Resejätten bytte ut sin stora AI-modell mot ett team av AI-specialister — och halverade behovet av mänsklig hjälp

Det stora skiftet ingen pratade om — förrän nu

Under lång tid har diskussionen om AI i kundtjänst kretsats kring en enkel fråga: hur stor ska modellen vara? Större modell, bättre svar — så löd den rådande logiken. Men ett stort researrangemangföretag har nu, enligt en ny forskningsrapport publicerad på arXiv, bevisat att frågan var fel ställd från början.

Deras system hanterar miljontals konversationer varje månad på elva olika språk. Det är en skala där varje procentenhet av förbättring eller försämring får omedelbar och mätbar affärspåverkan. Och det är just i den skalan som deras tekniska omläggning visar sin verkliga styrka.

Vad är egentligen en agentbaserad arkitektur?

I stället för att låta en enda stor språkmodell hantera hela kundinteraktionen — från att förstå frågan till att slå upp bokningsinformation till att formulera ett svar — delar det nya systemet upp arbetet mellan flera samverkande komponenter. Varje del är specialiserad. En komponent tolkar avsikten, en annan söker i bokningsdatabasen, en tredje formulerar svaret. De samverkar och kontrollerar varandra.

Tänk på det som skillnaden mellan att anställa en generaliserande allroundare kontra att bygga ett välkoordinerat specialistteam. Rätt person på rätt uppgift, i realtid.

Siffrorna som förändrar debatten

Resultaten som redovisas är svåra att bortse från. Precisionen vid val av rätt bokning steg från blygsamma 8,3 procent till hela 89,1 procent. Det är inte en förbättring — det är en fullständig omstart av kapaciteten.

Ännu mer anmärkningsvärt är att strukturerade felhallucineringar — det vill säga fall där systemet hittar på information med övertygande men felaktig precision — eliminerades helt. Från 2,14 procent till 0,0 procent. För ett bokningssystem där felaktig information kan leda till missbokningar, uteblivna resor och frustrerade kunder är det inte en teknisk detalj. Det är ett genombrott.

Och sedan det som verkligen fångar min uppmärksamhet som affärsutvecklare: hårda eskaleringar halverades nästan. Det innebär att systemet löser dubbelt så många ärenden på egen hand utan att behöva koppla in en mänsklig agent. Frigjord kapacitet. Lägre personalkostnad. Nöjdare kunder som slipper vänta i kö.

Effektiviteten är lika imponerande som noggrannheten

De tekniska förbättringarna stannar inte vid kvalitet. Svarstiden minskade med 42 procent och behovet av hårdvara reducerades med en tredjedel. Genom att driftsätta modellerna internt — i stället för att köpa tjänster från externa leverantörer per anrop — beräknas den totala kostnaden för AI-tjänsten sjunka med mer än tio gånger.

Det är en ekvation som förändrar lönsamhetskalkylen för AI i kundtjänst fundamentalt. Plötsligt är det inte längre ett dyrt experiment. Det är en konkurrensfördel.

Vad svenska företag kan lära sig

Jag har under de senaste åren mött många svenska företagsledare som testat AI i kundtjänst och kommit tillbaka besvikna. Systemet svarar fel. Det hittar på. Det eskalerar allt till mänskliga agenter ändå — och vad var då poängen?

Svaret de fick var ofta att köpa en större modell eller vänta på nästa version. Det är fel råd.

Det verkliga genombrottet handlar inte om råstyrka utan om arkitektur och orkestrering. Det handlar om att designa systemet med tydlig ansvarsfördelning, inbyggd självkontroll och specialiserade komponenter — precis som man skulle designa en välfungerande organisation.

Denna forskning, publicerad på arXiv, är ett av de tydligaste exemplen jag sett på att AI-mognad inte mäts i modellstorlek utan i systemtänkande. Det är en läxa som är lika relevant i Stockholm som i Silicon Valley.

För svenska företag inom handel, finans, besöksnäring och offentlig sektor finns det nu ett konkret och skalbart föredöme att studera. Frågan är inte längre om agentbaserade system fungerar i verklig miljö. Det vet vi nu. Frågan är hur snabbt ni börjar designa ert eget.