Øker: mange systemer
Hvert ekstra system betyr tilgang, dataformat, feilhåndtering og testing.
Vi oppgir ingen fastpris på AI-piloter, og det er et bevisst valg: prisen bestemmes nesten alltid av arbeidsflyten, ikke av hvilken modell som brukes. Hvor mange systemer er involvert, hvordan ser dataene ut, hvem må godkjenne underveis, og hva skal driftes etterpå - det er disse svarene som avgjør omfanget. Denne guiden forklarer hver prisdriver, hva som typisk øker og senker omfanget, hvilke spørsmål du bør stille leverandøren, og hva vi trenger fra deg for å gi en konkret vurdering.
Sist oppdatert: 26. september 2026
Scope betyr hva piloten skal bevise, og hva den eksplisitt ikke skal røre. En pilot som skal svare på ett spørsmål - for eksempel om AI kan sortere innkommende henvendelser riktig - er noe annet enn en pilot som samtidig skal sortere, svare, oppdatere CRM og varsle saksbehandler. Hver ekstra jobb krever egne data, egne tester og egne godkjenningsregler. Derfor starter vi alltid med å snevre inn: én arbeidsflyt, én målgruppe, ett suksesskriterium. Et smalt scope gjør ikke bare piloten billigere, det gjør svaret tydeligere. Når piloten er ferdig, vet dere om løsningen virker på akkurat deres data - i stedet for å sitte igjen med en vag følelse av at noe kanskje fungerer.
Hvert system piloten må snakke med, legger til arbeid: tilgang må ordnes, dataformat må forstås, feilsituasjoner må håndteres, og noen må teste at flyten virker ende til ende. Et moderne system med dokumentert API er noe annet enn et fagsystem der integrasjon betyr skjermskraping, manuell eksport eller e-postvedlegg. Tell systemene ærlig før dere ber om pris: CRM, e-post, arkiv, regnskap, fagsystem, kalender, chat. Jo flere, desto mer tid går til koblinger i stedet for selve AI-jobben. Motsatt er en pilot mot ett system med ryddig API ofte overraskende rask å få opp - da kan nesten all tid brukes på kvalitet i svarene.
AI svarer aldri bedre enn dataene den får se. Ryddige dokumenter med tydelige titler, oppdaterte rutiner og eksempler på riktige svar gjør jobben enkel. Ustrukturerte mapper, motstridende versjoner, skannede PDF-er som ikke lar seg søke i, og taus kunnskap som bare finnes i hodet på ansatte - alt dette må ryddes, struktureres eller samles inn før piloten kan bevise noe. Datavask er sjeldent glamorøst, men det er ofte her halve piloten forsvinner. Vær ærlig om datakvaliteten når du ber om vurdering: si hva som finnes, hvor det ligger, og hvem som vet hva som er riktig. En leverandør som ikke spør om dataene, priser i blinde.
Jo mer sensitive data piloten berører, desto mer må på plass rundt den: tilgangsstyring slik at AI-en bare ser det brukeren har lov til å se, logging av hva som ble spurt og svart, databehandleravtaler, og avklaring av hvor dataene behandles. Personopplysninger, helseopplysninger, taushetsbelagte saker og barns data krever alle ekstra omtanke - og noen ganger en annen arkitektur, for eksempel at sensitive felt aldri sendes til modellen. Dette arbeidet er ikke byråkrati, det er det som gjør at piloten tåler dagens lys. Si tidlig fra om hvilke datatyper som er i spill, slik at sikkerhet prises inn fra start i stedet for å komme som en overraskelse halvveis.
Én tydelig brukergruppe med samme behov er billig å bygge for. Tre grupper med ulike roller, ulike rettigheter og ulike ønsker om hva AI-en skal gjøre - det er fort tre små prosjekter i ett. Hver rolle krever egne tilgangsregler, egen testing og ofte eget grensesnitt: saksbehandleren trenger noe annet enn lederen, og kunden noe annet igjen. Tenk gjennom hvem som faktisk skal bruke piloten daglig, og hvem som bare skal se resultater. Start med den gruppen som kjenner problemet best på kroppen. Dere kan alltids utvide til flere grupper etter at piloten har bevist verdi for den første.
En pilot svarer på om noe bør bygges - den er ikke et ferdig produkt. Etter go/no-go kommer spørsmålene mange glemmer å prise: hvem drifter løsningen, hvem retter feil, hvem betaler for modellbruk og datalagring, og hvem eier koden som ble skrevet? Avklar eierskap skriftlig før arbeidet starter: får dere kildekoden, dokumentasjonen og rettighetene dere trenger for å bytte leverandør senere? Spør også hva som skjer med dataene deres hvis samarbeidet avsluttes. En pilot uten eierskapsavtale kan bli dyr på sikt, selv om selve piloten var rimelig. Hos Aprex avtales drift og eierskap etter at piloten har bevist noe - men rammene for eierskap bør være klare før første arbeidsdag.
Nesten alle piloter endrer seg underveis, fordi dere lærer hva dataene faktisk inneholder og hva brukerne faktisk trenger. Det er sunt, men det koster når endringene betyr nytt scope: flere systemer, nye brukergrupper eller andre suksesskriterier. Avtal derfor spillereglene før start: hva er fast scope, hva koster en endring å vurdere, og hvem bestemmer om den tas inn nå eller parkeres til etter piloten? En god leverandør sier fra tidlig når dere er i ferd med å vokse ut av scopet, og foreslår hva som kan kuttes for å holde rammen. Vær skeptisk til tilbud som lover alt uten å beskrive hva som skjer når noe endrer seg - for noe endrer seg alltid.
Be leverandøren forklare hva som er fast scope og hva som er antakelser. Spør hvilke data de trenger tilgang til, og hva som skjer hvis datakvaliteten viser seg svakere enn antatt. Be om å få se hvordan de tester kvalitet: hvilke eksempler, hvem som godkjenner, og hva som er godt nok. Spør hvem som eier koden, hvem som drifter etter piloten, og hva modell- og driftskostnader typisk består av. Be om referanseprosjekter der noe gikk galt, og lytt til hvordan de forteller om det. Til slutt: spør hva de trenger fra dere, og hvor mye tid deres egne folk må regne med å bruke. En leverandør som bare trenger signatur og betaling, har ikke forstått jobben.
Send oss arbeidsflyten med én setning om hva som tar tid eller skaper feil i dag. List hvilke systemer som er involvert, og si noe om datakvaliteten slik du opplever den - ryddig, rotete eller ukjent. Fortell hvem som skal bruke løsningen, hva som bør være annerledes etter piloten, og om det finnes sensitive data eller godkjenningskrav vi må kjenne til. Legg gjerne ved to-tre eksempler på typiske saker eller spørsmål løsningen må håndtere. Med dette kan vi som regel si om caset passer innenfor en 2-6 ukers ramme, hva vi ville testet først, og hva neste steg er. Uten dette må vi gjette - og vi priser ikke på gjetting.
Tommelfingerregler for hva som gjør en AI-pilot større eller mindre. Illustrasjon, ikke løfte om pris.
Hvert ekstra system betyr tilgang, dataformat, feilhåndtering og testing.
Én datakilde med ryddig API frigjør tid til kvalitet i svarene.
Tilgangsstyring, logging, avtaler og strengere arkitektur kreves.
Ufarlige, strukturerte data kan testes raskt uten tunge sikringstiltak.
Vage mål vokser underveis og gjør svaret vanskelig å tolke.
Én målbar påstand gir et tydelig go/no-go etter piloten.
Slik skriver du en forespørsel leverandører kan prise.
Les mer →Se hvordan Aprex scoper en AI-pilot på 2-6 uker.
Les mer →Regn på dine egne tall før du ber om vurdering.
Les mer →Vi oppgir heller ingen pris enn en pris vi ikke kan stå for. Denne siden beskriver hva som påvirker prisen, ikke hva din pilot koster - det finner vi ut sammen etter at vi har sett caset. Tall som 2-6 uker beskriver vår pilotmodell for avgrenset arbeid, ikke et pristilsagn.
Beskriv arbeidsflyten, systemene og hva som bør være annerledes etter piloten.
Kontakt Aprex →