AI byggd på din organisations verklighet

Din AI hade massor att läsa.
Inget att resonera utifrån.

Tusentals sidor i SharePoint och Confluence beskriver din organisation. Ingen av dem anger hur den fungerar — inte i en form som en agent kan ställa frågor till, traversera eller i efterhand ställas till svars mot. Nodwise är den formen: en typad modell av din organisation, och den levande grafen över allt i den.

Öppna demot Se metamodellen

Före lansering. Demo-tenanten är öppen — ett klick med ditt jobbkonto, inget säljsamtal.

Formeln

Metamodell + instansgraf + AI.

Tre delar. Ta bort vilken som helst av dem, så är du tillbaka vid ett pilotprojekt som imponerar i en demo och dör vid första kontakten med den verkliga organisationen.

Metamodellen

Grammatiken

Vilka slags saker som finns, hur de får relatera till varandra, vilka tillstånd de kan befinna sig i. Sluten med avsikt — en sluten grammatik beskriver inte bara, den begränsar vad en agent kan påstå.

+

Instansgrafen

Fakta

Dina system, processer, personer, datamängder och åtaganden som de ser ut i dag — var och en en typad nod med en ägare, ett livscykeltillstånd och verkliga kanter.

+

AI

Konsumenten

Agenter slutar sammanfatta dokument och börjar traversera din organisation. Svaret kommer som en väg, inte som en omskrivning — och de bevakar.

Varför det fortsatte att misslyckas

Sökning hittar det närmaste stycket. Du behövde den faktiska relationen.

Sökning i dokument returnerar det mest liknande avsnittet, och likhet är inte sanning. Ett dokument säger vad en person trodde den dag hen skrev det. En modell anger vad som är sant nu — och vet när det ändrades.

Ett stycke har heller ingen ägare, ingen livscykel och inga kanter. En agent kan läsa det och ändå inte veta vem den ska fråga, vad som går sönder om det ändras eller om det ersattes för två omorganisationer sedan.

Fråga ett dokumentlager hur många sidor som nämner det här systemet så får du ett svar. Fråga det vilka processer som saknar ägare — så har det ingenting att räkna med.

Den andra frågan är den som din verksamhet faktiskt ställer.

Fråga grafen

Om Victory Bikes fallerar, vilka kunder påverkas?

Påverkanssimulering

Victory Bikes

Kör traverseringen igen

Typad väg

5 steg

Avtalsregister · Produktkatalog · Driftregister

Victory Bikes

Extern entitet · Partner och leverantör

har part ←

Supply of Touring Tire Tube

Styrning och efterlevnad · Avtal

omfattas av ←

Touring Tire Tube

Fysiska tillgångar · Lager och material

beror på ←

SO70282

Verksamhet · Kommersiell interaktion

beställs av →

Dalton Adams

Extern entitet · Kund

påverkad kund

Inköp kände till leverantören och avtalet. Driften visste vilken SKU den ingår i. Försäljningen visste vem som beställde den. Tre funktioner, tre register, tre system — och ingen ägde kedjan. Att besvara detta tar i de flesta organisationer en vecka av mejlande. I modellen är det en enda typad väg, och svaret är en namngiven kund.

Lägg märke till vad som följer med: själva vägen. Du avgör inte om du ska lita på en mening — du tittar på de fyra kanter som svaret bestod av. Och modellen bär även nyansen: en andra leverantör har ett avtal för samma komponent, så det här är en störning att leda om, inte en linje som stannar. Ett dokumentlager ger dig tre trovärdiga stycken och inget sätt att kontrollera något av påståendena.

Så fungerar det

En vecka till en miljö. Agenter i den innan modellen är klar.

01

Aktivera miljön

En dedikerad tenant med egen databas och egen kontext. Ungefär en vecka — det är provisionering, inte ett program.

02

Läs in dina system

Remote Services körs inuti ditt nätverk och ansluter utåt — ingen inkommande port, inget brandväggsundantag. Börja med en domän: varje nod har en oberoende hanterad livscykel, så modellen växer i stället för att blockeras av krav på fullständighet.

03

Rikta dina agenter mot modellen

De ställer frågor till den på vanligt språk och traverserar den efter typ. En partiell modell besvarar redan frågor som ett komplett dokumentlager aldrig skulle kunna — eftersom den del som finns är typad.

Felmönstret

En agent som inte kan läsa din organisation kommer att hitta på den — övertygande.

Det är den farliga delen. Ett felaktigt svar som låter fel fångas upp. Ett felaktigt svar sammansatt av tre verkliga stycken, i ditt eget språkbruk, med rätt ton, skickas vidare — och ligger sedan till grund för handling.

Förankring är ingen promptteknik. Det är en datastruktur: en sluten grammatik som agenten inte kan kliva utanför, och en graf av fakta som den måste traversera för att kunna säga något alls.

Samma struktur blottlägger det som ingen hade skrivit ner — som den kritiska uppgiften som bara en person i teamet vet hur man utför.

Verksamhetskontinuitet, på djupet →

Förtroende

Arkitekturdiagrammet och styrningsregistret, samma objekt.

Varje nod bär livscykel, ägarskap och härkomst — som en del av noden, inte i ett parallellt register som någon underhåller i efterhand.

Det är det som låter en agent vara proaktiv snarare än bara reaktiv.

Autonomi i uppmärksamhet, inte i befogenhet. I en reglerad organisation är en agent som ändrar saker på egen hand för tidigt ute, och vi tänker inte låtsas något annat. En agent som ser saker före dig är det inte.

Inget av det är möjligt ovanpå dokument. Ett stycke har ingen ägare att eskalera till, och inget tillstånd där en förändring skulle kunna upptäckas.

Isoleringen sker per databas, inte per rad — och granskningen av vad agenten såg innan den flaggade är en fråga mot samma graf.

vad agenten flaggar

En process förlorade sin ägare

Eskalerad till den ansvariga rollen — eftersom modellen vet vem det är.

En kontroll har glidit ifrån sin policy

Kanten finns kvar; tillstånden stämmer inte längre överens.

En kritisk uppgift vilar på en person

Ingen skrev ner det. Grafen visar det ändå.

Vi har redan en RAG-chatbot ovanpå våra dokument. Hur skiljer sig detta?

Sökning hittar text som liknar er fråga. Nodwise svarar genom att traversera typade relationer, så svaret bär med sig den väg det härleddes från. De två kompletterar varandra: dokument är bra belägg, en modell är en bra struktur. Felet ni har stött på är strukturellt, inte ett problem med att finjustera sökningen.

Måste vi modellera allt innan agenter blir användbara?

Nej — och en partiell typad modell besvarar redan frågor som ett komplett otypat arkiv inte kan. Börja med en domän. Varje nod och relation har en oberoende hanterad livscykel, så modellen växer med organisationen.

Hur skiljer sig detta från en datakatalog?

Kataloger beskriver vilka data som finns. Nodwise beskriver hur organisationen fungerar — system, processer, personer och åtaganden som typade noder, med relationer och livscykel som förstklassiga medborgare. Katalogvyn är ett perspektiv ovanpå, inte grunden.

Hur är det med reglerade branscher — finans, läkemedel, vård?

Isoleringen sker per databas, inte per rad. Tillsammans med livscykel, härkomst och ägarskap på varje nod blir granskningsspåret en fråga snarare än ett separat system — inklusive en granskning av vad en agent såg innan den flaggade. Och för att vara tydliga: agenterna här identifierar, rapporterar, övervakar och eskalerar. De ändrar inte er organisation på egen hand.

Där vi står

Före lansering — och vi säger det rakt ut.

Nodwise har inga kundlogotyper att visa dig, och vi tänker inte låna någon annans. Det vi har går att kontrollera utan att prata med oss: en demo-tenant med en fullständigt modellerad organisation som du kan öppna redan nu, en metamodell som du kan läsa från början till slut, och arkitekturpåståenden som du kan verifiera — isolering per databas, och Remote Services som aldrig behöver en inkommande anslutning.

se det

Öppna demot

En fullständigt modellerad organisation, ett klick med ditt jobbkonto. Inget formulär, inget samtal.

Öppna demot

bygg det med oss

Design Partner Program

En miljö instansierad för din organisation, dina egna data i modellen, en lösningsarkitekt som modellerar din första dimension tillsammans med ditt team, och direkt inflytande på färdplanen. En begränsad grupp, i den här tidiga fasen.

Ansök till programmet