Så skapade Ramp ett AI-baserat operativsystem för skalbart arbete

Ben Levik har lärt sig den sämsta strategin för att använda AI på jobbet – att vänta på att det ska bli lättare.

Han leder för närvarande verksamheten och AI-teamet på Ramp, där de under det senaste året har arbetat med att utveckla vad han kallar ett ”AI-operativsystem” för hela företaget. Uppdraget är djärvt men enkelt – att bygga upp världens mest produktiva företag.

Hans kunskaper kom från att han observerade hur olika team hanterar införandet av AI. Under Make with Notion berättade han att de flesta hamnar i förutsägbara mönster – de väntar, hoppas att verktyg ska lösa allt eller oroar sig för att bli ersatta.

Ramp valde en annan väg.

Det finns fyra olika tankesätt när det gäller hur människor ser på AI just nu.

Doomers tror att AI kommer att ta deras jobb, så varför ens försöka? Zoomers, å andra sidan, hoppas att en enda knapp ska kunna sköta allt åt dem om några månader. Boomers är försiktigt optimistiska och planerar att vänta ett eller två år tills någon har kommit på det ”rätta” sättet att använda AI.

Och så finns det byggarna – människor som inser att arbetslivet just nu genomgår en grundläggande förändring och ser en möjlighet att utforma en ny version av sitt yrke.

Det är byggarna som verkligen gör skillnad. De tar initiativ och väntar inte på det perfekta AI-verktyget – de lär sig, övar och förfinar sina metoder redan nu för att skapa det som fungerar bäst för dem.

Ramps strategi för att bli en byggare kan delas upp i tre steg: prompt, kunskap och arbetsflöde. Varje steg bygger vidare på det föregående, från ”vad vill jag att AI ska göra?” till ”hur får jag detta att ske automatiskt?”.

Under många år har vi lärt oss att man får träffar genom att skriva in några ord på Google. Du bläddrar, klickar och hittar till slut det du behöver. Ben kallar detta för ”vaghetens epidemi”, där man slänger in några allmänna ord i sökfältet och får svar. Men AI kräver det motsatta – man behöver precision, sammanhang och detaljer för att verkligen få ut det mesta av den.

Ramp gav sina anställda åtkomst till AI-verktyg överallt och gjorde det till en daglig rutin att använda AI-promptar. Nu använder cirka 90 % av deras 1 200 anställda Notion AI varje månad. Åtkomst räcker inte i sig – det verkliga genombrottet uppnås när man använder AI för att bli bättre på AI.

Så här fungerar det: Börja med en vag prompt, men tryck inte på Retur än. Be AI att ställa frågor till dig som hjälper den att göra ett bättre jobb. Svara på frågorna, så skriver AI om din prompt utifrån det du har angett. Fortsätt tills du får det du behöver.

Det är ett enkelt mönster som enligt Ben helt har förändrat hur människor interagerar med AI. Istället för att bli frustrerad över mediokra resultat lär du AI:n – och dig själv – att bli mer precis för varje interaktion.

Det verkar som om de flesta team idag står inför samma utmaning – deras kunskap är utspridd över alltför många verktyg. Slack-konversationer här, Google Drive-dokument där, GitHub-diskussioner någon helt annanstans. Allt sköts av ett halvt dussin olika team och är ständigt ur synk. Addera AI till det hela och se hur du med säkerhet får föråldrad information.

Ben löste detta genom att samla all kunskap i en enda informationskälla i Notion och sedan ansluta den till resten av deras verktygssamling. Men det som gjorde att detta fungerade i stor skala var att man skapade feedbackloopar för att hålla kunskapen korrekt och aktuell.

När teamen på Ramp nu använder sin kunskapsbas flaggar de vad som saknas eller är felaktigt. AI föreslår korrigeringar, och människor godkänner dem. Anta att någon frågar Notion AI om en policy men inser att svaret är inaktuellt. Personen flaggar då det i en feedbackdatabas, där en skräddarsydd agent utarbetar en korrigering. En kunskapsansvarig granskar sedan ändringen och publicerar den. Hela processen tar bara några minuter, istället för att den behöver vänta i en kö med ärenden i två veckor.

Att skriva en bra prompt är en sak. Att samla in rätt indata – konversationer från Slack, data från Salesforce, anslutningar mellan olika system – har tidigare krävt omfattande teknisk hjälp. Tack vare AI-agenter och AI-anslutningar går det nu att skala upp arbetsflöden med minimalt eller inget tekniskt stöd.

Ramps tillvägagångssätt är enkelt. Information matas in, AI gör sitt jobb, och utdata hamnar någonstans där de gör nytta. Produktteamen får veckovisa projektuppdateringar som automatiskt sammanställs från fem olika källor och sedan publiceras i Slack. Säljavdelningen använder arbetsflöden för att göra grundlig research om potentiella kunder och utformar sedan e-postmeddelanden som sparas i utkorgen, redo att granskas och skickas.

Det har förändrat hur teamen på Ramp arbetar i stor skala, eftersom så många delar av deras arbetsflöden nu kan ske parallellt med annat arbete. De lyckades leverera 270 funktioner under första halvåret 2025 – fler än under hela 2024 sammanlagt. Nu är det inte genomförandet som är problemet. Det är att bestämma vad som ska automatiseras härnäst.

Slutsatsen är inte särskilt komplicerad: Var tydlig med promptarna, finslipa kunskapssystemet och skapa sedan arbetsflöden som gör att allt kan skalas upp.

Men den verkliga lärdomen här handlar om tajming. Du kan inte vänta på att AI ska bli enklare. Verktygen kommer inte att bli enklare av sig själva, och att vänta innebär att hamna på efterkälken. De team som bygger upp sin kompetens redan nu – genom att öva, misslyckas och göra nya försök – är de som kommer att ha ett försprång när AI blir allt bättre.

Verktygen är redo. Hur tänker du bygga din framtid?

Är du redo att börja bygga? Titta på vårt webbseminarium för att se hur du kan centralisera kunskap och skala upp med AI.