Situation
En digital byrå med 12 anställda hade en inarbetad rutin: varje fredag kl 10 satte sig projektledaren ner i 2–3 timmar för att manuellt sammanställa veckans statusrapport. Data hämtades från Notion (uppgiftsstatus), Google Sheets (timmar och budget), och e-post (kundkommunikation).
Rapporten skickades sedan som PDF till VD och alla kunder — individuellt anpassad för varje kund.
Problem: 3 timmar × 52 veckor = 156 timmar/år på ren sammanställning.
Utmaning
Varje kundrapport hade sin egna struktur och ton. Kunder ville se olika saker — en ville ha timmar per uppgiftskategori, en annan ville ha en enkel statuslista. Det gjorde det svårare att automatisera jämfört med en standardrapport.
Lösning
Vi designade ett Make.com-scenario som körs automatiskt kl 07:45 varje fredag:
1. Datainsamling
Flödet läser från tre källor parallellt:
- Notion API: Alla uppgifter med status, ansvarig och senaste uppdatering
- Google Sheets: Nedlagda timmar per projekt och fakturerbar tid mot budget
- Google Calendar: Kommande kundmöten nästa vecka
2. Per-kund rapportgenerering med AI
Datan aggregeras per kund och skickas till GPT-4o med en prompt som:
- Summerar veckans framsteg i ett naturligt, professionellt språk
- Lyfter fram risker (projekt som riskerar att överstiga budget)
- Inkluderar nästa veckas planerade aktiviteter
Varje kund har en profil i Google Sheets med preferenser (detaljnivå, fokus, ton).
3. Distribuering
Rapporten publiceras på tre sätt:
- Intern Slack-kanal: Sammandrag för hela teamet kl 08:00
- Kundspecifik Notion-sida: Automatiskt uppdaterad för kunder med Notion-access
- E-post: PDF-rapport till kunder som föredrar e-post
Resultat
| Mätvärde | Före | Efter | |----------|------|-------| | Tid på rapportsammanställning/vecka | 3 h | 15 min (granskning) | | Rapport tillgänglig | 10:30 fredag | 08:00 fredag | | Kunder som kommenterat | 3 av 8 | 6 av 8 (fler läser!) | | Fel i rapportering | 2–3/mån | 0–1/mån |
Lärdomar
AI-genererad text kräver granskning — vi la in 15 minuters granskningssteg i flödet där projektledaren validerar rapporten i Slack innan den skickas till kunder. Det tar 15 minuter istället för 3 timmar, och kvaliteten är ofta högre.
Börja med en kund. Vi pilottestade med en kund i 2 veckor, fick feedback, och justerade prompten tre gånger innan vi rullade ut till alla 8 kunder.
Data-kvalitet avgör allt. Automationen är bara lika bra som datan i Notion och Google Sheets. Vi lade 2 dagar på att städa upp strukturen i Notion innan vi startade automationsbygget.