Tjänster
AI-utveckling i Göteborg, för system som ska ut i produktion.
Vynatix, ett mjukvarukonsultbolag i Göteborg, bygger AI-system på stora språkmodeller för drift i produktion, med seniora utvecklare inbäddade i ert team. Det betyder RAG som hämtar rätt underlag, utvärdering som visar när modellen har fel, driftsättning i er egen miljö (även on-prem och i suveränt moln) och övervakning efter lansering. Vi säger rakt ut vad en modell kan och inte kan, och föreslår ett enklare verktyg när det fungerar bättre.
Omfattning
Vad vi bygger
Allt nedan hör till samma helhet: produktionssystem på grundmodeller (foundation models), det vill säga programvara byggd kring en stor språkmodell som används på riktigt, och ingenjörsarbetet runt modellen som gör att ni kan kontrollera svaren och se vad systemet gör.
Chattbotar och assistenter
Program där användare ställer frågor på vanligt språk och får ett svar eller hjälp med en uppgift.
RAG och källförankrade svar
Systemet hämtar först relevanta avsnitt ur era dokument, och modellen svarar utifrån dem med hänvisning till källan.
Agenter och harness engineering
En agent är en modell som själv väljer nästa steg och anropar verktyg. Harnessen är koden runt modellen som styr vad den får göra och kontrollerar resultatet.
Automatisering av arbetsflöden
En modell tar över manuella steg i en process, som att sortera, plocka ut uppgifter eller skriva utkast, inom ett avgränsat flöde.
MCP-servrar och integrationer
Servrar för Model Context Protocol som ger en assistent avgränsad åtkomst till era system och data, och kopplingar mot det ni redan kör.
SDK:er och utvecklarverktyg
Bibliotek och verktyg som låter era egna utvecklare bygga vidare på systemet, testa det och utöka det.
Utvärderingspipelines
Automatiska tester som kör systemet mot frågor med kända svar, så att ni ser om en ändring gjorde det bättre eller sämre.
Driftsättning i er egen miljö
Systemet körs där era data får finnas: i er egen miljö, även on-prem på era egna servrar eller i ett suveränt moln.
Övervakning i produktion
Loggning och mätning av vad systemet gör med riktiga frågor, så att fel, avböjda frågor, svarstider och kostnad syns efter lansering.
Begränsningar
När säger vi nej till en språkmodell?
Vi säger nej till en språkmodell när svaret måste vara exakt och detsamma varje gång, när vanlig kod, en databasfråga eller en sökning redan löser problemet, eller när ingen kan kontrollera om svaret stämmer.
En språkmodell är bra på att läsa och skriva text: svara på frågor utifrån dokument, sammanfatta, klassificera, plocka ut uppgifter och skriva utkast. Den kan inte garantera att den aldrig har fel, den vet inte vad som saknas i det underlag den har fått, och samma fråga kan få olika formulerade svar från gång till gång.
Därför säger vi rakt ut vad en modell kan och inte kan för just ert problem, innan ni lägger pengar på den. Om ett enklare verktyg fungerar bättre rekommenderar vi det. Om det är något vi inte gör bra säger vi det och berättar vem som kan.
Ofta ett bättre verktyg
- Vanlig kod eller en databasfråga, när svaret måste vara exakt
- En regelmotor, när logiken redan finns nedskriven
- Sökning, när folk behöver dokumentet och inte en sammanfattning av det
- Ett formulär, när indata ändå är strukturerade
Kund i reglerad verksamhet ·
En assistent som bara svarar utifrån godkända dokument.
För en kund i reglerad verksamhet byggde vi en assistent med ett slutet kunskapsområde som bara svarar utifrån godkända dokument. Varje svar hänvisar till sin källa. En fråga som den inte kan besvara med stöd i källorna avböjer den och lämnar över till en människa, i stället för att gissa.
Gränsen. Vi drog den gränsen medvetet, och vi kan visa var den går och varför.
Läs om uppdraget (på engelska)Ingen språkmodell är helt felfri. Det ärliga är att bygga ett system som säger nej utanför sitt område, och där ni kan se var gränsen går.
Utvärdering och övervakning
Hur vet ni att systemet svarar rätt?
Ni vet det för att det mäts, både före och efter lansering: en utvärderingspipeline testar varje ändring mot frågor med kända svar, och övervakningen i produktion visar vad systemet gör med riktiga frågor.
Före lansering. Ett utvärderingsset är en samling representativa frågor, var och en med det svar systemet ska ge eller beskedet att det ska avböja. Setet tas fram tillsammans med dem som kan området. Pipelinen kör setet automatiskt varje gång modellen, promptarna, sökningen eller dokumenten ändras och jämför resultatet med föregående version, så att en försämring syns före lansering i stället för hos en användare.
Efter lansering. Övervakning betyder att logga vad som hämtades för varje fråga, vad systemet svarade och vilken källa det hänvisade till, inom ramen för era regler för hur data får hanteras. Det betyder också att följa avböjda frågor, felaktiga svar, svarstider och kostnad över tid. Fel som upptäcks i produktion läggs in i utvärderingssetet, så att testerna fångar samma misstag i fortsättningen.
Ingen av delarna gör en modell felfri. Tillsammans gör de felen synliga och mätbara, och det är det som gör att ni kan bestämma var gränsen ska gå.
Det utvärderingen kontrollerar
- Att svaren stöds av källan de hänvisar till
- Att frågor utanför dokumenten avböjs
- Att frågor som dokumenten svarar på inte avböjs
- Att en ändring av modell, promptar eller dokument inte försämrar resultatet
Så arbetar vi
Vem gör jobbet?
Seniora utvecklare från Vynatix gör jobbet: AI-konsulter i Göteborg som arbetar inbäddade i ert team så länge uppdraget behöver dem. Vynatix AB är ett mjukvarukonsultbolag i Göteborg, grundat 2023 och en del av Ultra Group. Våra seniora utvecklare arbetar som en del av kundernas organisationer inom Android Automotive, AI och molnplattformar, med Volvo Trucks och Volvo Cars bland kunderna.
De ni träffar gör jobbet
Det finns inget mellanled mellan utvecklaren och er. Det första samtalet sker oftast på plats i Göteborg.
Timmar rapporteras varje vecka
Ni betalar för de timmar som har arbetats och ser dem varje vecka. Ingen svart låda, ingen överraskningsfaktura.
Ni äger koden
Vi äger resultatet. Ni äger koden. Varje uppdrag lämnar efter sig dokumentation som en utvecklare kan läsa.
Vanliga frågor
Vad är RAG?
RAG (retrieval-augmented generation) är en teknik där systemet först hämtar relevanta avsnitt ur en dokumentsamling, till exempel era egna dokument, och sedan låter en språkmodell formulera svaret utifrån dem. Eftersom svaret bygger på hämtade avsnitt kan det hänvisa till sin källa. Målet är att fakta i svaret ska komma från dokumenten och inte från modellens allmänna träning. Det gör svaren möjliga att kontrollera, och ni styr vilket underlag assistenten svarar utifrån genom att styra vilka dokument som ingår.
Kan systemet köras on-prem eller i ett suveränt moln?
Ja. Vynatix driftsätter AI-system i kundens egen miljö, även on-prem och i suveränt moln (sovereign cloud), och det ingår i tjänsten. Systemet kan alltså köras där era data får finnas. Vilken modell som går att använda beror då på vad som kan köras i den miljön, och vi säger rakt ut vad valet betyder för kvaliteten.
Kan assistenten vägra svara på frågor utanför de godkända dokumenten?
Ja. Så fungerar assistenten som Vynatix byggde 2025 för en kund i reglerad verksamhet: den svarar bara utifrån godkända dokument, varje svar hänvisar till sin källa, och en fråga som den inte kan besvara med stöd i källorna avböjer den och lämnar över till en människa. Gränsen är dragen medvetet, och vi kan visa var den går och varför.
Bygger ni MCP-servrar?
Ja. Vynatix bygger MCP-servrar och integrationer som en del av AI-utvecklingen. MCP (Model Context Protocol) är ett öppet protokoll som låter en AI-assistent eller agent anropa era verktyg och läsa era data genom ett definierat gränssnitt. Servern bestämmer vad som görs tillgängligt, så att åtkomsten blir tydlig och kan begränsas.
Hur fakturerar ni?
Vynatix fakturerar de timmar som faktiskt har arbetats och rapporterar dem ärligt varje vecka, så att ni ser vad ni betalar för och varför. Ingen svart låda och ingen överraskningsfaktura.
Hur kommer vi igång?
Mejla front.disk@vynatix.com med en ämnesrad som börjar med ”Project” och beskriv vad systemet ska klara och vad det inte får svara fel på. Vynatix svarar inom en arbetsdag. Det första samtalet sker oftast på plats i Göteborg, och därefter sker det mesta av arbetet skriftligt.
Läs mer
I guiden om AI-assistenter som söker i interna dokument går vi igenom hur en sådan assistent byggs och hur den avböjer frågor som dokumenten inte svarar på. I guiden om AI-konsultbolag i Sverige går vi igenom hur ni jämför leverantörer inför ett AI-projekt. Fler guider på svenska finns på vår svenska startsida.
Nästa steg
Ett AI-system som måste svara rätt? Börja med gränsen.
Berätta vad systemet ska klara och vad det inte får svara fel på. Vi svarar inom en arbetsdag.
Kontakta oss