Många artikelrader med snarlika namn gjorde kontrollen långsam och lätt att missa.
En kontrollagent jämförde dokumenten och gav varje rad en tydlig status.
Om en rad inte kunde matchas säkert skulle agenten skriva oklar – aldrig gissa.
Vad studerande byggde
AI sorterade fram det som behövde granskas
Beställning, orderbekräftelse och faktura beskriver samma affärshändelse. Om en rad skiljer sig behöver någon upptäcka det innan fakturan godkänns. Studerande byggde en Custom GPT med en detaljerad instruktion för att jämföra dokumenten rad för rad.
En viktig detalj var att matcha främst på artikelkod i stället för produktnamn. Resultatet skulle alltid komma i samma tabell, så att användaren snabbt kunde se vilka rader som var normala och vilka som krävde kontroll.
Hos ett litet företag
Var jämför du samma information flera gånger?
Tänk bredare än just fakturor. Principen passar många vardagliga kontroller.
Prova i liten skala
Testa först där du redan vet svaret
- Välj två eller tre dokument från ett avslutat ärende där du vet exakt vad som stämde och vad som var fel.
- Bestäm vad AI ska matcha på: artikelkod, ordernummer, datum eller något annat tydligt fält.
- Bestäm ett fast svarsformat och en liten lista med tillåtna statusar.
- Skriv regeln: om något inte kan avgöras säkert ska det markeras som oklart.
- Jämför AI-resultatet med facit och förbättra instruktionen innan du använder metoden i skarpt arbete.
Varför blev instruktionen bättre efter flera försök?
Studerande beskrev att lösningen växte fram genom testning och förbättringar. Det är normalt. En bra instruktion skrivs sällan perfekt på första försöket.
De testade också samma grundidé i Copilot. Det viktiga i caset var därför inte vilken tjänst som användes, utan den tydliga kontrollogiken och förbudet mot att gissa.
Anonymiserat studerandecase · fokus på metoden, inte företagsnamnet
← Alla företagscase