Fremhævet historie
Ramp kører på Notion: Sådan udviklede de et AI-operativsystem til arbejde
TL;DR: Ramp samlede arbejdsopgaverne i Notion, så deres teams hurtigt kunne finde pålidelige svar, reducere udgifterne til produktivitetsværktøjer med ca. 70 % og hjælpe teams med at arbejde tre gange hurtigere. På mindre end et år gik de fra at lægge fundamentet i Notion til også at udvikle agenter – og forvandlede dermed deres arbejdsområde til et sted, hvor arbejdet ikke bare findes, men også udvikler sig.
Konsolidering af arbejdet (så AI rent faktisk kan hjælpe)
I midten af 2024 satte Ramp sig et klart internt mål: at blive verdens mest produktive virksomhed. De vidste, at AI var nøglen til at nå deres mål, men kun hvis den blev integreret i alle aspekter af virksomhedens drift.
Dengang var dette ikke tilfældet. Arbejdet var spredt ud over alt for mange overlappende og forældede værktøjer samt for mange faner. Det ikke alene sinkede folk. Det gjorde det også svært at vide, hvad der var sandt.
Et så simpelt spørgsmål som "Hvad er den seneste politik?" eller "Hvem har ansvaret for dette?" kunne ende med at blive en skattejagt gennem dokumenter, supportanmodninger og chat-tråde. Og uden et pålideligt registreringssystem kunne AI ikke gøre meget mere end at sammenfatte fragmenter.
Ramps løsning var enkel i teorien, men vanskelig at gennemføre: at samle og forbinde arbejdet ét sted og gøre systemet så overskueligt, at både mennesker og AI kunne arbejde ud fra den samme kilde til sandhed.
Spoler vi frem til 2025, kan man se, at det grundlag dukker op et uventet sted: på et dias fra Ramps interne all hands-møde. Sammen med de store milepæle – indsamling af midler, en Super Bowl-reklame, store produktlanceringer – kommer den fulde implementering af det nye værktøj, som virksomheden nu kører på: Notion.
Da arbejdet i højere grad blev centraliseret og forbundet, brugte teams mindre tid på at lede efter baggrundsinformation og mere tid på at træffe beslutninger. Ramp reducerede omkostningerne til produktivitetsværktøjer med omtrent 70 %, og deres teams rapporterede, at de arbejdede ca. tre gange hurtigere. På blot et år blev virksomhedens værdiansættelse mere end tredoblet til 32 mia. USD, da den årlige omsætning oversteg 1 mia. USD – med en vækst, der var 10 gange hurtigere end medianen for børsnoterede SaaS-virksomheder. Antallet af ansatte steg dog i et mere beskedent tempo, da produktiviteten pr. medarbejder fortsatte med at stige.
Med det grundlag på plads kunne Ramp opbygge en værktøjsløsning, der giver mening:
Notion som registreringssystem.
AI-notater og søgning til at indfange og finde alt.
Notion-agenter til at omsætte svar til handling.
Fastlæg en filosofi – forstærk effekten, undgå unødvendigt arbejde
Selv efter at Ramp havde konsolideret sit arbejde i Notion, forsvandt de daglige problemer ikke som ved et trylleslag. Møderne trak stadig ud, vigtige oplysninger lå stadig gemt i værktøjer, der endnu ikke var forbundet, og det nye system fungerede kun, hvis medarbejderne udviklede nye vaner med hensyn til at delegere opgaver.
Ledelsen traf derfor beslutningen: Antag, at spillereglerne inden for AI har ændret sig, smid de gamle tidslinjer og organisationsdiagrammer ud og hold op med at betragte "rimeligt" som ordnet. Tanken var ikke at erstatte mennesker, men at forstærke deres indflydelse.
Og Ramp udpegede en person til at føre dette ud i livet: driftschef og ansvarlig for intern AI, Ben Levick.
"Alle har lige nu et ansvar for at få deres teams til at tage springet ind i brugen af AI og gøre dem mere fortrolige med at arbejde med AI som en integreret del af deres hverdag", sagde Ben.
Alle har lige nu et ansvar for at få deres teams til at tage springet ind i brugen af AI og gøre dem mere fortrolige med at arbejde med AI som en integreret del af deres hverdag.
Gør AI tilgængelig for alle
Ramp begyndte at betragte AI som teammedlemmer: hjælpere, der altid står klar til at aflaste folk og udvide det, hvert team kan levere. De fokuserede først på enkle brugseksempler med stor gennemslagskraft: møder, hvor den vigtigste kontekst skabes, og hvor de mest kostbare misforståelser opstår.
Notions AI-mødenotater ændrede den måde, Ramp afholdt møder på. Samtalerne holdt sig tæt på det arbejde, de vedrørte, beslutningerne blev formidlet til de rette steder, og opfølgningen var nemmere at holde styr på, uden at nogen skulle fungere som stenograf eller projektleder.
Derefter udvidede Ramp sin indsats fra at "indfange" til at "finde og verificere". AI-søgningen blev mere effektiv, efterhånden som forbindelserne blev forbedret og søgeområdet blev mere præcist, hvilket gjorde det muligt at inddrage oplysninger fra Slack, GitHub og Ramps egne systemer som kortfattede og præcise svar.
"Vores AI søger ikke kun på nøgleord", siger Cameron Leavenworth, IT-chef. "Den forstår vores arbejdsområdes reelle struktur og sammenhænge."
Det sidste skridt var at give alle en personlig Notion-agent, der kunne overtage de tidskrævende manuelle opgaver. Ligesom en dygtig assistent, der har mestret Notion, hjalp den folk med at udarbejde første udkast, analysere og opdatere databaser, videresende anmodninger og oprette arbejdsgange.
Der var ikke tale om AI for sjov. Den blev et pålideligt hjælpemiddel i det daglige arbejde.
Vores AI søger ikke kun på nøgleord. Den forstår vores arbejdsområdes reelle struktur og sammenhænge.
Byg agenter. Undgå gentagne arbejdsgange.
I midten af 2025 begyndte Ramp at eksperimentere med autonome Notion-agenter, og Bens systemtænkning tog fart. "Målet er nu", siger han, "at bygge sig ud af sine arbejdsgange. Når en enkelt agent kan udføre dine opgaver tusindvis af gange – det er produktivitetens magi."
I dag starter arbejdet ikke forfra hver uge. Man konfigurerer agenter én gang, og disse agenter kører derefter i fælles, robuste arbejdsgange, som hele virksomheden kan stole på.
Der er mere end 300 Notion-agenter, der får tingene gjort hver dag. Her er nogle af de mest markante:
The Product Q&A Oracle – en Slack-forbundet agent, der besvarer aktuelle spørgsmål om Ramps produkter.
Sales Feedback Categorizer – knytter indkommende salgsfeedback til køreplanen og slutter cirklen, når funktionerne lanceres.
Referral Bonus Roy – identificerer de kunder, der skal modtage en henvisningsbonus, og sørger for, at arbejdet bliver gennemført.
Enablement Eddie – hjælper GTM-afdelingen med at finde de rette kundevendte ressourcer og besvare komplicerede spørgsmål hurtigt.
Customer Advocacy Miner – identificerer kunder med høj tilfredshed og overbevisende brugseksempler på tværs af mange kilder.
AI Compass – hjælper Ramplings med at finde det rette AI-værktøj til en given opgave.
RCARoundup – omdanner hændelsestråde til strukturerede oversigter i en Notion-database.
The Underwriter – en politikbaseret Q&A-agent til risikovurdering.
AI Inspector – samler nyheder om AI i en dagligt nyhedsoversigt.
Creative Chris – koordinerer kreative anmodninger og sørger for, at arbejdet skrider fremad.
Custom Agent Carrie – hjælper teammedlemmer med at udvikle bedre agenter på baggrund af det, Ramp har lært.
Ben beskriver forandringen i enkle vendinger: "Agenterne oprettes på tre minutter mellem møderne", hvorefter "timevis af manuelt operationelt arbejde forsvinder".
Råd, du kan stjæle
Som Ben ser det, har verden brug for flere, der kan bygge.
Hans ledestjerne er enkel: at gøre alle til byggere, som træffer færre beslutninger med lav indsats og flere afgørelser med høj indsats. "Det er vigtigt at betragte produktivitet som en kombination af hastighed og effektivitet, men også kvalitet og output", siger han.
På den anden side af AI-adoptionskurven har Ramp konstateret, at folk ikke blot arbejder hurtigere. De har det også bedre med arbejdet.
Som Ben siger: "Der er to dopamin-kick på vejen. Det ene er, når man løser problemet og automatiserer det arbejde, man ikke bryder sig om at udføre. Det andet er, når der derimod falder lidt ro på, og man får mere tid i løbet af dagen.”
Hvad kan man så lære af Ramps forløb?
Vent ikke på den perfekte knap. Brug AI nok til at finde dens bristepunkt.
Konsolider arbejdet, så AI kan arbejde ud fra samme kontekst og de samme arbejdsgange som dit team.
Start i det små. Sørg for, at kvaliteten af hvert enkelt AI-arbejdsopgave er i top, og automatiser derefter.
Lad mennesker tage sig af de skønsmæssige vurderinger.
Hvis man giver folk de rette værktøjer og det rette grundlag, bliver flere i virksomheden til byggere, og arbejdet bliver bedre – ikke bare hurtigere.
Det er vigtigt at betragte produktivitet som en kombination af hastighed og effektivitet, men også kvalitet og output.
