Nye AI-agenter live på få minutter – AI-orkestreringslag (Claude, MCP) til en amerikansk cybersikkerhedsplatform

Siden 2020 har vi været design- og udviklingspartner for en amerikansk platform til håndtering af cyberrisiko og har ført den fra prototype til en SaaS‑løsning, der bruges af Fortune‑500‑kunder, med +150% vækst i omsætningen på ét år og 400% vækst i antallet af B2B‑kunder. I 2025 byggede vi runtime‑miljøet om omkring en AI‑agent drevet af Anthropic's Claude. Platformen fungerer nu som orkestreringslaget for hele kundens security stack, og administratorer hos kunden ruller nye AI‑agenter ud i produktion uden involvering af ingeniørteams.

Fra prototype til en SaaS‑løsning brugt af Fortune‑500‑virksomheder

Kunden, en cybersikkerhedsvirksomhed grundlagt i 2015, kom til os med et prototypisk beslutningsværktøj til C‑level‑ledere, omfattende teknisk dokumentation og betalende enterprise‑kunder. Produktet var fuldstændigt offline. Vores opgave var at gøre det til en skalerbar SaaS uden at tabe momentum. En product discovery‑proces resulterede i en prioriteret funktionsliste; derefter byggede vi en skræddersyet frontend, der oversætter platformens matematiske risikomodel til handlingsorienteret information for ledelsen, tilpasset NIST‑ og CIS‑frameworks. Fordi platformen arbejder med højfølsomme data, konfigurerede vi et dedikeret GCP‑cluster på den lokation, kunden angav.
 

Efter MVP udvidede vi produktet til en anden målgruppe: private equity‑firmaer. Enterprise‑kundebasen mere end tredobledes på 3,5 måneder efter lanceringen – fra 8 til 26 kunder – og omfattede markedsledere og Fortune‑500‑kunder; omsætningen steg 150% på et år, og antallet af B2B‑kunder voksede med 400%. NPS lå konsekvent over målet.

Udfordringen i 2025

Platformen var moden, anerkendt og underudnyttet: den krævede ekspertfortolkning, de fleste brugere loggede ind én gang i kvartalet, og onboarding tog 45 minutter med assistance. Kunden ønskede at integrere agent‑baseret AI i produktet til en Fortune‑500‑kundebase med strenge sikkerhedskrav. At tilføje et simpelt chatvindue var ikke en mulighed. AI'en skulle køre i produktion, i en multi‑tenant‑model, på sikkerhedsdata i realtid, uden at udvide revisionsomfanget.

Vores tilgang: arkitektur

Vi byggede runtime‑miljøet om omkring tre nøglebeslutninger for Enterprise AI‑implementeringer: hvordan agenten ræsonnerer, hvordan den forbliver inden for kundens perimeter, og hvordan den integrerer med kundens security stack i realtid.
 

Løsning

Den centrale infrastruktur, datamodellen og platformens kodebase forblev intakte; AI-laget ligger oven på den, ikke i den. Strukturelt har produktet udviklet sig fra et analytisk værktøj til et orkestreringslag for kundens sikkerhedsoperationer. Produktets udvikling er ikke længere bundet til udgivelsescyklusser: ledelsesteamet gør nye Agents, Prompts og Connectors tilgængelige direkte via UI'et for sikkerhedsværktøjer i produktionsmiljøet.