2
lesetid
Ayfie utforsker MCP: Gjør bedrifts-AI tilgjengelig for alle virksomheter
MCP lar AI koble seg direkte til systemene virksomheten din allerede bruker, i stedet for å tvinge deg til å kopiere alt inn i en spesialisert database, og Ayfies Indexing Layer gjør det 99 % billigere og 10 ganger raskere, og gjør AI på bedriftsnivå tilgjengelig for de 95 % av norske selskaper som har færre enn 50 ansatte.
Ayfie kunngjorde nettopp MCP-drevne løsninger som lanseres i første halvdel av 2026, og de tidlige resultatene har endret hva vi trodde var mulig: 99 % færre tokens, 10x raskere svar, opptil 90 % lavere kostnader. Kombinasjonen av MCP og vårt indekseringslag betyr at små og mellomstore virksomheter ikke lenger trenger å bygge om teknologistacken sin eller ansette dataingeniører for å få reell verdi ut av KI. De kobler bare sammen systemene de allerede bruker.
Det er med MCP vi endelig gjør AI for bedrifter tilgjengelig for små og mellomstore virksomheter
I går kunngjorde Ayfie at vi lanserer MCP-baserte løsninger i første halvdel av 2026. Jeg er overbevist om at dette vil endre hvem som faktisk får nytte av AI i arbeidshverdagen.
Resultatene vi har sett så langt er oppsiktsvekkende. Vi snakker om å gi små og mellomstore bedrifter tilgang til avansert AI på en måte som er raskere, rimeligere og mer praktisk enn det som er mulig med tradisjonell RAG alene.
Hva er MCP, og hvorfor bør du bry deg?
Se for deg dette: Du leder et konsulentselskap med 30 ansatte. Kundeinfoen ligger i CRM-systemet, fakturaene i økonomisystemet, prosjektoppdateringene er spredt i e-posterior og SharePoint, og tilbudene ligger i ulike mapper. Når en kunde ber om en statusoppdatering, må du klikke deg gjennom fem ulike systemer for å pusle sammen svaret.
Tenk om du i stedet kunne spørre AI-assistenten din:
«Hva er status for Johnson-prosjektet, inkludert ubetalte fakturaer og neste leveranser?»
Og få et presist og fullstendig svar i løpet av sekunder, hentet direkte fra alle disse systemene.
Det er dette som er MCP.
Model Context Protocol er en standardisert metode som lar AI-modeller koble seg direkte til programvaren du allerede bruker. Tenk på det som en universell oversetter som gjør at AI-en snakker sømløst med Tripletex, Visma, SharePoint og andre verktøy bedriften din allerede bruker.
RAG og MCP: to ulike tilnærminger
Tradisjonell RAG | MCP | |
|---|---|---|
Hvor dataene ligger | Kopieres inn i en egen database | Blir liggende der de er |
Krav til oppsett | Datapipelines, kontinuerlig synkronisering, data engineering | Koble til systemene dere allerede bruker |
Styrker | Håndterer eldre systemer, on-prem, dype arkiver og strenge regulatoriske krav | Sanntidstilgang, raskt å ta i bruk, lite vedlikehold |
Passer best for | Store selskaper med komplekse systemer og strenge krav | Små og mellomstore bedrifter som vil ha verdi raskt |
RAG er en god teknologi, og foreløpig det beste valget for store selskaper med komplekse systemer og strenge krav til etterlevelse. MCP fungerer annerledes. I stedet for å flytte på dataene dine, kobler AI-en seg direkte til der de allerede ligger. AI-modellen henter ut informasjonen den trenger i sanntid og gir deg svaret med en gang.
For mindre bedrifter endrer dette alt. Dere trenger ikke egne dataingeniører eller å bygge om systemene deres. Dere kobler bare til verktøyene dere allerede bruker.
Token-problemet (og hvordan vi løste det)
Her må vi bli litt tekniske, for det er her det virkelig blir interessant.
Da vi begynte å teste MCP, støtte vi på en utfordring. Standard API-integrasjoner returnerte enorme datamengder, noen ganger opptil 500 000 tokener per forespørsel. Tokener er tekstsegmentene AI-modeller bruker for å behandle informasjon, og det er dette de fleste AI-tjenester tar betalt for.
Å behandle så mye data ble unødvendig dyrt, tregt og lite effektivt.
Tenk på det slik: Hvis du spør: «Hva fakturerte vi Johnson Corp for forrige måned?», trenger ikke AI-en å lese gjennom samtlige fakturaer du har sendt opp gjennom årene. Den skal bare finne akkurat den spesifikke informasjonen.
Det er her Ayfie Indexing Layer kommer inn, utviklet med utgangspunkt i vår 15 år lange erfaring med søk og RAG (Retrieval-Augmented Generation).
Vi har utviklet en teknologi som ligger mellom MCP-koblingen og systemene dine. Den filtrerer og strukturerer dataene smart før de sendes til AI-modellen. Dermed reduserer vi datamengden fra 500 000 til rundt 5 000 tokener per forespørsel.
Resultatene
Måling | Forbedring |
|---|---|
Token-bruk | 99 % reduksjon |
Svartid | 10x raskere |
Kostnad | Opptil 90 % lavere |
Dette handler ikke om en marginal forbedring. Det er forskjellen på en løsning som fungerer i teorien, og en som faktisk er praktisk og økonomisk levedyktig i hverdagen.
Hva vi jobber mot
Lanseringen i første halvdel av 2026 vil åpne dører for mange bedrifter som hittil har stått på sidelinjen.
Med MCP og Ayfie Indexing Layer kan vi tilby en kostnadseffektiv og rask løsning som gjør avansert AI tilgjengelig også for selskaper med under 50 ansatte. Det gjelder over 95 % av alle norske aksjeselskaper.
Frem mot lanseringen vil vi fortsette å finjustere teknologien, legge til flere integrasjoner og jobbe tett med partnere for å sikre at vi leverer noe som løser reelle problemer i hverdagen.
Har du spørsmål eller tanker om hvordan denne teknologien kan hjelpe din bedrift? Ta gjerne kontakt.
