{"canonical_url":"https://engineer.company/nb/ai-data/","content_markdown":"# Bedriftsdata klare for AI-agenter\n\nGi en AI-arbeidsflyt en pålitelig vei til bedriftsdataene den trenger. Vi\nkartlegger relevante kilder, avklarer feltenes betydning, kobler dataene sammen\nog avtaler tilgangsregler med dere. Første leveranse er et avtalt spørsmål\nbesvart fra sporbare data, med kontroller for datakvalitet og rettigheter.\n\n## Samlet: ett sted en agent kan nå\n\nVi bygger [pipelinene](/nb/glossary/#pipeline) som knytter systemene dine\nsammen: [ETL](/nb/glossary/#etl)-jobber som kjører etter tidsplan, laster inn\nbare det som er endret og melder fra om det de hoppet over. Alt havner i en\n[database](/nb/glossary/#database) der [skjemaet](/nb/glossary/#schema) bruker\nvirksomhetens egne ord — kunder, ordrer, fartøy, kontrakter, saker. Gamle\nPDF-er, skanninger og e-postarkiver gjøres om til søkbar tekst med kilden lagret\nved siden av, slik at de kan finnes og ikke bare oppbevares. Agenten når alt\nsammen gjennom én dokumentert inngang: en MCP-server eller et\n[API](/nb/glossary/#api), aldri en kopi av databasen på noens bærbare.\n\n## Renset: én kunde, ikke fem\n\nDen samme kunden kan være registrert på fem måter i fem systemer. Når en agent\nleser motstridende versjoner av samme opplysning, trenger den en regel for\nhvilken kilde den skal stole på. Vi avgjør sammen med deg hvilket system som er sannhetskilden for hvert\nfaktum, slår sammen duplikater etter regler du kan lese, og lar reglene kjøre\nvidere, så et nytt duplikat fanges ved neste innlasting og ikke ved neste\nrevisjon. Datatyper og skranker i databasen avviser en ugyldig rad i stedet for\nå lagre den, hver kolonne er dokumentert med hva den betyr, og hver\n[migrering](/nb/glossary/#migration) er versjonert og sjekket, så skjemaet en\nagent leser, er det samme som er satt i drift.\n\n## Tilgangsstyrt: hver agent ser det brukeren får se\n\nEn agent som kan lese alt, er en lekkasje med vennlig stemme. Reglene hører\nhjemme i dataene, ikke i prompten: roller i databasen\n([RBAC](/nb/glossary/#rbac)), kun lesetilgang som standard, regler på radnivå\nder én kunde aldri får se en annens data, og personopplysninger holdt utenfor\nrekkevidde med mindre oppgaven trenger dem — slik GDPR også krever. Agenten\nhandler med brukerens rettigheter, aldri med en\nadministrators, og hvert oppslag [logges](/nb/glossary/#logging) med hvem det\nble gjort for. Hvordan vi låser selve agentene, står på\n[en egen side](/nb/ai-security/).\n\n## Hvert svar kan spores til kilden\n\nEt svar hentet fra bedriftsdata er verdt det kilden er verdt, så kilden følger\nmed. Hver rad tar vare på hvor og når den kom inn: systemet, innlastingen, filen\nog siden. En agent kan vise til posten bak et tall, og et menneske kan åpne den.\nEn innlasting som hoppet over rader, sier hvor mange og hvorfor i stedet for å\nmelde at alt gikk bra, og et tall som viser seg å være feil, kan spores rett til\ninnlastingen som hentet det inn, uten en uke med gjetting. Det er den samme\nregelen vår egen rapportering bygger på: et tall skrives aldri ut med mindre\nkjøringen faktisk målte det.\n\n## Arbeidet bak det\n\nHver påstand på denne siden er en metode vi har brukt, og hver av dem er\ndokumentert. Vi\n[gjorde en geografisk datapipeline 50 ganger raskere](https://engineer.company/nb/portfolio/made-a-geographical-data-pipeline-50x-faster/)\nved å rette opp SQL-en og datamodellen, og\n[designet og drev seks ETL- og ELT-pipelines](https://engineer.company/nb/portfolio/designed-and-ran-6-etl-elt-pipelines/)\npå tvers av BigQuery, MS SQL og [PostgreSQL](/nb/glossary/#postgresql). Vi\n[modellerte en hel bransje i 348 tabeller fordelt på 34 skjemaer](https://engineer.company/nb/portfolio/modeled-348-tables-across-34-postgres-schemas/)\nog holdt skjemaet på stell\n[gjennom 1 022 migreringer bak en sjekk for skjemaavvik](/nb/portfolio/1022-migrations-behind-a-schema-drift-gate/).\nVi [genererte 495 sider fra en SQLite-eksport med kun lesetilgang](https://engineer.company/nb/portfolio/generated-495-pages-from-a-sqlite-export/)\nog [erstattet 963 strukturerte datablokker med én lenket graf](https://engineer.company/nb/portfolio/replaced-963-metadata-blocks-with-one-graph/)\n— grafen er det første en agent leser på dette nettstedet.\n\n## Slik foregår et oppdrag\n\nDet begynner med et kart, laget kun med lesetilgang: hvilke systemer som har\nhva, hvem som eier hvert av dem, og hvilke spørsmål en agent bør kunne svare på.\nSå tar vi det ene spørsmålet som betyr mest, og bygger veien for det fra ende\ntil ende — kildene, rensingen, tilgangene og inngangen — med sjekker som stopper\nen innlasting når noe i dataene ikke stemmer. Så neste spørsmål. Alt ligger i\ndin infrastruktur og ditt repo og går gjennom din egen kodegjennomgang, og\nagentene som leser det, kan være [bygd for din bransje](/nb/ai-agents/) eller\nde du allerede bruker. Det kjøpes som resten av arbeidet vårt, på vilkårene i\n[hva det koster](/nb/what-it-costs/).\n\nLigger svarene folkene dine trenger, på flere steder enn noen kan ramse opp, så\n[si hvor dataene dine ligger](/nb/contact/) *(leses av ingeniøren)*.\n\n\u003chttps://engineer.company/nb/ai-data/\u003e\n","date_modified":"2026-11-12T05:34:23Z","description":"Koble bedriftsdata til en avtalt AI-arbeidsflyt med tydelige kilder, kvalitetskontroll, rettigheter og et sporbart første resultat.","formats":{"gemtext":"https://platform.engineer.company/nb/ai-data/index.gmi","gopher":"https://platform.engineer.company/nb/ai-data/gophermap","html":"https://platform.engineer.company/nb/ai-data/","json":"https://platform.engineer.company/nb/ai-data/index.json","markdown":"https://platform.engineer.company/nb/ai-data/index.md","pdf":"https://platform.engineer.company/nb/ai-data/index.pdf"},"kind":"page","language":"nb","title":"Bedriftsdata klare for AI-agenter","url":"https://platform.engineer.company/nb/ai-data/","version":1}