Thomas Albrecht-Beste

AI-arkitekt og lead engineer · København

Jeg får AI til at virke. I produktion.

Claude og AI-agenter i udviklingen, fra vibe-kode til drift, code review, DevOps og AI, der holder styr på persondata. 30+ års erfaring, og de seneste to år med at bygge AI-platforme med et team af agenter. Uanset hvad der skal til.

  • Claude Code
  • Vibe coding → produktion
  • Code review
  • DevOps
  • Agenter, RAG og MCP
  • GDPR

Det hjælper jeg med

Whatever it takes.

Fra en enkelt dags opsætning af Claude Code til at lede teamet, der bygger og driver løsningen.

  1. 01

    Claude og AI-agenter i udviklingen

    Claude Code og Codex sat ordentligt op, så agenterne arbejder som et team og ikke som en lotterimaskine.

    • Claude Code
    • Codex
    • MCP
    • Agenter
  2. 02

    Fra vibe-kode til produktion

    I har en prototype, der virker på en god dag. Jeg gør den til noget, I tør sætte i drift.

    • Vibe coding
    • Refaktorering
    • Tests
    • Sikkerhed
  3. 03

    Code review og arkitektur-review

    Et erfarent sæt øjne på koden, arkitekturen eller den tekniske due diligence, med eller uden agenter som hjælp.

    • Review
    • DDD
    • Due diligence
  4. 04

    DevOps, platform og release

    Byg én gang, test det, frigiv præcis det, der blev testet. Infrastruktur som kode og releases, man kan stole på.

    • Docker
    • Kubernetes
    • Azure
    • Bicep
    • CI/CD
  5. 05

    AI-løsninger: agenter, RAG og MCP

    Agenter og søgning over jeres egne data, bygget til drift: adgangskontrol, sporbarhed og målbar kvalitet.

    • LLM
    • RAG
    • MCP
    • Copilot Studio
  6. 06

    AI governance og GDPR

    AI, der overholder GDPR fra første dag: persondata beskyttet i selve dataflowet og et audit-spor, der holder.

    • GDPR
    • EU AI Act
    • PII
    • Audit
  7. 07

    Ledelse, enablement og sparring

    Fungerende leder, lead architect eller CTO-sparring. Jeg tager ejerskab for helheden, til teamet kan selv.

    • Interim
    • Enablement
    • Coaching

Agentdrevet udvikling, i praksis

Jeg leder et team af AI-agenter hver dag. Jeg ved, hvad der virker, og hvad der bare ser sådan ud.

Claude Code- og Codex-agenter med faste roller, delt versioneret hukommelse, en reviewer-agent og automatiske kvalitetsgates. Det setup tager jeg med til jeres team.

Mød agentteamet →   Fra programmør til orkestrator →

#team · agenter i arbejde eksempel
  1. leadOpgave: kunden vil kunne eksportere sager som PDF. Planner, bryd den ned.
  2. planner3 skridt: endpoint, renderer, adgangstjek. Golden example: rapport-eksport.
  3. coderEndpoint og renderer skrevet. 14 nye tests, alle grønne.
  4. reviewerBLOCK: eksporten springer adgangstjekket over for delte sager.
  5. coderRettet: samme adgangstjek som visningen. Test for delte sager tilføjet.
  6. reviewerPASS. Ingen persondata i logs, ingen nye afhængigheder.
  7. gateE2E 35/35 grønne · scanning ren · build signeret
  8. leadFrigivet. Præcis den build, der blev testet, nu i drift.
30+
år med software i produktion
12
år i banker og national identitetsinfrastruktur
2.900
commits på ni måneder: egen AI-platform fra nul til kunde
109
releases, bygget én gang, testet og signeret

Sådan arbejder jeg

Pragmatisk. Målbart. Overdrageligt.

  1. 01

    Ejerskab for helheden

    Prioriteter, kode, infrastruktur, release og den support, der følger med.

  2. 02

    Småt og ofte

    Bygget ud fra brugerfeedback. Jeg måler adoption, ikke antal features.

  3. 03

    Bevis før tillid

    Automatiske gates, før en ændring når brugerne. Især når en AI har skrevet den.

  4. 04

    Teamet, ikke afhængigheden

    Patterns, guidelines og parprogrammering, så I kan selv, når jeg går.

Udvalgte kunder

Bygget, hvor fejl koster.

Fra en af Jyske Banks første AI-funktioner i produktion til MiFID II hos Saxo Bank, MitID hos NETS og DataOps hos DR.

Se hele track recordet →

  • Jyske Bank
  • Saxo Bank
  • Danske Bank
  • NETS / MitID
  • DR
  • YO Software
  • Visma
  • ISSA