The Holy Trinity: vad AI verkligen behöver för att arbeta

Ett tillverkande företag vill veta vilka av dess 14 000 SKU:er som faktiskt är lönsamma. Svaret ligger i tre system som aldrig har utbytt en enda datapunkt med varandra. Fram till helt nyligen kostade det tre avdelningar, två veckor och en hel del god vilja att få fram det. Sedan början av 2026 kan en AI besvara den frågan på minuter: söka igenom data, upprätta samband, producera en rekommendation. Förutsatt att den har åtkomst.

Modellerna är mogna. De agerar, utför uppgifter över flera steg och systemgränser, förbereder beslut, sätter igång workflows. Många företag har redan fått ett första intryck av det genom Copilot, men Copilot känner M365-universumet: mejl, dokument, kalender. Den som vill sätta AI på de data som bär själva affären, på ERP, CRM, IoT och produktionssystem, behöver en annan grund.

Den grunden består av tre delar. Vi har byggt var och en av dem som managed service, var och en går i produktion på tre till fyra veckor, och tillsammans utgör de den plattform på vilken AI kan uträtta verkligt arbete.

För det första: data som är värda en fråga

Tillbaka till de 14 000 SKU:erna. Produktionsdata sitter i ERP, försäljningssiffror i CRM, och någonstans däremellan sköter en enda person ett kalkylblad som råkar vara den enda källan till en affärskritisk KPI. Det är inget specialfall. Det är regeln. Och så länge dessa data ligger i separata system har AI ingen sammanhängande blick på affären.

En lakehouse-arkitektur löser det i tre lager: rådata från källsystemen (Bronze), kuraterade och validerade dataset (Silver), affärsaggregat som flödar direkt in i analytics- eller AI-pipelines (Gold). Om det körs på Databricks eller Fabric beror på kravbilden. Bådadera fungerar. En hybrid av båda också.

Azure Data Foundation är vår managed service för det. Den integrerar data från ERP, CRM, IoT och ytterligare källsystem i en enda plattform, fullständigt definierad som Infrastructure as Code, med automatisk drift detection, genomgående data governance via Unity Catalog eller Purview och rollbaserad åtkomst för business users, analytiker och data engineers på lika villkor. Den praktiska följden: ett företag med den här grunden kan för första gången ställa frågor som tidigare var obesvarbara, inte för att man inte ville, utan för att data visserligen fanns men aldrig var kopplade.

För det andra: en plats där workloads faktiskt kör

Att ha data är en sak. Att göra något med dem som går utöver en engångsfråga är en annan. AI-tillämpningar, automatiserad affärslogik, långkörande jobb: allt som autonomt och upprepat kommer åt företagsdata behöver en körtidsmiljö som går att kontrollera. Den miljön består, planerat eller inte, av containrar.

Azure Container Foundation levererar den ramen: en standardiserad containerplattform baserad på Azure Container Apps eller Azure Kubernetes Service, beroende på workload. Enhetliga nätverksåtkomster, central autentisering via Entra ID med managed identities, genomgående monitorering. Allt hanterat via Terraform och GitHub, allt reproducerbart.

Vad det möjliggör: i stället för att varje team drar upp sitt eget kluster och definierar egna regler finns det en gemensam ram där workloads inte bara kör, utan förblir hanterbara. Det är förutsättningen för att kunna ge dem autonomi.

För det tredje: platsen där modeller blir agents

En modell är ännu ingen agent. Mellan en språkmodell och något som tillförlitligt registrerar beställningar, granskar fakturor eller eskalerar servicefall ligger en mängd ospektakulärt arbete: vilken modell, vilka verktyg, vilka datakällor, vilka skyddsräcken, och vad som händer när agenten har fel. Det arbetet måste ske någonstans, spårbart och upprepbart, inte i en notebook på en enskild persons laptop.

Azure AI Foundation är vår managed service för det lagret, byggd på Microsoft Foundry (tidigare Azure AI Foundry): modellkatalog, agentorkestrering, anslutning till verktyg och datakällor, utvärdering och observability på ett ställe. En agent som byggs här kommer åt data och workloads via samma Entra-identiteter som resten av landskapet, kör mot de skyddsräcken man har definierat och lämnar ett spår som går att granska.

Vi levererar den definierad som kod, med rollbaserad åtkomst, innehållsfilter och nätverksgränser som inte står till diskussion, och med en deploymentväg som tar en agent från utveckling till produktion utan att någon skruvar för hand. Först då slutar en agent vara en prototyp och blir något som ett företag faktiskt kan driva.

The Holy Trinity

Tre byggstenar, var och en produktiv på tre till fyra veckor, var och en användbar för sig, tillsammans plattformen där AI landar där värde faktiskt uppstår i företaget.

Azure Data Foundation ger AI åtkomst till de data som beskriver affären. Azure Container Foundation ger dess workloads en plats där de kan köra, varaktigt och kontrollerat. Och AI Foundation är platsen där dessa data och dessa workloads blir en agent som går att bygga, granska och driva.

Sätter man ihop alla tre har man marken där AI slutar sammanfatta och börjar arbeta.