Fra dashboard-modul til AI-arkitektur

Et hotell mottar hundrevis av henvendelser i døgnet alt fra bookinger, endringer og spørsmål. Altek bygger AI-løsninger som tar unna denne strømmen: assistenter for e-post, booking og chat som lar hoteller automatisere kommunikasjonen og likevel gi personlig service. Selskapet er i vekst og trengte flere gode utviklere for å holde tempoet i produktutviklingen og Append kom inn som utviklingspartner.

Hver gang en hotellkunde ville justere chatboten sin, nytt utseende eller ny oppførsel, måtte de lete gjennom innstillinger spredt over flere sider. Det skalerer dårlig for et selskap i vekst.

Samtidig planla Altek en ny del av plattformen: hotellgjester skal kunne snakke med en chatbot som kjenner bookingen deres, direkte i SMS eller WhatsApp, for eksempel for å sjekke innsjekkingstid eller be om sen utsjekk. Skal en språkmodell svare på slike spørsmål, må den kobles trygt til verktøy og bookingdata, og det stiller krav til arkitekturen.

Første leveranse var «Training Center»: én samlet modul i dashboardet der hotellkundene tilpasser chatbotens utseende og funksjonalitet selv. Ingen leting over flere sider, ingen venting på manuell oppfølging.

Arbeidet med Training Center ga vår utvikler innsikt i hvordan chatboten håndteres i backend, og med den innsikten kom forslaget om å ta i bruk MCP (Model Context Protocol) for å håndtere verktøyene språkmodellen har tilgang til. Samarbeidet gikk inn i neste fase: vurdering av MCP som fremtidig plattform, utvikling av en MVP, og implementering i eksisterende systemer, med bedre integrasjon mellom moduler, mindre teknisk overhead og økt skalerbarhet som gevinst.