Jeg startet i Placepoint 20. april, og noe av det første jeg ville bygge var en levende produktdokumentasjon. Ikke en statisk «slik bruker du Placepoint»-side som er utdatert dagen etter at ny funksjonalitet lanseres, men noe som oppdateres automatisk i takt med produktet.

Det er det vi har bygget på docs.placepoint.no. 1 200+ sider på norsk og engelsk. 7 000+ skjermbilder. Over 250 hovedkartlag dokumentert. 140+ datasett fra 30 leverandører. En ordbok med 300+ verifiserte norske eiendomsbegreper, med kildehenvisninger til Lovdata, Kartverket, Brønnøysundregistrene, NVE og SSB. En egen utviklerportal generert fra OpenAPI-spesifikasjonene.

Ingen mennesker har skrevet en setning av dette. Pipelinen ble bygget på to til tre uker.

Det er fortsatt ikke ferdig. Fusion-dokumentasjonen er ganske skranglete, og vi finner ting hver dag som kan bli bedre. Men det funker.

Hvorfor automatisere dokumentasjonen

Dokumentasjon er en av de vanskeligste tingene å holde oppdatert i et programvareselskap. Hver gang produktet endrer seg, bør dokumentasjonen følge, men det skjer sjelden i praksis. Mange selskaper i Placepoints størrelse ville hatt en egen avdeling for teknisk skriving og oversettelse. Vi har valgt en annen vei.

Når du som kunde lurer på noe, enten en funksjon, en datasett-grense eller et begrep, skal svaret være ett klikk unna. Det skal være oppdatert samme dag som funksjonaliteten endrer seg, og tilgjengelig både som frittstående nettside og som hjelp inne i Placepoint-webappen.

Slik fungerer pipelinen

Pipelinen består av tre tekniske lag som henger sammen.

Navigasjon (TypeScript, Playwright, Chromium). TypeScript-scripts driver headless Chromium, altså uten synlig nettleservindu, gjennom hele Placepoint-appen via Playwright. Scriptene importerer webappens React-routes og navigerer som en kunde ville gjort: logger inn via Azure B2C, åpner hvert panel, aktiverer hvert kartlag, skriver i søkefelt og holder musepekeren over ikoner. Tusenvis av klikk per kjøring, fordelt på 1 til 20 nettlesere i parallell. En adaptiv utforsker oppdager nye menyer, faner og hover-elementer, og lager nye dokumentasjonssider automatisk. Salgsavdelingen kan bruke eksempelsidene til kommuner og kunder med konkrete organisasjonsnumre. Alle er generert automatisk.

Skriving (Claude Code). Selve skrivingen gjøres i Claude Code, mest i terminalvindu (iTerm2) og litt i Cursor. Sub-agenter fordeler oppgavene mellom tre modeller fra Anthropic: en rask modell for enkle ting, en mellomklasse for det som er litt mer avansert, og den kraftigste når det virkelig gjelder. Et hierarkisk regelsystem styrer det hele: CLAUDE.md per komponent, STYLE.md for språkstiler, PROCESS.md for arbeidsflyt og PLAN.md for hvordan oppgaver skal utføres. Det sikrer effektiv bruk av agenter og tokens uten konstant menneskelig styring. Git worktrees lar flere økter jobbe i samme repo parallelt.

Kvalitet (Python, Pillow, OpenCV, pytesseract). Alle PNG-skjermbilder sjekkes automatisk. Python med Pillow, NumPy og SciPy fanger blanke kartlag og halvt lastede tiles. pytesseract gjenkjenner tekst i norske og engelske feilmeldinger. OpenCV oppdager tooltips, loadere og feilikoner. imagehash flagger bilder som plutselig ser ut som en annen side i appen. Det som flagges havner i en spesiallaget webapp for menneskelig klassifisering, og hver merkelapp der blir til en rettelse i navigasjons-scriptene.

Markdown-corpuset er på rundt 300 000 ord på norsk. Docusaurus bygger statiske sider, og en CMS-synk publiserer en kopi av ordboken til placepoint.no.

Norsk i en AI-verden

Et lite kjent problem med norske LLM-løsninger er at norsk er et bøyningsspråk med dialekter og fagterminologi som ikke håndteres godt som standard. Vi har bygget rundt 2 500 AI-genererte synonymoppslag som dekker bøyninger og regionale varianter, oppfrisket mot tekst-corpuset ved hver bygging.

Resultatet er at en bruker som søker «kartlag for vegetasjon» finner riktig side selv om kildeteksten sier «naturtype». En rask modell ekspanderer og omformulerer spørsmålet, Algolia søker i indeksen, og en sterkere modell rangerer resultatene på nytt.

Brukerdokumentasjonen er skrevet på norsk klarspråk for eiendomsbransjen. Utviklerdokumentasjonen er på presis, teknisk engelsk generert fra OpenAPI-spesifikasjonene. Samme pipeline, to stemmer for to publikum.

Pipelinen lærer av kundene

Tre Slack-emojier får Slack-boten PlacepointBot til å gjøre ting. Robot-reaksjonen lar den svare i tråden med mest relevant dokumentlenke, drevet av en Azure Function. Lyspære-reaksjonen gjør en dokumentasjonsmangel om til en issue og en pull request på GitHub. Trivielle korreksjoner går snart rett gjennom, større endringer venter på menneskelig godkjenning. En Linear-reaksjon oppretter eller grupperer en oppgave i Linear.

Hver kundehenvendelse gjør produktet bedre. Det er ikke lenger et spørsmål om hva vi prioriterer av features versus bugs. Det er en pipeline som fungerer som et selvforsterkende læringssystem.

Bygget på trikken

En detalj som sier noe om hvordan vi jobber nå: den første versjonen av kvalitetssjekk-systemet ble bygget på telefon.

En morgen i mai satt jeg på trikken i Oslo med et problem. Kvalitetssjekken som skulle plukke opp dårlige skjermbilder hadde fortsatt et hull, og en del bilder med blanke kartlag, halvt lastede paneler og tooltips som dukket opp på feil tidspunkt slapp gjennom. Jeg åpnet Claude-appen på iPhone, fjernstyrte Claude Code-økten som kjørte på Mac-en på kontoret, og bygget den første fungerende versjonen av webappen for manuell klassifisering på trikken.

En quiz som startet som en intern spøk

Vi har også laget en quiz basert på dokumentasjonen, ordboken og kundehenvendelser fra de siste 24 månedene. Det startet som en intern spøk. Nå bruker vi den blant annet til å trene opp en AI-assistent for Customer Success-teamet, og til å finne hull i dokumentasjonen vi ellers ikke hadde oppdaget. Quizen er åpen for alle: docs.placepoint.no/quiz.

Hva dette betyr i praksis

Alltid oppdatert dokumentasjon. Søk som faktisk forstår norsk. Komplett oversikt over kartlag, datasett, leverandører og begreper, dokumentert med kildeangivelser til Brønnøysundregistrene, Kartverket, Matrikkelen, NVE, SSB og andre primærkilder.

Dokumentasjonen kundene leser i dag er også treningsgrunnlaget for AI-assistenten under utvikling. Den skal etter hvert hjelpe kundene å gjøre selve jobben i Placepoint. Produktet dokumenterer seg selv, og bygger samtidig sitt eget grunnlag for å bli smartere.

Se dokumentasjonen på docs.placepoint.no. Mangler du noe, eller finner du noe som er feil? Bare si fra.