Jeg bygger verktøyene som gjør IT-team raskere.

Hvorfor

IT-drift strekker seg over mange systemer. Å slå opp en brukers gruppemedlemskap, sjekke om en enhet er compliant, hente et tall fra en rapport og se på en e-post i karantene betydde fire ulike portaler. Integrasjonene fjerner den vekslingen.

Hvordan det fungerer

Hver integrasjon er en egen MCP-server med et avgrenset sett verktøy — lesing som standard, og skriveoperasjoner bak eksplisitt bekreftelse. Autentisering går gjennom app-registreringer i Entra ID med minst mulig rettigheter, og privilegerte handlinger krever aktiv PIM-rolle.

Problemer verdt å nevne

• En tredjepartspakke skrev diagnostikk til stdout, noe som ødela protokoll-håndtrykket. Jeg patchet den med et PowerShell-skript som kjører som del av oppsettet.
• Identitetsfeil der en connector autentiserte som standardbrukeren i stedet for admin-kontoen, som ga sporadiske rettighetsfeil på privilegerte kall.
• Windows-spesifikke sti- og runtime-problemer som ikke dukker opp når man utvikler på macOS.

Utrulling

Noen servere kjører lokalt, andre er hostet i Azure App Service. Hver av dem har en dokumentert spørreplaybook på Confluence, slik at kollegaer kan bruke dem uten å forstå implementasjonen.

Arkitektur

En Flask-backend delt inn i servicemoduler — én per integrasjon: sakssystem, forvaltning av privilegert tilgang, og dokumentasjon. Frontend er én Jinja2-template med vanilla JavaScript og mørkt tema, holdt bevisst enkelt så det ikke er noe byggesteg å vedlikeholde.

Hva AI-laget gjør

• Lager utkast til svar ut fra en kort beskrivelse, i riktig tone og språk
• Foreslår kategori og prioritet på innkommende saker
• Oppsummerer lange kommunikasjonstråder, slik at du kan overta en sak noen andre har startet

Integrasjonsdetaljer

API-et til sakssystemet hadde noen lite intuitive detaljer — det er meldingstype, ikke retning, som avgjør om et notat er et agentsvar eller en melding fra bruker, og avsender-ID er ikke det samme som ID-en til den som meldte saken. Å bomme på det ga tråder som så riktige ut, men tilskrev meldinger til feil person. Aktivering av privilegerte roller går via Microsoft Graph direkte fra verktøyet.

Min rolle

Dette lå utenfor mitt vanlige ansvarsområde — et teknisk prosjekt sammen med det interne utviklingsteamet, som betydde å lære deres verktøykjede i stedet for å ta med min egen.

Hva jeg bygget

• Python-skript for å finne og behandle de relevante filene og rapportene som går inn i AI-analysen
• Automatisering av dataflyten mellom systemer, som erstattet manuelle steg
• Feilsøking av integrasjoner der data kom inn i feil format eller ikke i det hele tatt

Miljø

Azure DevOps for versjonskontroll og pipelines, Data Factory for orkestrering, Databricks for prosessering, og Power Apps i frontend. Dokumenterte den tekniske løsningen, slik at den ikke ble avhengig av at jeg er tilgjengelig.

Backend

Express serverer frontend pluss to endepunkter: /api/status, som driver statuslinjen øverst på siden, og /api/contact, som validerer og lagrer innsendte meldinger.

Drift

• Containerisert med et lite Alpine-basert Docker-image
• Hostet på Render, med automatisk deploy ved hver push til main
• Eget domene satt opp med A- og CNAME-oppføringer, og HTTPS-sertifikater utstedt automatisk

Tospråklig oppsett

Engelsk og norsk er separate sider som deler ett stilark og ett skript. Skriptet leser lang-attributtet på siden og velger tekstene sine ut fra det, så det finnes ingen duplisert JavaScript og ingen oversettelseslag i nettleseren.