Baggrundsopgaver med AI kræver køer – ikke bare længere API-kald
Langvarige AI-svar løser problemer med timeout, men gør ikke workflowet driftssikkert. Se, hvordan køer, jobstatusser, godkendelser og idempotens gør løsningen klar til produktion.
AI automation
Agentbaseret AI: Hvad det er, hvordan det fungerer, og hvornår det giver mening
En praktisk guide til agentbaseret AI: hvordan det adskiller sig fra chatbots og automatisering, hvor det skaber værdi, og hvordan man gennemfører et pilotprojekt uden at miste kontrollen.
OpenAI-evals gør accepttest til en del af releases af AI-workflows
OpenAI’s evals, graders, red teaming og forbedringsloops viser, hvorfor pilotprojekter med AI-workflows har brug for strukturerede accepttest, før prompts, modeller, værktøjer eller routing ændres.
OpenAI’s guardrails og run state gør udrulning af interne agenter til en betalt opgave med godkendelse og revision
OpenAI’s dokumentation om agenter peger på en praktisk realitet for intern automatisering: Så snart en agent kan opdatere data eller udløse handlinger, flytter det værdiskabende arbejde sig til design af godkendelsesprocesser, logning af run state, observabilI
OpenAI File Search: Interne dokumenter kræver governance, før du kan stole på dem
OpenAI File Search gør retrieval let at demonstrere, men produktion kræver opryddede dokumenter, metadata, en gennemtænkt vector store-struktur, regler for udløb og omkostningsstyring.
Skriftlige anbefalinger fra Trafik og Veje, Aarhus Kommune (2011) og AgroTech (2010).
