# Fra AI-chat til agentisk plattform: coreAI revolusjonerer arbeidsprosessen

coreAI har tatt steget fra AI-chat til agentisk plattform: assistenten svarer ikke bare på spørsmål, men handler – den søker, henter ferske sanntidsdata direkte fra fagsystemene og utfører komplekse oppgaver via Model Context Protocol (MCP) på vegne av brukeren. coreAI startet som en AI-chat som ga presise svar fra ditt eget innhold, og skiftet flytter løsningen fra et rent svarverktøy til en integrert arbeidsplattform som driver reell verdi.

![Arkitekturskisse: bruker spør coreAI, som via AI-søk og agentisk modus henter sanntidsdata fra Profixio og SnapDrive gjennom MCP](/articles/from-chat-to-agentic-platform-architecture.webp)

## AI-søk er bare begynnelsen

AI-søk er ofte det første kundene tar i bruk: en samtale-basert inngang til alt selskapet vet. Det gir presise svar fra eget innhold og er det enkleste startpunktet for de fleste partnere. Se [løsningen for AI-søk](https://coreai.no/nb/solutions/ai-search).

## Agentisk modus gjør chat til handling

Når svaret krever sanntidsdata eller en handling, går coreAI inn i agentisk modus. Assistenten planlegger flere steg, gjør dekningssjekk og søker på nytt hvis svaret er tynt, og kaller eksterne verktøy via Model Context Protocol (MCP). MCP-serveren bestemmer hva en gitt bruker faktisk får lov til å gjøre – det er fagsystemets eksisterende RBAC som gjelder, ikke en ny autorisasjon i AI-laget. Mer i artiklene om [agentisk modus](https://coreai.no/nb/articles/agentic-mode) og [MCP](https://coreai.no/nb/articles/mcp).

## Bruksområdene som flytter arbeidsprosessen

Tre bruksområder driver mest verdi i dag, alle på samme plattform-kjerne:

- **Kundeservice**: assistenten besvarer henvendelser, slår opp ordre, eskalerer saker og oppdaterer status uten å sende kunden videre i en kø. [Se kundeservice-løsningen](https://coreai.no/nb/solutions/customer-service).
- **Handleliste og produktoppdagelse**: brukeren beskriver behovet, coreAI finner produktene og legger dem i handlelisten. [Se handlelisten i bruk](https://coreai.no/nb/solutions/shopping-list).
- **Kunnskapsbase og søk**: hybrid søk på tvers av kilder med svar som siterer eget innhold. [Se kunnskapsbasen](https://coreai.no/nb/solutions/knowledge-base).

De to neste eksemplene viser hvordan dette ser ut i praksis.

## Eksempel: Profixio løser idrettens puslespill i sanntid

Profixio slår opp ferske idrettsdata i sanntid via MCP i stedet for å forhåndssynkronisere informasjon som endrer seg hele tiden. Profixio er et IT-selskap som leverer den digitale ryggraden for idretten – et system som håndterer alt fra påmeldinger til turneringer og cuper, forbundsadministrasjon, lisensoverganger og krevende kampoppsett der ledige baner, reisevei og ønsker skal gå opp.

Det er et enormt puslespill av regler, data og mennesker. Når spillere, foreldre eller trenere bruker coreAI for å finne kampoppsett eller resultater, slår assistenten direkte opp i databasen og gir et oppdatert svar i sanntid. Kunden ser aldri utdatert informasjon, og Profixio slipper å bygge dyre, skreddersydde integrasjoner.

## Eksempel: SnapDrive automatiserer 90 % av kundereisen

SnapDrive bruker coreAI til å løse hele 90 % av alle kundehenvendelser selvstendig, døgnet rundt. Bilverkstedkjeden tar agentisk AI helt ut til forbrukeren gjennom en åtte-trinns kundereise integrert i chat, og lar assistenten håndtere alt fra enkle til avanserte oppgaver:

- **Fase 1–4, booking og hybridstøtte**: kundene fullfører tidsbestillinger direkte i chatten, og systemet sørger for en sømløs overgang til menneskelig kundeservice hvis det oppstår problemer.
- **Fase 5–6, intelligent pris og logikk**: spør kunden om pris på en service, gjør assistenten et KIT-oppslag for å identifisere nøyaktig hvilke deler og hvor mye tidsbruk den spesifikke bilmodellen krever, og gir en eksakt standardpris der og da.
- **Fase 7–8, komplekse reparasjoner**: assistenten beregner priser for avanserte feil og velger automatisk de rimeligste delealternativene for å sikre optimal margin for verkstedet.

Dette er agentisk AI i praksis: assistenten forstår problemet, slår opp i bilens data og verkstedets prissystem via MCP, regner ut et tilbud og booker timen.

## Slik kommer du i gang

Start med ett bruksområde der dataene allerede finnes – for eksempel et AI-søk på egen kunnskapsbase. Du trenger ikke starte med hele kundereisen på dag én. Når den første flyten er på plass, kobler du på et fagsystem via MCP og lar assistenten handle, ikke bare svare. [Se hele løsningskatalogen](https://coreai.no/nb/losninger) for å finne det enkleste startpunktet.