> For the complete documentation index, see [llms.txt](https://library.zoom.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://library.zoom.com/technical-library/sv/zoom-workplace/artificial-intelligence/artificial-intelligence-bluepaper/artificial-intelligence-at-zoom-an-overview.md). # Artificiell intelligens på Zoom: En översikt ## Artificiell intelligens på Zoom: En översikt Artificiell intelligens utvecklas snabbt och blir en integrerad del av vardagslivet, där den driver allt från stora och små språkmodeller till specialiserade algoritmiska funktioner. Medan generativ AI möjliggör sömlös interaktion mellan människor och maskiner för innehållsskapande, problemlösning och beslutsfattande, finns AI också i mer specialiserade tillämpningar. Automatiseringsverktyg effektiviserar arbetsflöden, medan tjänster som transkription och översättning bryter ner kommunikationsbarriärer och gör samarbete mer effektivt och tillgängligt. När AI fortsätter att utvecklas omvandlar dess tillämpningar branscher genom att förbättra effektivitet, noggrannhet och innovation, och omformar i grunden hur företag arbetar. Med tanke på AI:s växande roll på den moderna arbetsplatsen fungerar AI Bluepaper som en detaljerad guide till AI-funktioner inom Zoom plattformen. Genom att utforska några av Zooms viktigaste AI-implementationer, funktioner och möjligheter ger den företag de insikter som behövs för att använda AI effektivt – vilket hjälper till att effektivisera arbetsflöden, förbättra samarbete och öka produktiviteten i team. ### Agentisk artificiell intelligens: Maximera AI:s självgående, autonoma kraft Agentisk AI syftar på artificiell intelligens som är utformad för att göra mer än att bara besvara frågor – den är byggd för att agera på en användares vägnar. Som en AI-först öppen arbetsplattform byggd för mänsklig kontakt utvecklar Zoom aktivt agentiska AI-funktioner för att hjälpa användare att sömlöst gå från information till genomförande. I stället för att stanna vid förslag eller mötessammanfattningar är visionen för agentisk AI att utvecklas till en autonom assistent som kan hjälpa användare att hantera nästa steg, slutföra uppgifter och hålla arbetsflöden i rörelse. I takt med att AI-tekniken fortsätter att förbättras kommer agentisk AI i allt högre grad att fungera som en personlig digital assistent – som hjälper användare att hålla sig organiserade, fullfölja prioriteringar och minska det manuella arbetet med att flytta information mellan samtal, möten och arbetsverktyg. ### Zoom AI Companion: Din intelligenta arbetsplatsassistent Zoom AI Companion är en intelligent, konversationsbaserad digital assistent i kärnan av Zoom Workplace plattformen, utformad för att öka produktiviteten, effektivisera samarbete och minska medarbetarnas arbetsbelastning – allt utan extra kostnad för kunder med markerade betaltjänster tilldelade deras Zoom användarkonton. När AI-verktyg blir alltmer integrerade i den moderna arbetsstyrkan är de inte längre begränsade till att utföra specifika uppgifter – som att automatisera datainmatning, skriva e-postmeddelanden, generera rapporter eller utföra grundläggande algoritmiska funktioner. I stället representerar framväxande AI-verktyg ett transformativt skifte som i grunden förändrar hur vi arbetar. Zoom AI Companion går bortom enkel uppgiftsautomatisering; den kan fungera som en verklig följeslagare i en användares dagliga arbete, kapabel att besvara allmänna kunskapsfrågor, generera innehåll, erbjuda insikter, sammanfatta dokument, meddelanden, röstmeddelanden och möten, hjälpa till med beslutsfattande och hjälpa användare att uppnå nya mål eller nå högre prestationsnivåer. Som ett AI-först företag är Zoom AI Companion genomtänkt integrerad i hela Zooms produktsvit, inklusive Zoom Meetings, Chatt, Telefon, kontaktcenter, Canvas, whiteboard och mer. När Zoom fortsätter att förnya och utöka sina möjligheter kommer även Zoom AI Companion att göra det, med nya funktioner och egenskaper. Nedan finns en lista över viktiga funktioner som är tillgängliga idag och visar hur denna AI-assistent kan bidra till att förbättra varje aspekt av en användares arbetsdag. Nuvarande nyckelfunktioner och funktionaliteter inkluderar: | **Kategori** | **Nyckelfunktioner** | **Affärsvärde** | | ------------------------------------------- | ------------------------------------------------------------------------------------------------------------------------- | --------------------------------------------------------------------------- | | **Centraliserad AI-arbetsplats** | Kontextuell frågebearbetning, smart schemaläggning, datasyntes över flera plattformar, AI-genererade uppföljningar. | Enhetlig produktivitetshubb med intelligent automatisering av arbetsflöden. | | **Mötesintelligens** | Assistans i realtid under möten, automatiserad dokumentation, smart inspelning analyser, automatisering av förberedelser. | Förbättrad möteseffektivitet från förberedelse till uppföljning. | | **Förbättrad kommunikation** | Intelligent chattassistans, avskrift analyser, skapande av e-post, prediktivt skrivande. | Accelererad kommunikationskvalitet i alla kanaler. | | **Optimering av kontaktcenter** | Sentimentanalys i realtid, konversationsintelligens, prestandaanalyser, smarta svar. | Förhöjd kundupplevelse med AI-drivna insikter. | | **Innehållsskapande** | Dokumentintelligens, generering av visuellt innehåll, samarbetsverktyg, medieorganisation. | Effektiviserad innehållsutveckling och idéprocesser. | | **Hantering av uppgifter och arbetsflöden** | Automatiserat skapande av uppgifter, plattformsövergripande integreringar, verktyg för evenemangshantering. | Minskad administrativ belastning med intelligent automatisering. | #### Hur Zoom AI Companion använder kraften i agentisk AI Zoom AI Companion gör värdet av agentisk AI verkligt genom att hjälpa användare att enkelt omvandla information till handling. När AI Companion identifierar uppföljningsuppgifter – oavsett om de kommer från ett möte, en interaktion i kontaktcenter eller någon annan insikt som identifierats av AI – kan den automatiskt lägga till dessa åtgärdspunkter i Zoom Tasks för uppföljning eller tilldelning. Detta hjälper till att säkerställa att viktiga nästa steg inte går förlorade i en mötessammanfattning eller sammanfattning av ett samtal. I stället blir de tydliga, spårbara uppgifter som kan föras vidare. Genom att ansluta insikter direkt till handling hjälper AI Companion användare att hålla koll på prioriteringar, hantera ansvar och hålla arbetsdagen i rörelse utan onödig friktion. ### Algoritmer: Hur artificiell intelligens hjälper till att göra kommunikation friktionsfri Utöver de intelligenta, konversationsbaserade LLM-funktionerna i Zoom AI Companion använder Zoom även andra AI-tjänster (dvs., *algoritmer*) på hela plattformen. Dessa tjänster fungerar ofta sömlöst i bakgrunden och driver funktioner som transkription av röst i realtid, liveöversättning, personlig ljudundertryckning med mera. Tillsammans bidrar dessa funktioner till att skapa en sammanhängande, friktionsfri upplevelse som kan förbättra både kvaliteten och effektiviteten i varje interaktion på Zoom plattformen. Nuvarande viktiga AI-tjänstefunktioner och funktionaliteter inkluderar: * Transkription * Översättning * Textning * Personlig ljudisolering ### Model Context Protocol (MCP): En standard för att ansluta AI till verktyg för att åstadkomma mer Som en del av sin AI-arkitektur använder Zoom Model Context Protocol (MCP) – en öppen standard som möjliggör säkra anslutningar mellan modeller, verktyg, datakällor och arbetsflöden. MCP spelar en nyckelroll i att främja agentisk AI genom att ersätta behovet av engångsintegreringar som varje företag måste bygga och underhålla separat. I stället tillhandahåller det ett gemensamt, strukturerat ramverk som exponerar funktioner för AI-modeller på ett konsekvent sätt. Denna grund gör att AI-system kan agera mer som intelligenta agenter – genom att inte bara besvara frågor, utan också vidta åtgärder direkt i de system som användare förlitar sig på. Zoom stöder för närvarande MCP som en del av sitt Custom AI Companion tillägg, vilket gör det möjligt för organisationer att bygga anpassade agenter som ansluter till deras unika datakällor och applikationer, automatiserar rutinmässiga arbetsflöden och levererar skräddarsydda, korrekta svar baserade på teamens faktiska arbetsinnehåll. #### Hur MCP fungerar i praktiken I grunden bygger MCP på en klient-server-modell. Tänk på AI-miljön (som ChatGPT eller Claude) som en klient som vill få arbete utfört, och externa system (som Jira, Confluence eller en databas) som servrar som publicerar vad de kan göra. Varje server tillhandahåller en tydlig lista över funktioner – som ”sök i kunskapsbas” eller ”skapa uppgift”. AI-klienten avgör sedan, mitt i en konversation, när och hur dessa funktioner ska användas. Med andra ord är det precis som att beställa på en restaurang att ansluta AI till en MCP-server. Du (AI:n) går in på en restaurang, får en meny (en lista över tjänster eller funktioner som är tillgängliga via MCP-servern), och du (AI:n) talar om vad du vill ha, och den svarar. Det finns inga gissningar om vad som är eller inte är tillgängligt – allt tillhandahålls i menyn från början. Följande avsnitt ger ytterligare detaljer om hur MCP fungerar: #### Steg 1: Exponera funktioner genom servrar Alla system kan köra en MCP-server. Den servern fungerar som ”menyn” och publicerar en strukturerad beskrivning av de åtgärder den stöder. Till exempel kan Jira publicera funktioner som ”sök ärenden” eller ”uppdatera ärende”. Eftersom dessa funktioner följer MCP:s gemensamma format kan AI förstå dem omedelbart utan anpassad utveckling. #### Steg 2: AI agerar som en klient På andra sidan spelar AI-miljön rollen som klient. Den läser menyn med tillgängliga funktioner, kommer ihåg dem och avgör vilka som ska anropas när den svarar en användare. Det innebär att AI inte behöver programmeras i förväg med tusentals möjliga integreringar – den lär sig helt enkelt vad som är tillgängligt när anslutningen upprättas. #### Steg 3: Skicka kontext säkert MCP definierar också hur kontext och behörigheter förs vidare. Detta hjälper till att säkerställa att när AI använder en funktion gör den det endast inom gränserna för vad användaren har rätt att få Access till. Om en användare till exempel har behörighet att bara se sitt teams Jira-ärenden ser MCP till att AI respekterar den omfattningen. Detta säkerhetslager är det som gör MCP praktiskt för användning i Enterprise, där känsliga data och åtkomstkontroller inte är förhandlingsbara. #### Varför MCP är viktigt Genom att standardisera hur AI ansluter till externa system tar MCP bort friktionen från anpassade integreringar och säkerställer säkerhet och konsekvens. Användare gynnas eftersom AI inte bara kan besvara frågor utan också utföra välgrundade åtgärder i en mängd olika verktyg på ett sätt som känns sömlöst och säkert. ### Agent-to-Agent (A2A) Protocol: Hur AI-assistenter kommunicerar med varandra Utöver MCP kommer Zoom också att använda Agent-to-Agent (A2A) Protocol som ett gemensamt språk för samarbete mellan autonoma agenter. A2A är en öppen standard som gör det möjligt för AI-agenter – potentiellt byggda av olika leverantörer eller körda i olika miljöer – att upptäcka varandra, dela kontext, delegera uppgifter och utbyta resultat på ett säkert sätt. Zoom planerar att stödja AI-agenter från tredje part med AI Companion genom att använda A2A för att hämta in kontext från dina Zoom-konversationer och vidta åtgärder i andra Business-appar på dina vägnar. (Agent från tredje part för ServiceNow Now Assist kommer snart.) Om Model Context Protocol (MCP) ansluter AI-modeller till de verktyg och data de behöver, ansluter A2A agenterna till varandra. Tillsammans utgör de två standarderna ryggraden i interoperabla system med flera agenter, där intelligens inte är begränsad till en modell utan distribuerad över ett nätverk av samverkande agenter. #### Hur A2A fungerar i praktiken I grunden bygger A2A på idén att varje agent kan agera både klient och server. En agent kan begära hjälp eller delegera en uppgift, medan en annan kan svara och utföra den uppgiften. Kommunikation mellan dem följer en gemensam struktur och säkerhetsmodell, så oavsett vem som byggde agenterna – eller var de körs – kan de förstå varandra. Du kan se det som ett team av specialister som arbetar tillsammans: varje agent har ett tydligt jobb, ett CV som beskriver vad den kan göra och ett gemensamt sätt att lämna över arbete till andra. Följande avsnitt beskriver denna process steg för steg: #### Steg 1: Agenter publicerar sina funktioner Varje A2A-kompatibel agent exponerar ett litet, strukturerat ”Agent Card”. Detta kort fungerar som agentens identitet och funktionsprofil – det listar vad agenten kan göra (till exempel ”sammanfatta text”, ”Schemalägg ett möte” eller ”fråga data”), vilka format den stöder och hur den kan nås. Eftersom detta kort följer A2A-standarden kan vilken annan agent som helst läsa det och omedelbart förstå hur den ska interagera utan att behöva anpassad kod eller konfiguration. #### Steg 2: Agenter upptäcker och ansluter När en agent vill samarbeta slår den upp en annan agents Agent Card – ofta via en katalog, ett register eller en välkänd ändpunkt – och upprättar en säker anslutning. Denna process gör det möjligt för agenter att hitta varandra dynamiskt, även om de byggts av olika team eller organisationer. Upptäckt säkerställer flexibilitet: en agent för uppgiftsplanering kan hitta en visualiseringsagent, eller en agent för kundsupport kan hitta en översättningsagent, allt genom standardiserade upptäcktsmekanismer. #### Steg 3: Agenter utbyter uppgifter och resultat När de väl är anslutna kommunicerar agenter via standardiserade uppgiftsmeddelanden.\ Ett uppgiftsmeddelande kan innehålla en begäran (”analysera denna datamängd”) och ett svar (”här är insikterna”). Dessa utbyten kan ske synkront för snabba operationer eller asynkront för uppgifter som tar längre tid. A2A stöder också strömning och aviseringar, så att agenter kan skicka mellanliggande uppdateringar eller partiella resultat medan de arbetar – vilket speglar hur människor kan samarbeta i realtid. #### Steg 4: Säker samarbete och delning av kontext Varje interaktion mellan agenter autentiseras och avgränsas av den användare eller det system som initierade den, vilket säkerställer att agenter bara får Access till de data eller funktioner som de är behöriga att använda. Detta kontrollerade utbyte av kontext möjliggör komplexa arbetsflöden – som att en agent sammanfattar ett dokument medan en annan skapar en uppföljningsåtgärd – utan att information läcker. #### Varför A2A är viktigt Genom att definiera ett universellt sätt för agenter att tala med varandra låser A2A upp ett nytt lager av interoperabilitet och sammansättbarhet. I stället för att bygga massiva, monolitiska agenter som försöker göra allt ger A2A organisationer möjlighet att utforma specialiserade agenter – var och en fokuserad på ett specifikt område – och låta dem samarbeta genom ett gemensamt protokoll. För företag innebär detta: * Kompatibilitet mellan leverantörer: Agenter från olika leverantörer kan samverka säkert. * Skalbar design: Team kan lägga till eller ersätta agenter utan att omarkitektera hela system. * Styrd automatisering: Säkerhet, observerbarhet och revision standardiseras från början. * Snabbare innovation: Nya funktioner kan introduceras genom att helt enkelt publicera ett nytt Agent Card – ingen omkoppling av befintliga integreringar. --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://library.zoom.com/technical-library/sv/zoom-workplace/artificial-intelligence/artificial-intelligence-bluepaper/artificial-intelligence-at-zoom-an-overview.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.