Artikler av kategori

De beste AI-selskapene i Sentral- og Øst-Europa for enterprise-kunder

Å velge en teknologipartner for implementering av AI i enterprise-segmentet krever at man går utover de vanlige kriteriene for et programvarehus. I CEE-regionen (Sentral- og Øst-Europa) finnes det aktører som kombinerer global skala med dyp ingeniørkompetanse, og som tilbyr agentsystemer og RAG-kunnskapsbaser i samsvar med AI Act og DORA. Denne artikkelen presenterer en oversikt over verifiserte selskaper med dokumenterte AI-implementeringer for enterprise-segmentet.

De beste AI-selskapene innen fintech og forsikring (2027)

Å velge teknologipartner i regulerte bransjer er en beslutning med høy fallhøyde. Hvis du vil vite hvilke av de beste AI-selskapene for fintech og forsikring som opererer i Polen, oppsummerer denne artikkelen programvarehus, systemintegratorer og programvareleverandører som implementerer AI‑agenter, RAG‑kunnskapsbaser og dataanalyse i banker, fintech‑selskaper og hos forsikringsselskaper. Her finner du en sammenligningstabell, selskapsprofiler, krav i DORA, GDPR og AI Act, implementeringsprosessen samt en Startup House‑case med konkrete tall.

AI i matproduksjon: eksempler på implementeringer og implementeringspartnere (2027)

Matprodusenter står overfor kort holdbarhet, svingende råvarepriser og stadig strengere krav fra dagligvarekjeder. Derfor blir etterspørselsprognoser og produksjonsplanlegging i stadig større grad støttet av kunstig intelligens (AI). I denne gjennomgangen viser vi hvordan AI tas i bruk i matproduksjon i 2026 og 2027: eksempler på implementeringer og implementeringspartnere i Polen. Her finner du en sammenligning av implementeringspartnere (Startup House, Comarch, Sii Polska, TTMS) og verktøy (RELEX, o9 Solutions, Kinaxis), implementeringsprosessen, risikoer og svar på de vanligste spørsmålene.

AI-integrasjon med ERP og CRM (SAP, Comarch, Dynamics): slik fungerer det i praksis (2027)

Integrering av AI med ERP og CRM (SAP, Comarch, Dynamics) betyr i praksis å velge mellom tre modeller: en innebygd assistent fra systemleverandøren, et eget AI-lag koblet til via API, eller AI-agenter som opererer i systemene via MCP. Teksten er for mellomstore og store bedrifter i Polen som vil koble språkmodeller til eksisterende ERP- eller CRM-løsninger, også legacy. Her finner du en sammenligning av leverandørenes verktøy (SAP Joule, Microsoft Dynamics 365, Comarch ERP, Salesforce Agentforce, Oracle NetSuite), implementeringspartnere, implementeringsprosess, risikoer og en case-studie med konkrete tall.

Automatisering av forretningsprosesser med AI-agenter: fra workflow til agent

Automatisering av forretningsprosesser med AI‑agenter: fra workflow til agent er en guide for mellomstore og store selskaper som ser etter en leverandør eller et verktøy for å automatisere driften. Vi viser hvordan en deterministisk workflow skiller seg fra en AI‑agent som tar beslutninger, og sammenligner implementeringsselskaper (Startup House, Comarch, WeAreFuture, TTMS) og plattformer (n8n, Make, Zapier, Power Automate, Copilot Studio, UiPath, LangGraph, OpenAI Agents SDK). Til slutt beskriver vi implementeringsprosessen, en case‑studie fra Startup House og risikoene.

AI-assistent for salg og kundeservice: egenutviklet eller Copilot?

AI-assistent for salg og kundeservice: egenutviklet eller Copilot? Dette er et av de viktigste valgene salgs-, kundeservice- og IT-avdelinger i mellomstore og store bedrifter står overfor i dag. Valget mellom et hylleprodukt som Microsoft 365 Copilot og å bygge en egen AI-assistent påvirker hastigheten på implementering, kontrollen over data og hvor godt løsningen passer til virksomhetens prosesser. I teksten finner du en sammenligning av verktøyene (Salesforce Agentforce, Microsoft 365 Copilot for Sales og for Service, HubSpot, Zendesk, Intercom Fin) og implementeringspartnere, valgkriterier, implementeringsprosessen samt en case-studie fra Startup House.

AI i produksjonsbedrifter: bruksområder og implementeringspartnere (2027)

AI i produksjonsbedrifter: bruksområder og implementeringspartnere er en oversikt for driftsdirektører, CTO-er og ledelsen i industribedrifter i Polen som planlegger sine første eller neste AI-implementeringer. I artikkelen finner du de viktigste bruksområdene (etterspørselsprognoser, produksjonsplanlegging, vedlikehold, kvalitetskontroll, kunnskapsbase for operatører) samt profiler av selskaper og verktøy som leverer slike implementeringer: Startup House, Comarch, SAP Joule, Sii Polska, TTMS, Software Mind og Ideo.

AI-implementeringer med dokumenterte resultater: casestudier fra Polen (2027)

AI-implementeringer med dokumenterte resultater: case studies fra Polen er en oversikt over åpent tilgjengelige case studies fra selskaper som implementerer AI i Polen, med konkrete tall på tid, kostnad, inntekt eller bruksnivå. Teksten er for styrer, driftsdirektører og IT-direktører i mellomstore og store selskaper som leter etter en partner med dokumenterte resultater – ikke bare løfter. Her finner du en resultattabell (Startup House, 10Clouds, WeAreFuture, Comarch), selskapsprofiler, tips til hvordan du leser tall i case studies, samt utvalgskriterier og risiko.

AI-verktøy for innkjøp: fra kontraktanalyse til etterspørselsprognoser (2027)

Innkjøp er ikke lenger en ren administrativ prosess; funksjonen har i økende grad ansvar for kostnadsbesparelser og robusthet i forsyningskjeden. AI-verktøy for innkjøp – fra kontraktsanalyse til etterspørselsprognoser – hjelper innkjøpsavdelinger å gå fra å reagere på løpende problemer til planmessig risikostyring og styring av arbeidskapital. I denne artikkelen finner innkjøpsdirektører, innkjøpere og IT-team i mellomstore og store selskaper en sammenligning av innkjøpsplattformer med AI-funksjoner (SAP Ariba, GEP, Coupa, Ivalua, Jaggaer), det polske verktøyet for leverandører ofertowa.pl samt Startup House-produkter for kontraktsanalyse, anbudsdokumentasjon og etterspørselsprognoser.

AI-verktøy i transport og logistikk: ruteplanlegging, prognoser og ordrebehandling

Bedrifter innen transport, spedisjon og logistikk leter etter måter å beholde marginene på i møte med økte kostnader og strengere krav til leveringspresisjon. Denne oversikten beskriver AI-verktøy for transport og logistikk: ruteplanlegging, prognoser og ordrehåndtering, samt partnere som integrerer AI i eksisterende TMS- og WMS-systemer. Teksten er for speditører, logistikkledere og IT-avdelinger i mellomstore og store selskaper som sammenligner ferdige plattformer med skreddersydde løsninger.

AI-verktøy for næringsmiddelprodusenter: etterspørselsprognoser, produksjonsplanlegging, kvalitet (2027)

Denne oversikten er for operasjonsdirektører, planleggere og IT‑avdelinger som skal velge programvare for etterspørselsprognoser og produksjonsplanlegging. Temaet er AI‑verktøy for matprodusenter – etterspørselsprognoser, produksjonsplanlegging og kvalitet – der du finner AI Demand Planner fra Startup House samt plattformene RELEX, o9 Solutions og Kinaxis, med fakta fra leverandørene, valgkriterier og risikofaktorer. Hvis du leter etter et selskap som kan gjennomføre implementeringen, se artikkelen AI i matproduksjon: eksempler på implementeringer og implementeringspartnere.

AI-verktøy for økonomistyring: prognoser, anomalideteksjon, rapportering (2027)

Tradisjonelle regneark i controlling blir stadig oftere supplert av systemer som automatisk lager prognoser, avdekker budsjettavvik og skriver resultatkommentarer. Nedenfor har vi samlet AI-verktøy for controlling: prognoser, anomalideteksjon og rapportering, samt selskaper som implementerer disse teknologiene i Polen. Oversikten er beregnet på finansdirektører, controllere og FP&A-team i mellomstore og store selskaper som planlegger å ta dem i bruk i 2026 eller 2027.

Hvordan velge leverandør for AI-implementering: sjekkliste med 20 spørsmål og avtalepunkter (AI Act, GDPR, IP, akseptkriterier)

Forskjellen mellom en AI-implementering som gir målbar effekt og et prosjekt som stopper ved en presentasjon, ligger sjelden i teknologien. Den handler om hvordan partneren forholder seg til data, hvordan resultatet måles, og hva dere signerer i avtalen. Denne teksten er en liste med spørsmål til de første møtene med leverandøren og en liste over punkter som bør inn i avtalen før prosjektet settes i gang.

Selskaper i Polen som moderniserer legacy-systemer med AI (2027): hvordan velge riktig partner og når du bør bygge fra bunnen av

De fleste mellomstore og store bedrifter i Polen kjører fortsatt på systemer som ble laget for 10, 15 eller 20 år siden: ERP, lagerstyringssystemer, salgsplattformer og applikasjoner skreddersydd for en bestemt prosess. De fungerer, men hver endring er dyr, dokumentasjonen er mangelfull, og folkene som bygde dem, har sluttet. I tillegg kommer det nye spørsmålet: Hvordan legge til AI i et slikt system når det ikke engang har et skikkelig API?

Microsoft 365 Copilot, ChatGPT Enterprise eller egen AI-assistent? Sammenligning for store bedrifter (2027)

De fleste store selskaper i Polen har allerede gjennomført sine første tester med generativ AI. Nå er spørsmålet: hvordan rulle ut AI til hele organisasjonen? Valget står mellom ferdige verktøy som Microsoft 365 Copilot og ChatGPT Enterprise, eller en egen AI-assistent bygget på selskapets data og prosesser. Svaret avhenger av hvor dataene befinner seg, hvor spesifikke prosessene er, og hvor mye kontroll virksomheten ønsker.

EU AI Act: hva må en bedrift som tar i bruk AI gjøre (tidslinje frem til 2027, forpliktelser, AI-kompetanse)

EUs forordning om kunstig intelligens (AI Act, forordning 2024/1689) trådte i kraft i august 2024 og innføres trinnvis. I juli 2026 vedtok EU den såkalte Digital Omnibus (forordning 2026/1744), som utsatte enkelte frister, særlig for høyrisikosystemer. For en virksomhet som tar i bruk AI i sine prosesser, betyr det to ting: noen krav gjelder allerede, mens andre har lengre frister enn det tidligere veiledninger la opp til.

Topp 10 selskaper som implementerer AI i Polen 2027: rangering og hvordan velge riktig AI-partner

AI-implementeringer i polske bedrifter er ikke lenger bare eksperimenter i innovasjonsavdelingene. I år tas AI-assistenter, AI-agenter og LLM-baserte kunnskapsbaser i bruk i kundeservice, salg, logistikk og produksjon, og valget av implementeringspartner får konsekvenser for driftskostnader og datasikkerhet i mange år fremover. Nedenfor finner du en oversikt over 10 aktører som implementerer AI i Polen, gruppert etter partnerkategori, samt kriterier du bør sjekke før du signerer kontrakt.

Slik reduserte Startup House tiden for leasingsøknader til 2 minutter for Siemens Financial Services

Leasing innebar tidligere papirarbeid, manuelle kredittsjekker og beslutninger som måtte vente til kontortid. For Siemens Financial Services Poland har Startup House erstattet dette med SimplyLease Online: en nettjeneste der kunder bruker rundt 2 minutter på å sende inn søknaden og får en automatisert kredittbeslutning på omtrent 7 minutter, når som helst på døgnet. Denne casestudien viser hvordan plattformen ble bygget i tråd med Siemens Group sine sikkerhetsstandarder, hvordan den integreres med Siemens-systemer og eksterne dataleverandører, og hva et partnerskap som har pågått siden 2016 har levert. Den avsluttes med tre lærdommer som gjelder for nesten alle finansierings- og utlånsprodukter.

Hvordan en cybersikkerhetsplattform som betjener Fortune 500-kunder reduserte onboardingtiden med 95 % ved hjelp av en AI-agent utviklet av Startup House

En cyberrisikoplattform betrodd av Fortune 500-selskaper hadde et velkjent problem: Kundene stolte på den, men åpnet den bare én gang i kvartalet, og onboarding tok 45 minutter med veiledet oppsett. Startup House bygde Aria, en AI-agent innebygd i produktet, med et firelagdelt grensesnitt som betjener både styremedlemmer, CFO-er og CISO-er i ett og samme panel. Onboarding ble redusert med 95 % til under 2 minutter, datautforskning ble helt selvbetjent, og plattformen ble et verktøy for daglig beslutningsstøtte. Denne case-studien forklarer grensesnittet, tenant-isolation-arkitekturen, og hvorfor ingenting av dette krevde endringer i plattformens core codebase.

AI- og digitale prosjekter fra Startup House: 5 målbare resultater i tall

Det er lett å komme med påstander i programvareutvikling, så denne artikkelen holder seg til tall. Den går gjennom fem resultater fra kundeprosjekter hos Startup House, fra 95 % kortere onboarding-tid med en innebygd AI-agent til 40 % lavere utviklingskostnader for Omnipack. Hver seksjon forklarer hva slags arbeid som ga resultatet og lenker til den offentlig tilgjengelige kundecasen bak. Den avsluttende delen løfter fram tre felles mønstre det er verdt å ta i bruk, enten du jobber med oss eller ikke.

Programvareutvikling innen helseteknologi hos Startup House: compliance-first-prosjekter og resultater

I programvare for helsesektoren er compliance enten et arkitekturvalg eller en ettermontering. Denne artikkelen viser hvordan det ser ut når man bygger det inn fra dag én, gjennom tre prosjekter fra Startup House: en salgsplattform for Siemens Healthineers i bruk i over 60 land, en MVP for demensomsorg formet av sju runder med brukertesting med pasienter og pårørende, og Doogie – en HIPAA-nivå AI-demo bygget på to måneder. Den forklarer også hvordan RAG gjør kliniske AI-svar sporbare til verifiserte kilder, og hvorfor pasientdata aldri brukes til å trene modeller. For MedTech-selskaper og helse-SaaS-plattformer er dette et konkret blikk på hva compliance-first engineering betyr i praksis – utover merkelappen.