Hvordan en cybersikkerhetsplattform som betjener Fortune 500-kunder reduserte onboardingtiden med 95 % ved hjelp av en AI-agent utviklet av Startup House
Innholdsfortegnelse
Nøkkelfakta i korte trekk
- Client: US-basert plattform for reduksjon av cyberrisiko som betjener Fortune 500-kunder (under NDA)
- Partnerskap: siden juli 2020, pågående; AI-fasen startet i 2025
- Hva vi bygde: Aria, en innebygd AI-agent som lever inne i kundens produkt
- Onboarding-tid: kuttet med 95 %, fra 45 minutter med veiledet oppsett til under 2 minutter
- Bruksmønster: plattformen gikk fra et kvartalsvis rapporteringsverktøy til et daglig beslutningsstøttesystem
- Selvbetjening: 100 % selvbetjent datautforskning, uten analytikerstøtte
- Arkitektur: LangGraph-orkestrering, Claude-modellene fra Anthropic, MCP-integrasjoner, OAuth 2.1, tenant-isolasjon som grunnprinsipp
- Levert uten å røre plattformens kjerneinfrastruktur, datamodell eller kodebase
Utgangspunktet: et respektert produkt som folk knapt brukte
Denne case-studien dekker andre fase av arbeidet vårt med et amerikansk cybersikkerhetsselskap vi har samarbeidet med siden juli 2020. I første fase tok Startup House produktet fra prototype til en SaaS brukt av Fortune 500-selskaper, med 150 % omsetningsvekst det første året og 225 % økning i B2B-kunder.
I 2025 var plattformen moden og respektert. Den hadde også tre problemer som vil høres velkjente ut for alle som driver et datatungt produkt i en regulert bransje:
- Kompleksitet på overflaten. Plattformen håndterte rik cyberrisikodata, men tolkningen krevde ekspertkunnskap.
- Lav brukshyppighet. De fleste brukere åpnet verktøyet én gang i kvartalet for å lage periodiske rapporter.
- Tung onboarding. Nye kunder trengte omtrent 45 minutter med veiledet oppsett og aktiv kundestøtte før de kunne jobbe selvstendig.
Da ChatGPT-lignende interaksjon ble en markedforventning, var briefen fra kunden tydelig: bringe den interaksjonsmodellen inn i cyberrisikoplattformen.
Det vanskelige: ett grensesnitt, tre svært ulike brukere
Det samme panelet måtte betjene tre personaer samtidig. Et styremedlem trenger et skjermbilde som forklarer seg selv, klart til å settes inn i en kvartalsrapport. En CFO trenger historien bak tallene. En CISO trenger samtaledybde for å undersøke dataene og handle på dem.
Å slippe en ChatGPT-klone oppå plattformen ville ha feilet alle tre. Det samme ville en co-pilot ved siden av produktet, fordi brukerne ville endt opp med to parallelle grensesnitt.
Løsningen: Aria, en innebygd AI med et firelags grensesnitt
Aria er en innebygd AI-agent som lever inne i kundens produkt, merkevare og autentiseringsdomene. Brukerne bytter aldri til et eget verktøy. Vi bygde panelet på nytt rundt ett prinsipp: enkelhet først, kompleksitet på forespørsel.
Grensesnittet er en stige med fire lag, der Aria er til stede på hvert nivå:
- Lag 0, Executive: "Hva skjer?" Første visning etter innlogging. Klassisk dashbord, nøkkelindikatorer for sikkerhetsstatus, forhåndsgenererte svar uten modellkall og uten venting. Designet for styremedlemmer som trenger orientering på sekunder.
- Lag 1, Financial: "Hvorfor skjer dette?" Undersøkelseslaget for CFO-er og finansledere. Kontekstuelle prompt-knapper foreslår hva man bør spørre om basert på det brukeren ser på, og åpner den innebygde chatten med Aria.
- Lag 2, Execution: "Gjør det for meg." Handlingslaget for CISO-er og sikkerhetsoperatører. Knapper slutter å være passive ("Vis") og blir kommandoer ("Opprett", "Identifiser", "Forbered"). Produktet går fra å vise risiko til å løse den.
- Lag 3, Åpen spørring: "Hva enn du har på hjertet." Et fritt prompt-felt, alltid tilgjengelig, for brukere som vet nøyaktig hva de vil.
Brukerne introduseres gradvis for å jobbe med en LLM, med sikkerhetsrekkverk i hvert trinn. Ingen trenger å lære et nytt produkt for å få AI-kapasitet. AI-en møter brukerne der de allerede jobber.
Arkitekturen: bygget for enterprise fra dag én
Tre arkitektoniske valg er avgjørende for enterprise AI-utrullinger, og Aria adresserer alle tre.
Orkestrering og resonnering. Aria kjører på LangGraph, et tilstandsbevarende rammeverk for agent-orkestrering som støtter sammensetning av flere agenter, vedvarende fleromgangsminne og live strømming av verktøyutførelse. Resonneringslaget bruker Claude-modellene fra Anthropic. Modellvalget er konfigurerbart, ikke arkitekturbestemmende, så plattformen kan bytte leverandør uten omskrivinger.
Tenant-isolasjon som designprinsipp. Hvert verktøy Aria bruker, kobles til den autentiserte brukeren, organisasjonen og profilen i det øyeblikket det opprettes. Modellen kan ikke overføre, endre eller engang se den identiteten. Kryss-tenant-tilgang er ikke et nedstrøms filter som prompt injection kan omgå. Agenten kan rett og slett ikke kalle verktøy utenfor sin tenant-grense. I organisasjonsomspennende chatter pseudonymiseres navn på forretningsenheter før noen melding når modellen.
Live-integrasjoner via MCP. Aria spør kundens live sikkerhetsstack, med CrowdStrike Falcon som start og utvidelse til ethvert MCP-kompatibelt verktøy, med OAuth 2.1 som håndterer autentisering. Dette flytter produktet fra et frittstående analyseverktøy til et orkestreringslag for hele kundens sikkerhetsoperasjon.
Det er én brikke til: administrator-definerte agenter. Kundens administratorer oppretter nye AI-spesialister direkte fra applikasjonens grensesnitt (UI), med et navn, en prompt og et sett med verktøy. Nye agenter går live for hele organisasjonen i løpet av minutter, uten å vente på en lansering.
Resultatene
- 95 % reduksjon i onboarding-tid for kunder, fra 45 minutter til under 2 minutter.
- 100 % selvbetjent datautforskning. Brukerne tolker egne risikodata uten analytikerstøtte.
- Fra kvartalsvis til daglig. Produktet gikk fra et kvartalsvis rapporteringsverktøy til et daglig beslutningsstøttesystem.
- 3 tydelige personaer, ett panel. Styremedlemmer, finansledere og CISO-er følger hver sin arbeidsflyt i samme grensesnitt.
- Null endringer i kjerneinfrastrukturen. AI-integrasjonen ble levert uten å røre plattformens datamodell eller kodebase, og sikkerhetsarkitekturen (tenant-isolasjon, kryptering, tilgangskontroller) krevde ingen nye etterlevelseskrav.
- Nye agenter og koblinger leveres på minutter, konfigurert av kundens admin-team uten involvering fra engineering.
Kundens COO, Kyle Ferguson, oppsummerer endringen:
"Vi brukte fem år på å bygge en analyseplattform som Fortune 500-kundene våre respekterte, men ikke brukte hver dag. AI-laget SH bygde, endret det. Kunder som før åpnet plattformen én gang i kvartalet, kjører nå beslutningene sine gjennom den daglig. Produktet er det samme under panseret, men måten kundene opplever det på er helt annerledes."
Hva dette betyr hvis du driver et datatungt produkt
Mønsteret bak dette prosjektet er vanlig i regnskap, bank, finans, etterlevelse (compliance) og sikkerhet: et produkt med rike data, tolkning forbeholdt eksperter og lavt engasjement. En innebygd AI-agent endrer økonomien i det produktet på tre måter. Onboarding slutter å spise av Customer Success-kapasiteten. Brukere besvarer egne spørsmål i stedet for å sende inn supportforespørsler. Og engasjementet flyttes fra periodisk rapportering til daglige beslutninger, noe som endrer hvordan kundene verdsetter produktet ved fornyelse.
Ingenting av dette krevde at plattformen ble bygget om. AI-laget ligger oppå eksisterende systemer, og derfor kunne integrasjonen leveres uten å røre kjerne-kodebasen.
Om Startup House
Startup House (SH) er et programvareselskap med 50 ansatte med base i Warszawa, Polen, etablert i 2016. Vi bygger AI-produkter forankret i kundens egne data, fra generative AI-prototyper til produksjonsklare AI-agenter, sammen med full-syklus digital produktutvikling. Vi er i samsvar med ISO 27001, og kundedata brukes aldri til å trene AI-modeller.
Tenker du på et AI-lag for produktet ditt? Bestill en 30-minutters samtale.
FAQ
Hva er Aria?
Aria er en innebygd AI-agent som Startup House bygde inne i en amerikansk cybersikkerhetsplattform for Fortune 500-kunder. Den kombinerer et firelags grensesnitt med LangGraph-orkestrering og Claude-modellene fra Anthropic, og kobles til kundens live sikkerhetsstack via MCP.
Hvilke resultater leverte AI-agenten?
Onboarding-tiden for kunder falt med 95 %, fra 45 minutter til under 2 minutter. Datautforskning ble 100 % selvbetjent, og plattformen gikk fra kvartalsvis rapportering til daglig beslutningsstøtte.
Krevde AI-integrasjonen at plattformen ble bygget om?
Nei. AI-laget ble levert uten endringer i plattformens kjerneinfrastruktur, datamodell eller kodebase. Tenant-isolasjon, kryptering og tilgangskontroller ble opprettholdt uten nye etterlevelseskrav.
Hvordan forhindrer Aria prompt injection og kryss-tenant-datalekkasjer?
Hvert verktøy bindes til den autentiserte brukeren, organisasjonen og profilen ved opprettelse, slik at modellen ikke kan få tilgang til noe utenfor sin tenant-grense. Dette er en arkitektonisk garanti, ikke et filter. Navn på forretningsenheter pseudonymiseres også før meldinger når modellen.
Hvem er kunden?
Kunden er en US-basert plattform for reduksjon av cyberrisiko under NDA, som betjener Fortune 500- og private equity-kunder. Startup House har vært partner siden juli 2020.
Slik ble denne artikkelen laget. Utarbeidet med KI-assistanse, deretter faktasjekket og redigert av teamet vårt. Redaksjonelt ansvar: Startup Development House sp. z o.o. Les retningslinjene våre for KI-innhold
Digital Transformation Strategy for Siemens Finance
Cloud-based platform for Siemens Financial Services in Poland
Du vil kanskje også like...
Fintech-utfordringer i 2026
Fintech-veksten er solid, men 2025–2026 varsler en tøffere virkelighet: strammere tilgang på kapital, strengere regulering og økende sikkerhetstrusler. Her er utfordringene som avgjør hvem som vinner fremover.
Alexander Stasiak
26. des. 2025・11 min lesing
Slik kan AI-agenter ta over teamets mest tidkrevende rutineoppgaver
I 2026 jobber ikke de mest suksessrike teamene hardere - de tar i bruk AI-agenter som tar seg av det kjedelige rutinearbeidet. Finn ut hvordan autonome agenter skiller seg fra enkel automatisering, og følg vårt 60-dagers veikart for å overlate teamets mest kjedelige rutineoppgaver til AI-agenter.
Alexander Stasiak
07. mars 2026・11 min lesing
Kontekstbevisste AI-assistenter: gjør generiske chatbots til virkelig nyttige partnere
Generiske chatboter som glemmer alt så snart en økt er over, er en kostnad for produktiviteten – ikke et produktivitetsverktøy. Kontekstbevisste AI-assistenter er noe annet: De husker historikken din, forstår konteksten du jobber i og kobler seg til verktøyene dine – så de føles mindre som et søkefelt og mer som kolleger som faktisk følger med.
Alexander Stasiak
28. feb. 2026・16 min lesing
ROI for AI‑agenter: Gjør autonome arbeidsflyter om til målbar avkastning
Samtalen om AI‑agenter har flyttet seg fra «hva kan de gjøre?» til «hva gir de faktisk i avkastning?» I 2024–2025 leverer produksjonsimplementeringer dokumenterte resultater: 30–60 % kostnadsreduksjon i kundeservice, 5–10 % inntektsløft i salgsprosesser og 40–70 % kortere gjennomløpstider på tvers av backoffice‑prosesser. Denne guiden viser nøyaktig hvordan du måler ROI for AI‑agenter, hvilke bruksområder som gir størst avkastning, og hvordan du utformer implementeringer for reelle forretningsresultater — ikke innovasjonsteater.
Alexander Stasiak
25. feb. 2026・15 min lesing
AI-programvareutviklingsbyrå
Å velge en AI-partner handler først og fremst om teknisk modenhet, ikke om ren modellkompetanse. Denne guiden forklarer hvordan et kompetent AI-konsulentselskap innen programvareutvikling bygger bro mellom strategi og teknisk gjennomføring, hva en produksjonsklar AI-arkitektur inneholder, og hvorfor automatisert omtrening og overvåking er viktigere enn benchmark-resultater. Den gjennomgår samarbeidsmodeller, bruksområder i ulike bransjer og livssyklusen til en typisk AI-løsning. Risikodelen tar for seg datastyring, skjevhet og drift i data og modeller, og avslutter med hvor agentbaserte arbeidsflyter er på vei videre.
Alexander Stasiak
05. aug. 2026・8 min lesing
Programvareutviklingstjenester for bank og finans
Innen digital finans er arkitektur enten din sterkeste ressurs eller din største svakhet. Denne guiden følger utviklingen av moderne bankteknologi og skisserer kjernepilarene i finansiell programvareutvikling. Den gir et rammeverk for å velge riktig utviklingspartner, et veikart for leveranse fra idé til markedsklart produkt, og et ærlig blikk på fallgruvene som velter FinTech-prosjekter. Avsnitt om AI i bank og avansert cybersikkerhet viser hvor sektoren er på vei.
Alexander Stasiak
17. juli 2026・6 min lesing
Nylig lagt til
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.
Alexander Stasiak
06. okt. 2026・5 min lesing
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.
Alexander Stasiak
04. okt. 2026・5 min lesing
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.
Marek Pałys
03. okt. 2026・5 min lesing
Edtech-utvikling hos Startup House: Hva vi har bygget og hvilken forskjell det har gjort
EdTech-plattformer feiler oftere på grunn av brukeropplevelsen (UX) enn på teknikken: brukere faller fra, innholdet skalerer ikke, og ROI forblir usynlig. Denne artikkelen viser hvordan Startup House unngår dette med fasevis leveranse og brukertesting med faktiske brukere, med to prosjekter som bevis. Graspify gikk fra en dristig idé til en mikrolæringsplattform som trente hundrevis av ansatte under et bedriftsarrangement, og LITTLEWINE fikk et investorklart scope etter 10 brukerintervjuer i løpet av 2 uker. Den dekker også AI-læringsverktøy som kun svarer basert på godkjent innhold og kan gå live på så lite som 2 uker.
Alexander Stasiak
02. okt. 2026・5 min lesing
AI i fintech: prosjekter, lærdommer og resultater fra Startup House
Fintech-kunder forventer hastighet på forbrukernivå, mens tilsynsmyndigheter forventer kontroll på banknivå. Denne artikkelen viser hvordan Startup House har håndtert den spenningen i tre prosjekter: automatiserte kredittbeslutninger 24/7 for Siemens Financial Services, en cyberrisikoplattform som økte omsetningen med 150 % på ett år, og et fintech-team innen klima for CHOOOSE satt sammen på 2 uker. Hvert prosjekt kommer med lærdommen vi tok med oss. Artikkelen avsluttes med fem regler for AI i finans, fra å forankre hvert svar i verifiserte data til å designe tenant isolation inn i arkitekturen.
Marek Pałys
01. okt. 2026・5 min lesing
AI-agenter for klinisk dokumentasjon og helseadministrasjon
Hvordan AI-agenter i bakgrunnen utarbeider journalnotater, tilordner riktige takstkoder og håndterer forhåndsgodkjenninger — og gir klinikerne tilbake timene som EPJ-en tar.
Alexander Stasiak
30. sep. 2026・11 min lesing
Klar til å sentralisere din kompetanse med AI?
Start et nytt kapittel innen kunnskapsforvaltning – der AI-assistenten blir den sentrale pilaren i din digitale støtteopplevelse.
Arbeid med et team som er betrodd av ledende selskaper.
