Sådan udviklede Ramp et AI-baseret operativsystem til skalerbart arbejde

Ben Levik har lært, hvad der er den dårligste strategi for at bruge AI til arbejde: At vente på, at det bliver lettere.

Han leder i øjeblikket drifts- og AI-produktteams hos Ramp, hvor de det seneste år har arbejdet på at udvikle det, han kalder et »AI-operativsystem« til hele virksomheden. Missionen er dristig, men enkel: at opbygge verdens mest produktive virksomhed.

Hans viden stammer fra at have observeret, hvordan forskellige teams reagerer på indførelsen af kunstig intelligens. Som han delte i sin Skab med Notion-session, falder de fleste ind i forudsigelige mønstre – de venter, håber på, at værktøjer vil løse alle problemer, eller bekymrer sig om at blive erstattet.

Ramp valgte en anden vej.

Der findes fire arketyper for, hvordan folk ser på AI i øjeblikket.

Dommedagsprofeterne tror, at AI vil overtage deres job, så hvorfor overhovedet gøre sig umage? Zoomerne håber derimod, at en enkelt knap om et par måneder vil klare det hele for dem. Boomerne er forsigtigt optimistiske og har planer om at vente et år eller to, indtil nogen finder ud af den »rigtige« måde at bruge AI på.

Og så er der byggerne – dem, der forstår, at arbejdslivet er ved at ændre sig radikalt, og som ser en mulighed for at forme den nye version af deres job.

Det er byggerne, der virkelig skaber forandring. De tager selv styringen og venter ikke på det perfekte AI-værktøj – de lærer, øver sig og finpudser deres løsninger allerede nu for at skabe det, der fungerer bedst for dem.

Ramps tilgang til at blive en bygger kan opdeles i tre faser: Prompt, viden og arbejdsgang. Hvert trin bygger videre på det forrige og bevæger sig fra »hvad vil jeg have, at AI skal gøre?« til »hvordan får jeg det til at ske automatisk?«

I årevis har vi lært, at man opnår resultater ved at skrive et par ord i Google. Du ruller ned, klikker og finder til sidst det, du har brug for. Ben kalder det for »vaghedens epidemi«, hvor man blot smider et par vage ord ind i søgningen og får svar. Men AI kræver det modsatte – man har brug for præcision, sammenhæng og detaljer for virkelig at få det bedste ud af den.

Ramp gav sine medarbejdere adgang til AI-værktøjer overalt og gjorde brugen af AI-prompter til en del af den daglige praksis. Nu bruger omkring 90 % af deres 1.200 medarbejdere Notion AI hver måned. Adgang alene er dog ikke nok – det virkelige gennembrud kommer først, når man bruger AI til at blive bedre til AI.

Sådan fungerer det: Start med en vag prompt, men tryk ikke på Enter endnu. Bed AI om at stille dig spørgsmål, der kan hjælpe den med at udføre sit arbejde bedre. Besvar disse spørgsmål, og lad derefter AI omskrive din prompt ud fra det, du har delt. Gentag, indtil du får det, du har brug for.

Det er et simpelt mønster, som ifølge Ben fuldstændig har ændret folks måde at interagere med AI på. I stedet for at blive frustreret over middelmådige resultater lærer du AI – og dig selv – at blive mere præcis for hver gang, I interagerer.

Det ser ud til, at de fleste teams i dag står over for den samme udfordring: Deres viden er spredt ud over alt for mange værktøjer. Slack-samtaler her, Google Drev-dokumenter der, Github-diskussioner et helt andet sted. Alt vedligeholdes af mange forskellige teams og er konstant ude af trit. Hæld AI ovenpå, og se, hvordan den med stor selvtillid leverer forældede oplysninger.

Ben løste dette ved at samle al viden i én samlet informationskilde i Notion og derefter forbinde den til resten af deres værktøjssæt. Men det, der gjorde, at dette kunne fungere i stor skala, var opbygningen af feedback-mekanismer, der sikrede, at viden forblev præcis og opdateret.

Når medarbejderne hos Ramp nu bruger deres vidensbase, gør de opmærksom på, hvad der mangler eller er forkert. AI foreslår løsninger, og mennesker godkender dem. Lad os sige, at nogen spørger Notion AI om en politik, men opdager, at svaret er forældet. De markerer det i en feedback-database, hvor tilpassede agenter udarbejder et rettelsesforslag. En videnansvarlig gennemgår derefter ændringen og offentliggør den. Hele processen tager kun få minutter i stedet for at skulle vente i en kø i to uger.

Én ting er, at skrive en god prompt. Noget andet er, at indhente den rigtige input. Samtaler fra Slack, data fra Salesforce, forbindelser mellem oplysninger på tværs af systemer har hidtil krævet betydelig teknisk assistance. Med AI-agenter og -forbindelser er det nu muligt at skalere arbejdsgange med minimal eller ingen teknisk support.

Ramps tilgang er enkel. Oplysningerne indtastes, AI udfører arbejdet, og resultatet ender et sted, hvor det kan bruges. Produktteams modtager hver uge projektopdateringer, der automatisk sammenfattes fra fem forskellige kilder og derefter offentliggøres på Slack. Salgsafdelingen bruger arbejdsgange til at foretage en grundig research af potentielle kunder og udarbejder derefter e-mails, der ligger klar i udbakken, så de kan gennemgås og sendes.

Det har ændret den måde, hvorpå teams hos Ramp arbejder i stor skala, fordi så mange dele af deres arbejdsgange nu kan foregå sideløbende med andet arbejde. De formåede at levere 270 funktioner i første halvdel af 2025 – mere end i hele 2024 tilsammen. Problemet ligger ikke i selve gennemførelsen. Det er at beslutte, hvad der skal automatiseres næste gang.

Konklusionen er ganske enkel: Formuler dine prompter præcist, finpuds dine videnssystemer, og opbyg derefter arbejdsgange, der gør det muligt at skalere det hele.

Men det vigtigste, man kan lære her, handler om timing. Du kan næsten ikke vente på, at AI bliver nemmere. Værktøjerne bliver ikke på magisk vis nemmere at bruge, og hvis man venter, kommer man bagud. De teams, der opbygger deres kompetencer nu – gennem træning, fejl og forbedringer – er dem, der vil have fordelen, efterhånden som AI bliver bedre og bedre.

Værktøjerne er klar. Hvordan vil du forme din fremtid?

Er du klar til at gå i gang med at bygge? Se vores webinar for at lære, hvordan du kan centralisere viden og skalere med AI.