Berig CRM-leads med kontrolleret AI-workflow
CRM trigger → enrichment APIs → AI summary → CRM update
Sådan hænger workflowet sammen
Se trigger, fast logik, AI-vurderinger, menneskelig kontrol og output som ét samlet forløb.
-
01
Fast logik Trigger
Nyt CRM-lead mangler firmografiske felter.
-
02
Fast logik Normalisering
Normalisér domæne og virksomhedsnavn; dedupliker mod CRM før eksterne opslag.
-
03
AI-vurdering AI
Brug AI til at klassificere virksomhedsbeskrivelse/branche fra hentede kilder, ikke til at opfinde størrelse eller omsætning.
-
04
Handling/output Routing / handling
Skriv kun felter med source_url og sikkerhed. Resten går til gennemgang eller forbliver blanke.
-
05
Fast logik Fejlvej
Ingen sikker firmamatch → stop.
Skil kildefakta fra modelens fortolkning
Saml research i et kort salgsresume med kildefelter. Før AI kommer ind i flowet, skal trigger, inputvalidering og de faste skrivehandlinger kunne beskrives tydeligt.
- Trigger: Nyt CRM-lead mangler firmografiske felter.
- Normalisering: Normalisér domæne og virksomhedsnavn; dedupliker mod CRM før eksterne opslag.
- AI: Brug AI til at klassificere virksomhedsbeskrivelse/branche fra hentede kilder, ikke til at opfinde størrelse eller omsætning.
- Routing / handling: Skriv kun felter med source_url og sikkerhed. Resten går til gennemgang eller forbliver blanke.
- Fejlvej: Ingen sikker firmamatch → stop; conflicting sources → gennemgang; rate limit → kø og genforsøg.
Research skal være kildebaseret før den bliver til CRM-data
Hent fra definerede kilder og gem kilde-URL og tidspunkt sammen med de felter, der skrives. Modellen kan kategorisere en virksomhedsbeskrivelse, men må ikke udfylde omsætning eller headcount uden dokumentation.
Skeln mellem fakta og fortolkning i CRM
Gem eksempelvis brancheklassifikation som en afledt vurdering med sikkerhed/kontrolstatus, mens verificerbare fakta gemmes med kilde. Det gør senere oprydning og audit langt lettere.
Skeln kildefakta fra afledte CRM-felter
Log CRM-id, researchkilder, tidspunkt, hvilke felter der blev foreslået, og hvilke der faktisk blev skrevet efter gennemgang. Et senere audit skal kunne skelne ekstern fakta fra AI-klassifikation.
Når normalforløbet ikke holder
Ingen sikker firmamatch → stop; conflicting sources → gennemgang; rate limit → kø og genforsøg.
Rate limits og transient enrichment-fejl kan køres igen med backoff. CRM-skrive må altid læse den aktuelle post først, så nyere menneskelige ændringer ikke overskrives.
Brug crm_post_id + source_url + enrichment_version som stabil idempotens-nøgle. Gem det eksterne post-id sammen med nøglen, så en genforsøg kan afgøre, om handlingen allerede er udført.
Usikker firmamatch, modstridende kilder og lav sikkerhed går til gennemgang; omsætning, headcount og andre fakta skrives ikke fra modelgæt.
Test før drift
Brug et domæne med to mulige virksomheder og bekræft, at der ikke vælges automatisk. Sæt et CRM-felt manuelt mellem read og skrive og kontroller, at workflowet ikke overskriver det blindt. Simulér rate limit og bekræft kø/backoff. Returnér et felt uden source_url og bekræft, at det ikke skrives.
Mål effekten
Coverage af berigede felter, fejlmatch-rate og tid sparet på manuel research.
Data og sikkerhed
Brug kun godkendte enrichment-kilder og begræns CRM-tokenet til nødvendige felter. Persondata må ikke hentes eller beriges uden et dokumenteret formål.
Spørgsmål om emnet
Hvad er formålet med “Berig CRM-leads med kontrolleret AI-workflow”?
Berig B2B-leads med tilladte, dokumenterbare firmadata og hold personprofiler ude af AI-gæt.
Hvilken del bør AI håndtere?
Brug AI til at klassificere virksomhedsbeskrivelse/branche fra hentede kilder, ikke til at opfinde størrelse eller omsætning.
Hvordan håndteres fejl?
Ingen sikker firmamatch → stop; conflicting sources → gennemgang; rate limit → kø og genforsøg.
Hvad bør jeg måle?
Coverage af berigede felter, fejlmatch-rate og tid sparet på manuel research.