← Alle projekter

MDOS

Mit AI-drevne marketingteam

Status: Under udvikling

MDOS er mit forsøg på at bygge et AI-drevet marketingteam, hvor specialiserede agenter samarbejder om en opgave, mens jeg sætter retningen og godkender resultatet.

En agent er en AI med en afgrænset rolle og regler for sit arbejde.

Hvorfor bygger jeg det?

AI kan løse mange enkeltopgaver, men det bliver sværere, når flere fagligheder, beslutninger og kvalitetskrav skal hænge sammen. MDOS undersøger, hvordan et specialiseret AI-team kan arbejde struktureret med marketingopgaver uden at fjerne menneskelig kontrol.

Fra opgave til godkendt resultat

Den planlagte arbejdsgang. Projektet er under udvikling.

  1. MENNESKE

    Jeg beskriver opgaven

    Mål, målgruppe og materiale.

  2. MDOS

    MDOS planlægger og fordeler

    Krav, delopgaver og ansvar.

  3. MDOS

    Agenter løser hver deres del

    Afgrænsede faglige roller.

  4. MDOS

    Resultater samles og kontrolleres

    Kvalitet og kravdækning.

  5. MENNESKE

    Jeg godkender eller sender tilbage

    Jeg vurderer resultatet før brug.

Godkendt resultat

Ved blokering

Stop og afklar

Gælder under hele arbejdet. Opgaven forbliver stoppet, til blokeringen er løst.

  • Mangler input?

    Stop og indhent det nødvendige.

  • Kan rollen forbedres?

    Afgrænset forbedring og test inden for rollens fag.

  • Mangler et fagområde?

    Først da overvejes en ny specialist.

Nye eller ændrede agenter: test, uafhængig kontrol og min godkendelse før frigivelse.

Et tænkt eksempel

Illustrativt eksempel på den planlagte arbejdsgang — ikke dokumentation for, at hele forløbet allerede fungerer end-to-end.

Jeg beder MDOS planlægge en emailserie.

  1. brief
  2. plan
  3. specialister
  4. kontrol
  5. min godkendelse

Status

  1. Koncept
  2. Afprøvede deleHer er vi nu
  3. Samlet specialistsamarbejde
  4. Integrationer/udvidelser

Udvalgte tekst- og coachingprøver er gennemført. Næste mål er et dokumenteret, samlet specialistsamarbejde.

Der findes allerede kode til samarbejde og integrationer. Status viser dokumenteret samlet funktion, ikke blot eksisterende kode.

Under motorhjelmen

Mekanismer i projektet. Det samlede forløb er under udvikling.

  • Roller & samarbejde

    Afgrænset ansvar og strukturerede overdragelser.

    Læs mere om Roller & samarbejde

    Projektet har specialiserede agentroller og forløb, der registrerer overdragelser og samler strukturerede delresultater. Det komplette specialistsamarbejde er fortsat under udvikling.

  • Autoritet & godkendelse

    Rollebestemte beføjelser og menneskelige valg.

    Læs mere om Autoritet & godkendelse

    Agentroller har autoritetsniveauer og begrænsninger på værktøjer og handlinger. En anbefalende rolle får ikke automatisk ret til at ændre systemet eller aktivere en agent. At kunne anbefale en handling er ikke det samme som at have lov til at udføre den.

  • Kvalitet & Red Team

    Kritisk kontrol kan blokere udvalgte forløb.

    Læs mere om Kvalitet & Red Team

    Strukturerede svar kontrolleres, og udvalgte arbejdsforløb omfatter kritisk gennemgang fra Red Team og kontrol af eksempelvis påstande og persondata. Alvorlige fund kan blokere forløbet; det er ikke en garanti for fejlfri output.

  • Budget & risiko

    Forbrugsgrænser og begrænsede handlinger.

    Læs mere om Budget & risiko

    Projektet omfatter budgetreservationer før modelkald, registrering af omkostninger og grænser for tilladte handlinger. Risiko håndteres gennem konkrete begrænsninger og godkendelser.

  • Coaching & agentversioner

    Forbedringsforslag, test og kontrolleret frigivelse.

    Læs mere om Coaching & agentversioner

    Coaching undersøger fejl og foreslår afgrænsede forbedringer eller en særskilt specialist, når behovet er dokumenteret. Funktionen er under afprøvning. Agentopsætninger er versionsstyrede og hashkontrollerede; ændringer kræver test, uafhængig kontrol og godkendelse før frigivelse.

  • Data, sporbarhed & sikkerhed

    Dataproveniens, dataadskillelse og hændelseslog.

    Læs mere om Data, sporbarhed & sikkerhed

    Dataproveniens betyder, at input, kilder og resultater kan forbindes og efterprøves. Projektet omfatter dataadskillelse mellem arbejdsområder og en hændelseslog over væsentlige ændringer.

At kunne anbefale en handling er ikke det samme som at have lov til at udføre den.