Ordlista

AI-systemingenjör

Vad är AI-systemingenjör?

En AI-systemingenjör utformar och driver AI-applikationer som ett komplett system: kopplar ihop modeller med datakällor, gränssnitt och befintlig programvara, säkerställer säkerhet, övervakning och kostnadskontroll samt för över prototyper till stabil drift. Till skillnad från ren modellutveckling ligger fokus på integration. Ett exempel är att koppla en supportagent till ärendesystemet, inklusive loggning och åtkomsträttigheter.

Så hjälper KI.ordo

Genom tjänsten ”AI-utveckling” tar KI.ordo hand om integrationsuppgifter av det här slaget åt kunder.

Läs mer

Ämnen

Roll
Integration
Drift

Prova KI.ordo

Agenter, flöden och mallar i en arbetsyta – gratis demo i 24 timmar.

Starta demo

← Alla begrepp

Relaterade begrepp

Pipeline för maskininlärning

En pipeline för maskininlärning är en definierad följd av steg som gör rådata till en driftsättningsbar modell: insamling och rensning av data, förberedelse av variabler, träning, utvärdering, driftsättning och övervakning. Genom att automatisera stegen blir resultaten reproducerbara och nya data kan bearbetas med liten insats. En återförsäljare kan till exempel träna om och testa sin modell för försäljningsprognoser varje vecka med de senaste siffrorna.

MLOps
automatisering
+1

Model Context Protocol (MCP)

Model Context Protocol (MCP) är en öppen standard som gör det möjligt för AI-applikationer att på ett enhetligt sätt använda externa verktyg, datakällor och tjänster. En MCP-server tillhandahåller funktioner, och en MCP-klient, till exempel en AI-assistent, kan anropa dem. Anthropic introducerade MCP i november 2024; sedan december 2025 utvecklas det under Agentic AI Foundation inom Linux Foundation (läget i oktober 2026). Det gör att man slipper bygga varje integration separat.

gränssnitt
standard
+1

AI-automationssystem

Ett AI-automationssystem kombinerar traditionell processautomation med AI-förmågor som textförståelse, klassificering eller beslutsstöd. Det gör det möjligt att automatisera arbetsflöden även med ostrukturerade indata, som e-postmeddelanden, formulär eller förfrågningar. Ett typiskt upplägg är en kedja av utlösare, bearbetningssteg, villkor och utdata, med mänskligt godkännande vid kritiska punkter. Exempel: inkommande förfrågningar kategoriseras automatiskt, sammanfattas och vidarebefordras till rätt avdelning.

Automatisering
Processer
+1

Retrieval-pipeline

En retrieval-pipeline är den sekvens av bearbetningssteg som ett system använder för att hitta rätt information för en fråga. Typiska steg är: inläsning och rensning av dokument, uppdelning i delar (chunks), uppbyggnad av ett sökindex, eventuell omskrivning av frågan, hämtning av träffar, rangordning (reranking) och överlämning av de bästa till språkmodellen. Den är grunden i varje RAG-applikation, och dess kvalitet avgör till stor del hur bra svaren blir.

RAG
sökning
+1