MCP: därför bör fastighetsägare ställa krav nu

Conrad Wahlén är CTO och medgrundare på Vyer. Vi ställde honom sex frågor om MCP — vad det är, varför det spelar roll och vad fastighetsägare bör göra nu.

MCP, vad är det?

Lite förenklat är MCP, Model Context Protocol, för AI vad ett öppet API är för integrationer. Det är ett standardiserat sätt att ge AI-modeller och AI-agenter tillgång till verktyg, data och funktioner i andra system.

Tänk så här: istället för att be Claude, ChatGPT eller Copilot om ett utkast till ett mejl som du sedan kopierar in i Outlook kan du med MCP be AI att skapa ett utkast, med mottagare, titel och innehåll redan ifyllt.

AI går från att svara med en välformulerad generisk textrad till att kunna agera i dina system. Det är skillnaden.

Varför borde fastighetsägare börja ställa krav på MCP-stöd hos sina leverantörer redan nu?

AI är bara så användbart som de verktyg och data den kan använda. MCP är ett sätt att ge AI tillgång till fler verktyg och mer av den data som redan finns i organisationen.

Ju tidigare de kopplingarna finns på plats, desto snabbare kan man utveckla och testa nya processer där AI ingår.

Att bygga ett MCP-gränssnitt kan ta tid för många system, särskilt om det inte tidigare funnits öppna API:er. Leverantörer som börjar tidigt kommer därför att ha ett försprång framför dem som behandlar MCP som en framtidsfråga.

Därför är det rätt att börja ställa frågan redan nu.

Vad är det konkreta värdet? Vad kan en organisation faktiskt göra med MCP som den inte kan göra idag?

Det handlar om att sänka tröskeln och utnyttja den digitala data som redan finns i organisationen i större omfattning.

Ta ett konkret exempel: en förvaltningschef vill veta vilka ventilationsaggregat i beståndet som är äldre än 15 år och har haft mer än tre ärenden det senaste året. Idag kräver det manuell sammanställning från flera system. Med MCP kan en AI-agent hämta installationsdata från Vyer, kombinera det med ärendehistoriken och ge svaret och en analys på en enkel fråga.

Det är inte ny data. Det är samma data, men tillgänglig på ett helt annat sätt.

Vad händer med fastighetsägare som har sin data inlåst i system utan öppna anslutningar?

De blir begränsade till vad deras leverantörer bestämmer sig för att bygga och tillåta. Finns inte den funktion, vy eller rapport du behöver får du vänta på att systemet implementerar den.

Det är samma dynamik som fanns innan öppna API:er blev standard. De organisationer som tryckte på för öppna gränssnitt tidigt kunde få mer värde ur sin data snabbare.

Samma sak kommer att hända med MCP.

Om du är fastighetsägare, vad bör du göra nu?

Börja med att fråga dina systemleverantörer hur de ser på öppna API:er, MCP och AI-agenter. Ta reda på vilken data som finns tillgänglig idag och vilka begränsningar som finns.

Det handlar inte bara om data. Många av de verktyg organisationen redan har blir också mer tillgängliga. Kanske har det varit för krångligt att skapa en rapport i ekonomisystemet eller för omfattande att sammanställa en stor mängd datapunkter. Med MCP kan den personen be en AI-agent om den rapporten och få ett resultat som tidigare var svårt eller otillgängligt.

Du behöver inte bygga en AI-agent imorgon. Men du bör se till att den data och de verktyg du vill använda med AI faktiskt går att komma åt.

De organisationer som bygger den grunden idag kommer ha fler möjligheter att använda AI imorgon.

Många IT-avdelningar ser säkerhetsrisker med att öppna upp system mot AI-modeller. Vad säger du till dem?

De har rätt att ställa frågan. Men många av riskerna finns redan när system exponeras via öppna API:er.

Det som krävs liknar det som god API-säkerhet redan kräver: tydliga behörighetsgränser, rate limiting, loggning och möjlighet att granska vad som har hänt. MCP är inget undantag från de principerna.

Att undvika MCP av säkerhetsskäl löser inte problemet. Det skjuter det framåt.

Vad är det vanligaste missförståndet om MCP?

Att det är komplicerat och svårt att komma igång.

Det behöver det inte vara. Har du din data tillgänglig digitalt och börjar med ett avgränsat användningsområde är tröskeln lägre än vad många tror. Du behöver inte bygga allt på en gång. Börja litet, lär dig hur det fungerar i praktiken och bygg därifrån.

Taket är sedan väldigt högt. Med MCP kan AI inte bara läsa data utan också agera i systemen, som ett användargränssnitt via en agent. Men dit tar man sig steg för steg.