De fleste artikler om MCP for bedrifter er skrevet for utviklere. Denne er ikke det. Her får du tallene en daglig leder trenger for å avgjøre om dette er verdt å bruke penger på: hvor lang tid en integrasjon tar, hva den koster, og de tre tingene som pleier å velte prosjektet. Alt sammen basert på en MCP-server vi faktisk har bygget og satt i produksjon.
Hva MCP for bedrifter faktisk er
MCP står for Model Context Protocol, en åpen standard Anthropic publiserte i 2024. Kort fortalt er det en avtalt måte for AI-verktøy å hente data fra systemene dine på.
Uten MCP må hver kombinasjon av AI-verktøy og fagsystem bygges som sin egen integrasjon. Skal ChatGPT snakke med ordresystemet, er det én jobb. Skal Claude snakke med det samme systemet, er det en ny jobb. Med MCP bygger du én server foran systemet ditt, og alle AI-klientene bruker den. Det er hele forretningsargumentet for MCP for bedrifter: du bygger integrasjonen én gang.
Sammenligningen med USB-C er slitt, men treffende. Før hadde hver enhet sin egen kontakt. Nå er det én kontakt som passer alt. MCP gjør det samme for koblingen mellom AI-modeller og data.
Det viktige for en beslutningstaker: dette er ikke en ny AI-modell du kjøper. Det er en kobling mellom AI-verktøyene dere allerede betaler for, og dataene dere allerede har.
Hva MCP for bedrifter koster og hvor lang tid det tar
Her er tallene fra vår egen leveranse, ikke et estimat.
Vi bygget en MCP-server som gjør medlemsregisteret til Tverrkirkelig tilgjengelig for ChatGPT. Fra tomt repo til fungerende endepunkt mot livedata tok omtrent fire timer. Det inkluderer testing mot ekte data.
| Del av leveransen | Realistisk tidsbruk |
|---|---|
| Kartlegging av hvilke spørsmål systemet skal svare på | 2–4 timer |
| Selve serveren, lesetilgang | 4–8 timer |
| Innlogging og tilgangsstyring (OAuth) | 1–2 dager første gang |
| Testing mot ekte AI-klient og justering | 2–4 timer |
Merk hoppet på rad tre. Selve serveren er en liten jobb. Innloggingen er ikke. ChatGPT støtter kun OAuth eller ingen innlogging i det hele tatt — et fast passord i en header, som er den intuitive løsningen, virker ikke. Det er der budsjettet ryker hvis ingen har sagt det på forhånd.
Realistisk ramme for en første MCP for bedrifter-leveranse med skikkelig innlogging: to til fire dagsverk. Uten innlogging, som et internt pilotprosjekt på ufarlige data: én til to dager.
Casen: fire timer fra tomt repo til svar
Tverrkirkelig har medlemsregisteret sitt i Cornerstone. Lokallag, medlemstall, Frifond-data. Staben måtte slå opp manuelt hver gang noen lurte på noe, og oppslaget krevde at du kunne registeret.
Vi bygget en MCP-server som eksponerer registeret som lesetilgang for ChatGPT. Alle verktøyene er merket som read-only, så AI-en kan ikke skrive tilbake til registeret. Det er en teknisk detalj med en forretningskonsekvens: ingen kan ved et uhell endre medlemsdata gjennom en chat.
Den mest lærerike feilen kom med en gang. Vårt første forsøk returnerte hele lista over lokallag — 290 kB med data. AI-en druknet i det og klarte ikke å plukke ut det den ble spurt om. Vi slanket svaret til bare de nødvendige feltene: 290 kB ned til 11 kB. Etter det besvarer ChatGPT «hvor mange medlemmer har Echo i 2024?» med ett verktøykall i stedet for fem.
Lærdommen gjelder alle som vurderer MCP for bedrifter: verdien ligger ikke i å gi AI-en tilgang til alt. Den ligger i å gi den akkurat nok.
De tre fallgruvene som velter prosjektet
1. Dere gir AI-en for mye data. Dette er den vanligste. Det føles riktig å eksponere hele databasen, men resultatet er tregere og dårligere svar. Start med de fem spørsmålene folk faktisk stiller mest, og bygg verktøy for dem.
2. Ingen har tenkt på innlogging før på slutten. Se tabellen over. Avklar tilgangsstyringen i uke én, ikke i uke tre.
3. Dere måler ikke om det brukes. En integrasjon ingen bruker er en kostnad, ikke et verktøy. Bestem på forhånd hva som teller som suksess — antall oppslag i måneden, timer spart i staben, eller at et bestemt manuelt rapportuttrekk forsvinner.
En fjerde ting er ikke en fallgruve, men verdt å vite: MCP er en ung standard. Transporttypene endrer seg fortsatt, og det som fungerer mot ChatGPT i dag kan kreve en justering om et halvt år. Regn med litt vedlikehold. Transporttypene og resten av protokollen er dokumentert i den offisielle spesifikasjonen, og den tekniske gjennomgangen av hvordan en server bygges finner du i vår guide til MCP-server.
Er MCP for bedrifter riktig for dere nå?
Tre spørsmål avgjør det.
Har dere data noen slår opp manuelt hver uke? Hvis svaret er nei, er det ingenting å hente. MCP løser oppslagsproblemet, ikke beslutningsproblemet.
Har systemet et API? Har det ikke det, må det bygges først, og da er MCP-delen den minste delen av regningen.
Bruker dere allerede ChatGPT eller Claude i jobb? Er svaret nei, begynn der. MCP for bedrifter gir mening når verktøyene allerede er i bruk og folk begynner å ønske seg data inn i dem.
Er svaret ja på alle tre, er dette en liten investering med rask effekt. Er svaret nei på ett av dem, vent. Vi har skrevet mer om det bredere bildet i artikkelen om skreddersydd AI-integrasjon.
Ofte stilte spørsmål
Hva koster MCP for bedrifter?
To til fire dagsverk for en første leveranse med skikkelig innlogging. Én til to dagsverk for et internt pilotprosjekt uten innlogging på ufarlige data. Selve serveren er en liten jobb — det er tilgangsstyringen som koster.
Kan AI-en endre data i systemene våre?
Ikke hvis serveren settes opp med kun lesetilgang, som er standardanbefalingen vår. Verktøyene merkes eksplisitt som read-only, og skriveoperasjoner finnes rett og slett ikke i grensesnittet AI-en får se.
Fungerer MCP med både ChatGPT og Claude?
Ja, det er hele poenget med en åpen standard. De to bruker ulike transporttyper i dag, men begge kan betjenes fra samme server, så dere slipper å velge AI-leverandør før dere bygger.
Trenger vi MCP hvis vi allerede har et API?
MCP er ikke en erstatning for API-et — det ligger foran det. API-et er laget for utviklere, MCP-laget er laget for AI-modeller: færre felter, tydelige beskrivelser av når hvert verktøy skal brukes, og svar som er små nok til at modellen klarer å bruke dem.
Hvor lang tid tar det å komme i gang?
En pilot på ett system kan stå ferdig på en uke. Kartleggingen av hvilke spørsmål systemet skal svare på er ofte det som tar lengst tid — ikke koden.
