Utvald berättelse
Så här skapade Ramp ett AI-operativsystem för arbetet i Notion
I korthet: Ramp integrerade arbetsflödena i Notion så att teamen snabbt kunde hitta tillförlitliga svar, sänkte kostnaderna för produktivitetsverktyg med cirka 70 % och hjälpte teamen att arbeta tre gånger snabbare. På mindre än ett år gick de från att lägga grunden i Notion till att skapa agenter ovanpå den – och förvandlade därmed sin arbetsyta till en miljö där arbetet inte bara finns, utan också rör sig.
Samordna arbetet (så att AI faktiskt kan hjälpa till)
I mitten av 2024 satte Ramp upp ett tydligt internt mål – att bli världens mest produktiva företag. De visste att AI skulle vara nyckeln till framgång, men bara om det integrerades i hela företagets verksamhet.
På den tiden var det inte så. Arbetet var utspritt över många överlappande och föråldrade verktyg samt alltför många flikar. Det bromsade inte bara tempot. Det gjorde det svårt att veta vad som var sant.
En så enkel fråga som ”Vad är den senaste policyn?” eller ”Vem ansvarar för detta?” kunde lätt förvandlas till en jakt bland dokument, ärenden och chattrådar. Och utan ett tillförlitligt registersystem skulle AI inte kunna göra mycket mer än att sammanfatta fragment.
Ramps lösning var enkel i teorin men svår att genomföra – att samla och koppla samman arbetet på ett och samma ställe och göra systemet tillräckligt överskådligt för att både människor och AI skulle kunna utgå från samma tillförlitliga informationskälla.
Om vi spolar fram till 2025 kan man se att den grunden dyker upp på ett oväntat ställe – en bild från Ramps interna personalmöte. Vid sidan av de stora milstolparna, som insamlingskampanjer, en Super Bowl-reklam och storslagna produktlanseringar, finns införandet av det nya verktyg som företaget nu använder: Notion.
Eftersom arbetet i högre grad centraliserades och kopplades samman kunde teamen ägna mindre tid åt att leta efter bakgrundsinformation och mer tid åt att fatta beslut. Ramp minskade kostnaderna för produktivitetsverktyg med cirka 70 %, och teamen uppgav att de arbetade ungefär tre gånger snabbare. På bara ett år mer än tredubblades företagets värdering till 32 miljarder dollar, samtidigt som den årliga omsättningen översteg 1 miljard dollar – i en takt som var tio gånger snabbare än medianen för börsnoterade SaaS-företag. Antalet anställda ökade dock i mindre utsträckning eftersom produktionen per anställd fortsatte att stiga.
Med den grunden på plats kunde Ramp bygga upp en lösning som fungerar:
Notion som huvuddatabas
AI-anteckningar och AI-sökning för att dokumentera och hitta allt
Notion-agenter som omsätter svar till handling
Fastställ en filosofi – öka genomslagskraften, undvik onödigt arbete
Trots att Ramp hade samlat sitt arbete i Notion försvann inte de dagliga problemen som genom ett trollslag. Mötena drog fortfarande ut på tiden, viktig information fanns fortfarande i verktyg som ännu inte var sammankopplade, och det nya systemet fungerade bara om medarbetarna skapade nya vanor när det gällde att delegera uppgifter.
Ledningen fattade ett beslut – att utgå från att spelreglerna inom AI har förändrats, slänga gamla tidslinjer och organisationsscheman och sluta betrakta ”rimligt” som något fast. Tanken var inte att ersätta människor, utan att förstärka deras inflytande.
Och Ramp utsåg en person som skulle se till att detta blev verklighet: Ben Levick, Ramps chef för drift och intern AI.
”Alla har just nu ett ansvar att hjälpa sina team att komma igång med AI-användningen och få dem att känna sig bekvämare med att arbeta med AI som en naturlig del av arbetet”, sa Ben.
Alla har just nu ett ansvar att hjälpa sina team att komma igång med AI-användningen och få dem att känna sig bekvämare med att arbeta med AI som en naturlig del av arbetet.
Göra AI tillgängligt för alla
Ramp började betrakta AI som teammedlemmar och hjälpredor som alltid står till förfogande, som avlastar medarbetarna och utökar vad varje team kan åstadkomma. De fokuserade först på enkla användningsfall med stor genomslagskraft – möten, där det viktigaste sammanhanget skapas och där de mest kostsamma missförstånden uppstår.
Notions AI-antecknare förändrade hur Ramp genomförde sina möten. Samtalen höll sig till det mötet skulle handla om, besluten hamnade på rätt ställen, och uppföljningarna blev enklare att hålla reda på utan att någon behövde agera som stenograf eller projektledare.
Sedan breddade Ramp sin inriktning från att ”fånga upp” till att ”hitta och verifiera”. AI-sökningen blev effektivare i takt med att kopplingarna förbättrades och sökresultaten blev mer träffsäkra, vilket gjorde det möjligt att hämta information som fortfarande fanns i Slack, GitHub och Ramps egna system till koncisa och korrekta svar.
”Vår AI söker inte bara efter nyckelord”, säger Cameron Leavenworth, IT-chef. ”Den förstår den faktiska strukturen och relationerna i vår arbetsyta.”
Det sista steget var att ge alla en personlig Notion-agent som skulle ta hand om tidskrävande manuella uppgifter. Precis som en duktig assistent som behärskar Notion hjälpte det användarna att skapa utkast, analysera och uppdatera databaser, vidarebefordra förfrågningar och bygga arbetsflöden.
Det handlade inte om några nyheter inom AI. De blev till pålitliga hjälpmedel i det dagliga arbetet.
Vår AI söker inte bara efter nyckelord. Den förstår den faktiska strukturen och relationerna i vår arbetsyta.
Skapa agenter, ta bort upprepade arbetsflöden
I mitten av 2025 började Ramp experimentera med autonoma Notion-agenter, och Bens systemtänkande tog fart. ”Målet nu”, säger han, ”är att arbeta sig ur sina arbetsflöden. Att en enda agent kan utföra dina uppgifter tusentals gånger – det är produktivitetens magi.”
Numera börjar arbetet inte från noll varje vecka. Användarna konfigurerar agenterna en gång, och dessa agenter fortsätter sedan att köras i delade, stabila arbetsflöden som hela företaget kan lita på.
Det finns över 300 Notion-agenter som får saker gjorda varje dag. Här är några av de mest betydelsefulla:
The Product Q&A Oracle – en Slack-ansluten agent som besvarar aktuella frågor om Ramps produkter
Sales Feedback Categorizer – kopplar inkommande försäljningsfeedback till färdplanen och sluter cirkeln när funktionerna lanseras
Referral Bonus Roy – identifierar kunder som ska erhålla en värvningsbonus och ser till att slutföra ärendet
Enablement Eddie – hjälper GTM-organisationen att snabbt hitta rätt kundinriktade resurser och besvara komplexa frågor
Customer Advocacy Miner – identifierar kunder med hög nöjdhet och övertygande användningsfall från många olika källor
AI Compass – hjälper Ramplings att hitta rätt AI-verktyg för en viss uppgift
RCARoundup – omvandlar händelsetrådar till strukturerade sammanfattningar i en Notion-databas
The Underwriter – en policybaserad Q&A-agent för riskbedömning
AI Inspector – sammanfattar nyheter om AI i ett dagligt nyhetsbrev
Creative Chris – hanterar kreativa förfrågningar och ser till att arbetet går framåt
Custom Agent Carrie – hjälper teammedlemmarna att skapa bättre agenter utifrån vad Ramp har lärt sig
Ben beskriver förändringen på ett enkelt sätt: ”Agenter skapas på tre minuter mellan mötena”, och ”timmar av manuellt operativt arbete försvinner”.
Tips du kan sno
Enligt Ben behöver världen fler skapare.
Hans ledstjärna är enkel – att göra alla till skapare som fattar färre beslut med låga insatser och gör fler bedömningar med höga insatser. ”Det är viktigt att se produktivitet som en kombination av hastighet och effektivitet, men också kvalitet och resultat”, säger han.
På den andra sidan av kurvan för införandet av AI har Ramp konstaterat att människor inte bara agerar snabbare. De trivs också bättre med arbetet.
Som Ben uttrycker det: ”Det blir två dopaminkickar längs vägen. Den ena är när man löser problemet och automatiserar det arbete man inte gillar att göra. Den andra är att när det blir lite lugnare så får man mer tid över under dagen.”
Vad kan man alltså lära sig av Ramps utveckling?
Vänta inte på den perfekta knappen. Använd AI tillräckligt mycket för att upptäcka var det brister.
Samordna arbetet så att AI kan hantera samma sammanhang och arbetsflöden som teamet.
Börja i liten skala. Se till att varje enskilt AI-arbete håller hög kvalitet, och automatisera sedan.
Låt människorna sköta de subjektiva bedömningarna.
Om man ger människor rätt verktyg och rätt förutsättningar blir fler i företaget aktiva medarbetare, och arbetet blir inte bara snabbare utan också bättre.
Det är viktigt att se produktivitet som en kombination av hastighet och effektivitet, men också kvalitet och resultat.
