Make: lær scenarios, data mapping og AI-agenter i praksis

Make er stærkt, når du vil se et workflow som et visuelt dataflow og forbinde mange SaaS-systemer uden at skrive en hel integration selv. For at komme længere end demo-niveau skal du dog forstå, hvad der passerer gennem hvert modul, og hvordan routes, filtre og fejl påvirker en udførelse.

Læs scenarioet fra dataens perspektiv

En route ser enkel ud på canvas, men det afgørende er hvilke bundles et modul producerer, hvilke felter du mapper videre, og hvad der sker, hvis feltet mangler. Brug udførelse-detaljerne aktivt og giv centrale felter stabile navne, så et scenario kan forstås af andre end den person, der byggede det.

AI bør have små, tydelige opgaver

Make AI Agents kan bruge værktøjer som moduler, scenarios og MCP-værktøjer. Det gør det fristende at give agenten mange muligheder fra start. Gør det modsatte: begynd med få, navngivne værktøjer og en opgave, hvor du kan kontrollere det korrekte valg. Læg irreversible skrivehandlinger og forretningsregler rundt om agenten i almindelig Make-logik.

Credits er en arkitekturvariabel

Loops, genforsøg og AI kan ændre forbruget markant. Beregn derfor ikke kun prisen på en happy-path demo. Brug et realistisk månedsscenarie med antal events, gennemsnitlige bundles, fejlrate og AI-kald. Det gør sammenligningen med n8n, Zapier eller Power Automate langt mere relevant.