En AI-mailassistent skriver i din tone ved at kombinere to separate systemer: tonematch, der lærer dit ordvalg, sætningslængde og afslutningsstil fra mails, du allerede har sendt, og RAG (retrieval-augmented generation), der henter de konkrete fakta, et svar kræver, fra en videnbase, du selv styrer. Tonematch afgør, hvordan et udkast lyder; RAG afgør, hvad det siger. Et udkast, der rammer begge dele rigtigt, lyder, som om du selv har skrevet det, i ét hug, med det rigtige svar allerede i hånden.
Tonematch: lærer din stemme fra sendt post
Tonematch tager udgangspunkt i et udsnit af mails, du faktisk har sendt — ikke en stil, du beskriver i en indstillingsformular, men den skrift, du allerede har produceret. Modellen ser på mønstre: hvor lange dine sætninger typisk er, om du åbner med "Hej" eller et navn, hvor formel din afslutning er, om du bruger udråbstegn eller holder tingene mere neutrale, og hvor meget du modificerer versus siger tingene direkte.
Intet af dette bliver kopieret ordret fra en enkelt mail — det er en profil bygget på tværs af mange beskeder, så assistenten citerer ikke dit tidligere jeg, den skriver nye sætninger, der følger de samme mønstre. Jo mere sendt post den har lært af, jo mere konsekvent lyder et udkast som dig frem for den generiske "hjælpsomme assistent"-tone, der dukker op i de fleste AI-skriveværktøjer.
RAG: henter fakta i stedet for at gætte dem
Tone alene løser ikke det sværere problem: at få indholdet af svaret til at stemme. Hvis en kunde spørger til dit returneringsvindue eller en specifik produktspecifikation, vil en model uden forankring producere et flydende, selvsikkert svar, der bare kan være forkert — det er den velkendte fejltype, ofte kaldet hallucination. RAG løser det ved at give modellen et reelt sted at kigge, før den skriver noget som helst.
I praksis betyder RAG, at din videnbase — produktdokumentation, et prisark, politikker, en FAQ, du har uploadet — bliver delt op i mindre bidder og gemt som embeddings, en numerisk repræsentation af betydning frem for eksakt ordlyd. Når en ny mail kommer ind, søger assistenten i disse embeddings efter de bidder, der er mest relevante for spørgsmålet, og giver kun dem videre til den skrivende model som kontekst. Udkastet bliver derefter skrevet ud fra det hentede materiale, ikke ud fra modellens generelle træningsdata.
Hvorfor søgning slår modellens hukommelse
En generel sprogmodel aner ikke, hvad din returpolitik rent faktisk siger i dag — den er ikke trænet på din forretning. RAG lukker det hul uden at gentræne noget: du opdaterer din videnbase, når en politik eller pris ændrer sig, og selve det næste svar afspejler det, fordi søgningen sker friskt i det øjeblik, udkastet skrives, frem for at være bagt ind i modellen måneder tidligere.
Sådan arbejder de to systemer sammen om ét udkast
Når en besked, der kræver et svar, kommer ind, kører assistenten begge processer, før den skriver et eneste ord: den henter de relevante videnbase-bidder for det, mailen spørger om, og den indlæser toneprofilen bygget på din sendte post. Selve udkastet kombinerer så begge dele — de hentede fakta afgrænser, hvad svaret korrekt kan sige, og toneprofilen former, hvordan det bliver formuleret. Resultatet er et svar, der både er korrekt og genkendeligt dit.
- Tonematch: lært fra dine egne sendte mails, ikke en stilbeskrivelse
- RAG: henter fakta fra din videnbase i stedet for at gætte
- Søgningen sker friskt, når udkastet skrives, så ændringer i videnbasen slår igennem med det samme
- Ingen af systemerne sender noget — hvert udkast venter stadig på din godkendelse
Hvad en videnbase egentlig tilføjer
Springer du videnbasen helt over, kan assistenten stadig matche din tone — det er ikke afhængigt af den — men den vil skrive svar ud fra generel viden alene, når et spørgsmål kræver et konkret fakta om din forretning. Selv et kort sæt dokumenter (en prisside, et politikdokument, en produkt-FAQ) er det, der gør, at assistenten kan svare korrekt frem for bare plausibelt. Jo mere aktuel og specifik videnbasen er, jo færre rettelser skal et udkast igennem, før du sender det.
Intet af dette ændrer på, hvem der har kontrollen. Søgning og tonematch former kun det udkast, der lander i din Gmail- eller Outlook-kladdemappe — en person læser det stadig, retter det, der ikke stemmer, og afgør, om det skal sendes.
DraftKite kører præcis denne kombination — tone lært fra din sendte post, fakta hentet fra din egen videnbase — på hvert eneste svar, den udkaster. Start den 7-dages gratis prøveperiode, ingen kort krævet, og se, hvor tæt de første udkast allerede lyder på noget, du selv ville skrive.