Fra AI-chat til handling i dine værktøjer
Lindy er navnet på en konkret AI-agentplatform, ikke et generelt AI-begreb. Platformen bruges til at oprette AI-agenter: software, der bruger kunstig intelligens til at behandle information og udføre opgaver ud fra instruktioner.
Forskellen fra en almindelig AI-chat ligger især i handlingerne. En chatbot kan eksempelvis skrive et udkast til en opfølgningsmail. En agent i Lindy kan indgå i en arbejdsgang, hvor den henter mødenoter, finder kundeoplysninger, laver mailudkastet og opdaterer kundens oplysninger i et CRM-system.
Lindy markedsføres som en AI teammate eller AI-arbejdskollega. Det skal forstås som en beskrivelse af anvendelsen, ikke som et løfte om, at platformen kan overtage en medarbejders ansvar eller dømmekraft.
Sådan fungerer Lindy
Du bygger og tester agenter gennem en no-code-grænseflade, altså uden at skulle programmere selve løsningen. Her definerer du opgaven, forbinder relevante værktøjer og opstiller rammer for, hvad agenten må gøre.
En arbejdsgang består typisk af:
- En start: Eksempelvis en indgående e-mail eller en planlagt rutine.
- Et datagrundlag: Dokumenter, beskeder eller kundeoplysninger, som agenten får adgang til.
- Instruktioner og handlinger: Hvad agenten skal undersøge, skrive eller opdatere.
- Eventuel godkendelse: Et trin, hvor et menneske kontrollerer resultatet, før processen fortsætter.
Lindy understøtter integrationer med blandt andet Gmail, Slack, Google Drive, Google Calendar, Notion og HubSpot. Integrationerne forbinder agenten med de systemer, hvor arbejdet foregår. Den konkrete adgang afgør, hvilke oplysninger agenten kan bruge, og hvilke handlinger den kan udføre.
No-code betyder dog ikke, at opsætningen passer sig selv. Du skal stadig beskrive opgaven præcist og teste, hvordan agenten håndterer manglende oplysninger, uklare beskeder og undtagelser.
Hvad bruges Lindy til i marketing og produktion?
Lindy er især relevant til tilbagevendende opgaver, hvor information skal flyttes, bearbejdes eller følges op på tværs af flere systemer.
I et marketingteam kan det eksempelvis være:
- Research og briefinger: Samle information fra tilgængelige kilder og dokumenter til et indholdsbrief eller kampagneudkast.
- Mødeopfølgning: Opsummere møder, fremhæve aftaler og udarbejde opfølgende beskeder.
- Leadarbejde: Undersøge potentielle kunder og samle relevante oplysninger til salgsarbejdet.
- Rapportering: Bearbejde data og dokumenter til rapportudkast.
- Indbakkehåndtering: Behandle henvendelser og udarbejde svarudkast i en ønsket tone.
Platformen bruges også uden for marketing, blandt andet til kundesupport, kalenderstyring og intern drift. Fællesnævneren er gentagne arbejdsgange, hvor AI både skal forstå indhold og udføre handlinger.
Eksempel: Opfølgning efter et kundemøde
Et bureau kan sætte en Lindy-agent op til at hjælpe med opfølgningen efter kundemøder.
Agenten får adgang til mødenoter og relevante kundeoplysninger. På den baggrund laver den et udkast med de aftalte leverancer, åbne spørgsmål og næste skridt. En medarbejder godkender udkastet, før det sendes, og arbejdsgangen kan også omfatte en opdatering af CRM-systemet, som samler virksomhedens kundeoplysninger.
Fordelen er ikke kun hurtigere tekstproduktion. Den ligger også i at reducere det manuelle arbejde med at finde oplysninger og holde flere systemer opdateret.
Eksemplet kræver, at de nødvendige integrationer, adgange og godkendelsestrin er sat op. Agenten kan ikke hente kundeinformation, den ikke har adgang til.
Fordele og begrænsninger i praksis
Lindys styrke er kombinationen af AI og automatisering på tværs af værktøjer. Det kan mindske gentaget tastearbejde og gøre opfølgning mere ensartet.
Resultatet afhænger dog af instruktionerne og datagrundlaget. AI-genereret indhold kan indeholde fejl, og uklare kilder kan føre til forkerte konklusioner. Brug derfor menneskelig godkendelse ved eksempelvis kundekommunikation og ændringer i vigtige data.
Komplekse arbejdsgange kræver desuden løbende vedligeholdelse, når systemer eller processer ændrer sig. Lindys pris- og kreditmodel betyder også, at det forventede forbrug bør indgå i vurderingen; aktuelle vilkår kan ændre sig.
Et fornuftigt udgangspunkt er én afgrænset opgave med tydelige succeskriterier. Det gør det lettere at kontrollere kvaliteten og vurdere, om automatiseringen faktisk sparer arbejde.