuer har en mer lågmäld fälla: om AI:n ställer en ledande fråga och personen svarar ”ja, ungefär” kommer regeln från AI:n, inte från experten. Nu räknas bara det den intervjuade själv sa som belägg.

Inget av problemen är ett skäl att hoppa över automatisering. Båda är skäl att ha en människa mellan utkast och publicerat.

Vad vi skulle göra annorlunda

Vi skulle börja ännu mindre. Ett Topic, en Owner, tjugo regler, och varje AI-verktyg kopplat till det från dag ett. Värdet syntes första gången vi slutade rätta samma fel för tredje gången, och det hände med mycket få regler på plats.

Vill du pröva det i ditt eget företag fungerar snabbstarten i vår guide om company brain utan någon programvara. När en enda sida inte räcker längre är det för det här CtxCore Brain finns.