Dixit Jain, AI-ingeniør og automatiseringskonsulent. Det meste AI stopper ved demoen. Jeg bygger den del, der bliver stående.
LLM-agenter, retrieval-systemer, voice AI, og den automatisering, der kobler dem ind i den måde, en virksomhed allerede arbejder på. Over 25 systemer i produktion med brugere i mere end 10 lande.
25+
Systemer i produktion
85%+
RAG-træfsikkerhed
12+
Teams arbejdet med
40%+
Manuelt arbejde fjernet
50+
Workflows automatiseret
10+
Lande med aktive brugere
Bygget til teams der leverer rigtige produkter
Plus opgaver i finanssektoren og det offentlige under fortrolighedsaftale
Om mig
Systemer der overleverrigtige brugere.
Ikke en portefølje af demoer. En oversigt over AI-systemer, der er designet, leveret og stadig kører i produktion.
Demoer er nemme. Produktion er arbejdet.
De fleste AI-projekter dør mellem notebooken og deploymentet. Jeg bygger den del, der overlever: evaluering, fallbacks, observability og robuste systemer, der opfører sig, når rigtige brugere dukker op.
Forretningsproblemet først, modellen bagefter.
Hvert system, jeg leverer, starter i en driftsmæssig smerte: leads der rådner i en indbakke, supportkøer i brand, viden låst inde i pdf'er. Derfra arbejder jeg baglæns til den mindste arkitektur, der fjerner den.
Full stack, hele vejen igennem.
Agentorkestrering i LangGraph, retrieval på hybrid søgning, FastAPI-backends og React-frontends. Én person ejer hele systemet, så intet går tabt i overleveringen.
Sådan bygger jeg
Understand, architect, build, evaluate, ship, improve. The same loop for every system, whether it is a job or something shipped alone.
Læs processenDet jeg bygger
Fire lag af det sammeproblem.
De fleste opgaver starter i ét af dem og ender med at røre to. Modellen er sjældent den svære del.
AI-engineering
Agentiske systemer: agenter der beslutter og handler, retrieval der svarer ud fra dine dokumenter, og stemme der holder en samtale. Plus det pålidelighedsarbejde, der afgør, om noget af det overlever mødet med rigtige brugere.
- LLM-applikationer og AI-agenter
- Multi-agent-orkestrering
- RAG og hybrid retrieval
- +4 more
Automatiseringsengineering
Arbejdet mellem systemerne. Det meste af driftssmerten er ikke en manglende funktion, men et menneske der flytter data fra ét værktøj til et andet og en gang imellem glemmer det.
- n8n-workflowautomatisering
- CRM- og ERP-automatisering
- Leadfangst, fordeling og opfølgning
- +4 more
AI-systemer til vækst og omsætning
Automatisering rettet mod toplinjen. Kvalificering, personalisering og segmentering er AI-opgaver med et omsætningstal på, og dermed dem der er lettest at begrunde.
- AI-leadkvalificering og scoring
- Salgsagenter og opfølgningssekvenser
- Personlige kampagner i mængde
- +4 more
Skræddersyede forretningssystemer
Kildesystemet, tilpasset virksomheden frem for omvendt. Som regel ERPNext, som regel fordi standardforløbet ikke beskriver, hvordan denne virksomhed faktisk arbejder.
- ERPNext- og Frappe-tilpasning
- Forløb til produktion og solenergi
- Salgs- og projektforløb
- +3 more
Jeg ejer arkitekturen og bygningen. Når en opgave kræver mere udførelseskapacitet, end én person har, tager jeg et lille engineering- og automatiseringsteam med, som jeg har arbejdet med før, og forbliver ansvarlig for det, der leveres.
Systemer jeg bygger
Arbejdet er heleflowet, ikke ét trin.
En model der svarer godt er en funktion. Et lead der lander ved midnat og når den rigtige person med kontekst, før det bliver koldt, er et system.
Et lead kommer ind, og intet venter på et menneske
Kvalificering, CRM-registrering, personligt svar og opfølgning sker alt sammen, før nogen åbner indbakken. Sælgeren får en besked med kontekst i stedet for en linje at triagere.
Tal om dit workflowIndkommet lead workflow. Hovedforløb: Lead kommer ind, derefter AI kvalificerer, derefter CRM opdateret, derefter Personligt svar, derefter Sælger underrettet. Forbundne veje: Berigelse føder AI kvalificerer; Opfølgningssekvens som betinget vej fra Personligt svar.
Udvalgt arbejde
Systemer bygget,leveret og i drift.
Tre der er værd at læse helt. Resten af arkivet er ét klik væk, hvert med sin egen gennemgang.
LawBot Africa
Juridisk AI-platform for afrikanske jurisdiktioner: en assistent, der svarer i almindeligt sprog, en kontraktgenerator og en dokumentanalyse, samlet ét sted.
Spørge, udarbejde og gennemgå ét sted
Chatterbots.ai
Platform til at bygge AI-stemmeassistenter, der fører en rigtig samtale, svarer ud fra dit eget indhold, kvalificerer den, der ringer, og booker mødet.
Stemmeassistenter, der kvalificerer, booker og overdrager
MarqHire AI
Rekrutteringsplatform, der læser cv'er, scorer dem mod et jobopslag og gennemfører første screeningssamtale med stemme.
Screening automatiseret hele vejen
Cases
Kundesystemer,i dybden.
Bygget til teams med et driftsproblem, hvert enkelt beskrevet med arkitekturen, afvejningerne og hvad der ændrede sig efter lancering.
01 Salgsautomatisering
AI-leadpipeline til et salgsteam
Et B2B-servicehold sorterede over 200 indkomne leads om ugen i hånden, hvor sælgerne brugte mere tid på indtastning og triage end på at sælge.
80%
mindre manuel sortering
3x
hurtigere første svar
02 Videnssøgning
RAG i produktion på virksomhedsdokumenter
Et internt team mistede timer hver uge på at rode i spredte pdf'er, wikier og ERPNext-poster for at besvare rutinespørgsmål.
85%+
træfsikkerhed
Timer
sparet pr. team hver uge
03 Kundesupport
Voice AI til kundesupport
Et voksende supportteam var begravet i gentagne førsteniveauhenvendelser, hvilket gav lange ventetider og udbrændte medarbejdere.
60%
løst uden et menneske
24/7
tilgængelighed
AI, data, automatisering, vækst
Systemerne peger på et tal, ikke på en demo
Ved siden af engineeringen har arbejdet også kørt på den kommercielle side: kampagnepersonalisering, segmentering, livscyklus- og fastholdelsesanalyse, og kundeindsigten under alle tre. Det er grunden til, at arkitektursamtaler her starter i et driftsproblem frem for i et modelvalg.
Anskaffelse
Kvalificering og fordeling, der får et relevant lead frem til et menneske, mens hensigten stadig er varm.
Konvertering
Personalisering bygget på berigelse frem for på flettefelter, og assistenter der booker frem for at svare.
Engagement
Segmentering, målrettede beskeder og adfærdssignaler til at afgøre, hvad der skal sendes, og hvornår man skal tie stille.
Fastholdelse
Livscyklus- og frafaldsanalyse, så indsatsen sker, før kunden allerede er væk.
Support
Aflastning på de gentagne henvendelser, med kapacitet tilbage til dem der kræver dømmekraft.
Salgseffektivitet
Mindre tid i CRM'et, mere kontekst pr. samtale, og opfølgning der ikke afhænger af hukommelsen.
Med deres egne ord
De mennesker derfik arbejdet lavet.
Hvert citat linker til det system, det handler om, så påstanden og arbejdet står ved siden af hinanden.
MarqHire og Brandry gik begge fra en idé til noget, vi kunne vise kunder, med Dixit som ansvarlig for hele bygningen. Han læste produktsiden lige så grundigt som den tekniske, kom hurtigt frem, og gjorde krav, der stadig var uklare, til software der virker. Begge produkter er mærkbart bedre for det.
Tushar Jain
CEO, TechMarqX
Vi havde brug for, at vores leads blev håndteret ordentligt, ikke endnu et dashboard. AI-leadsystemet, Dixit byggede, overtog opfølgningen, løftede de muligheder frem, der reelt var værd at forfølge, og blev til kvalificerede leads og rigtig vækst for et lille team. Han forstod de vilkår, vi arbejdede under, og byggede til dem.
Jonathan
Audtri
Disciplin er det ord, jeg ville bruge. I sin tid hos UB Webs kørte han projekter til tiden, satte sig ind i ukendt teknologi uden at skulle føres igennem den, og bar ansvar selvstændigt, mens han støt blev bedre. Den slags ingeniør, et team kan læne sig op ad.
Sandeep Aggarwal
Administrerende direktør, UB Webs
Under motorhjelmen
Værktøjerne, og løkkende kører i.
Hvert værktøj jeg leverer med, forbundet på samme måde som arbejdet er forbundet, og den ræsonnementsløkke der ligger under hvert agentisk system jeg bygger.
The map · drag a node to explore
drag nodes · hover to explore
The loop · every system runs this
User
Query, voice, or event
Agent
LangGraph orchestrator
Reasoning Core
LLM · tools · memory
Vector DB
Hybrid semantic retrieval
Response
Grounded and cited
Hvor det betaler sig
Hvad kan jeg hjælpe digmed at automatisere?
Hvis en af de her sætninger er faldet hos jer i dette kvartal, er det et system, der allerede har en form.
Der kommer leads ind, og ingen følger op.
Automatiseret kvalificering og fordeling, med et første svar der går ud inden for minutter.
Salgsteamet bruger dagen på at opdatere CRM'et.
Poster som pipelinen skriver, så CRM'et er et biprodukt af arbejdet og ikke et job nummer to.
De samme kundespørgsmål lander hos et menneske hver dag.
En assistent forankret i dit eget indhold, som kun eskalerer det, den bør eskalere.
At finde noget som helst betyder at lede i dokumenter.
Retrieval over dine filer, der svarer med en kilde i stedet for med en mappe.
Kampagner er umulige at personalisere i mængde.
Berigelse først, derefter generering pr. post, så personaliseringen har fakta bag sig.
Kundedata ligger spredt over fire systemer.
Integration og dublettjek ned til én post, hvert system kan læse.
Kerneprocesser kører stadig på regneark.
Processen flyttet ind i kildesystemet, med de trin folk opfandt uden for det bevaret.
ERP-arbejdet er manuelt, og ingen stoler på rapporterne.
ERPNext tilpasset det faktiske forløb, med automatisering mellem det og alt omkring.
Folk kopierer data mellem systemer hele dagen.
Hændelsesdrevet synkronisering, med en kontrolkø til de tilfælde en maskine ikke bør afgøre.
Indhold tager for lang tid, så det stopper.
En pipeline til research, generering og publicering, der overlever en travl uge.
Supportopkald æder teamets kapacitet.
Stemmeagenter på de gentagne opkald, med en varm overdragelse der bærer konteksten med.
Der er et AI-budget og ingen idé om, hvad det skal bruges på.
En kort opgave, der finder hvor automatisering betaler sig selv hjem, før der bygges noget.
Kontakt
Har du et workflow,der fortjener automatisering?
Eller en stilling der skal besættes, et produkt der skal bygges, eller en proces ingen vil eje. Alt ovenfor er indledningen; sig hvilken af dem der bragte dig hertil, og svaret handler om netop den.
Tager fuldtidsstillinger inden for engineering og derudover udvalgte kontrakt- eller projektopgaver, remote og i enhver tidszone. Størstedelen af det arbejde kører med teams i Europa, Storbritannien, Nordamerika og Australien. Når en virksomhed hyrer fra udlandet, kører projektarbejde som en konsulentopgave frem for som ansættelse, så der ikke kræves lokal arbejdstilladelse på nogen af siderne.