KI er overalt. Det loves gull og grønne skoger, og det kan være lett å bli litt mettet av buzzord og demoer som aldri blir til noe. Men hva skjer egentlig når man går fra hype til handling? Vilde Wøien og Maud Johansson deler sine beste tips.
- I vårt team jobber vi med å utvikle KI-løsninger som faktisk brukes – hver dag, sier Vilde Wøien.
Hun og kollega Maud Johansson er en del av et tverrfaglig team med KI-utviklere i Sopra Steria. Disse jobber med hele utvikleraspektet – fra frontend og backend til sky- og modelloppsett.
Mange av oss kom inn i KI-verdenen med bakgrunn fra klassisk systemutvikling, og ble positivt overrasket over hvor mye av kunnskapen vi kunne gjenbruke. REST API-kall mot modeller? Check. DevOps for KI-tjenester? Check. Det handler ofte mer om god systemforståelse enn avansert maskinlæring, sier Johansson.
Tips for å lage KI-løsninger
Både Wøien og Johansson jobber med alt fra chatboter og analyseverktøy til automatisering av manuelle prosesser. Her deler de noen av prinsippene de følger, som kan være gode tips til andre utviklere som vil komme i gang med KI:
Start enkelt: Mange KI-løsninger kan bygges med ferdigtrente modeller og gode instrukser. Det trenger ikke være avansert.
Bruk skyen smart: Vi bygger KI-løsninger ved hjelp av ulike skybaserte tjenester for språkmodeller, søk og datalagring. Det gir oss fleksibilitet til å skalere, eksperimentere og integrere KI i eksisterende systemer – uten å måtte trene alt fra bunnen av.
KI i hele kjeden: Vi jobber med alt fra datainnsamling og preprosessering til frontend og brukeropplevelse. Vi er altså med på hele prosessen fra start til slutt. Som KI-utvikler kan vi både integrere KI-verktøy i eksisterende løsninger, men med bakgrunn som fullstack-utviklere har vi også mulighet til å utvikle og tilrettelegge helt nye løsninger der KI spiller en viktig rolle.
RAG og søk: Retrieval-Augmented Generation (RAG) er en metode vi ofte bruker for å gi språkmodeller kontekst fra kundens egne dokumenter, slik at modellen kan best mulig tilrettelegges kundens behov og gi svar basert på riktig grunnlag.
Agentisk KI: Vi utforsker også bruk av KI-agenter, der modeller får mer autonome roller og kan utføre flere steg i en prosess. Ofte er dette med evne til å planlegge, hente inn data og ta beslutninger basert på mål og kontekst.
Iterativ utvikling: Vi jobber tett med brukere og domeneeksperter for å justere løsninger underveis. Det er en kontinuerlig jobb. Dette er spesielt viktig når man jobber med å utvikle instrukser (prompt), siden det handler om å utforme instruksjoner som er med på å styre hvordan modellen skal tolke og besvare spørsmål. Det er dermed viktig at den er basert på brukerens behov og domene de jobber innenfor.
Hva slags KI-løsninger lager vi?
På tvers av Sopra Steria jobbes det med alt fra omfattende KI-prosjekter hos noen av de største virksomhetene i landet, til mindre initiativer og KI-prosjekter. Så, hvilke KI-løsninger jobber Wøien og Johansson som regel med?
Det er varierende fra kunde til kunde, men for å nevne noen er det alt fra å automatisere tidkrevende oppgaver som for eksempel e-postbehandling eller dokumentanalyse, til å gi støtte i beslutningsprosesser som for eksempel å vurdere søknader, forklarer Wøien.
Utviklerne har også flere prosjekter som går på å forbedre informasjonsflyt. For eksempel ved å utvikle chatboter som søker i interne dokumenter.
Andre konkrete prosjekter er at vi utvikler KI-løsninger som analyserer kundens innhold, som nettsider og dokumentasjon, for å avdekke forbedringspotensial og foreslå tiltak basert på språk, struktur og brukeropplevelse, sier Johansson.
Hun forteller at alle disse verktøyene inngår som deler av større, helhetlige løsninger som de utvikler – som for eksempel hele nettsider og digitale plattformer som kundene aktivt bruker i arbeidshverdagen. Disse løsningene gjør at mange kan jobbe både smartere og mer effektivt med sine daglige oppgaver.
Både Wøien og Johansson sier at det ofte ikke er selve integreringen av KI-teknologien som er den største utfordringen, men heller det å forstå kundens behov, forretningslogikk og kvaliteten på dataene som skal brukes.
Det viktigste er å forstå problemet og velge KI-modeller deretter. Vi bruker KI som et verktøy – ikke som et mål i seg selv, avslutter de.
Intervjuet ble først publisert i Kode24.no 21.10.2025.