Hvad er en AI-agent — og hvornår giver den mening?
En AI-agent kan vælge handlinger undervejs i en opgave. Se forskellen på chatbot, fast workflow og agent, og hvordan I afgrænser ansvar og adgang.
Partner & CTO hos Adtention
En AI-agent kan vælge næste handling
En AI-agent er en løsning, hvor en AI-model kan vælge handlinger og bruge værktøjer for at arbejde mod et mål. Den kan eksempelvis finde oplysninger, vurdere om noget mangler og vælge et relevant opslag, før den afleverer et resultat.
Begrebet bruges bredt. En nyttig skelnen er, om trinene er fastlagt på forhånd, eller om modellen selv vælger dem undervejs. Anthropic beskriver netop forskellen mellem faste workflows og modelstyrede agenter. Den skelnen siger mere om løsningen end betegnelsen “digital medarbejder”.
Chatbot, workflow og agent løser forskellige opgaver
| Type | Hvordan arbejdet styres | Illustrativ anvendelse |
|---|---|---|
| Chatbot | Brugeren fører en samtale og beder om svar eller udkast. | En medarbejder spørger til en produktvejledning. |
| Fast workflow | Forudbestemte trin afgør rækkefølge og betingelser. | Læs et dokument, udtræk felter, kontrollér og gem en kladde. |
| Agent | Modellen vælger mellem tilladte handlinger undervejs. | Undersøg en sag på tværs af relevante kilder og klargør et begrundet forslag. |
Typerne kan kombineres. En chatflade kan aktivere en agent, og en agent kan bruge et fast workflow som værktøj. Derfor bør I spørge, hvad løsningen faktisk kan gøre, og hvem der bestemmer næste trin.
Hvornår er fleksibiliteten værdifuld?
En agent kan være relevant, når opgaverne varierer, og den nødvendige rækkefølge ikke er kendt på forhånd. Det kan eksempelvis være, at en sag kræver opslag i forskellige dokumenter afhængigt af kundens spørgsmål.
Hvis alle opgaver skal gennem de samme fire trin, kan et fast workflow være enklere at teste og følge. Hvis medarbejderen blot ønsker et tekstudkast fra et bestemt input, kan et almindeligt AI-værktøj være tilstrækkeligt. Sammenlign med mulighederne i vores guide til AI, RPA og almindelig automatisering.
Giv agenten en afgrænset opgavebeskrivelse
“Hjælp vores salgsteam” er ikke et brugbart mandat. Beskriv, hvad agenten skal modtage, undersøge og aflevere. Angiv også, hvilke handlinger den aldrig må udføre uden særskilt godkendelse.
Et konstrueret eksempel kan være en agent, der forbereder opfølgning på et tilbud:
- Modtag et tilbuds-ID og sælgerens spørgsmål.
- Læs tilbuddet og de godkendte produktkilder, sælgeren har adgang til.
- Undersøg manglende oplysninger gennem tilladte opslag.
- Aflevér et udkast med kildehenvisninger og åbne spørgsmål.
- Stop før prisændring, kundekontakt og andre handlinger uden for mandatet.
Det er en afgrænset hjælp til sælgerens arbejde. Den kommercielle vurdering og den endelige afsendelse bliver hos den ansvarlige medarbejder.
Kontrollér handlingerne, ikke kun teksten
Et godt svar er utilstrækkeligt, hvis agenten samtidig har brugt en forkert kunde eller ændret det forkerte dokument. Vurder derfor både det endelige resultat og de handlinger, der førte til det.
Adgang bør begrænses i systemerne, så den ikke kun afhænger af en instruktion til modellen. Brug eksempelvis separate værktøjer til læsning og oprettelse af kladder, og kræv godkendelse før handlinger med større konsekvenser.
Sæt også grænser for antal trin, tidsforbrug og omkostning. Hvis agenten ikke kan finde et svar inden for rammerne, skal den forklare, hvad der mangler. Gentagne opslag uden fremdrift er en fejltilstand, ikke tegn på grundighed.
Test situationer, hvor agenten skal stoppe
Et godt testsæt omfatter andet end de vellykkede demonstrationer. Prøv en ukendt kunde, modstridende kilder, manglende adgang og et dokument med en instruktion, som ikke tilhører opgaven. Kontrollér, at løsningen respekterer grænsen.
Registrér resultat, handlinger, kontroltid og årsagen til eventuelle stop. Lad de kommende brugere vurdere, om de kan forstå og korrigere forløbet. En agent, der kræver mere efterkontrol end den oprindelige opgave, har brug for en mindre rolle eller en anden løsning.
Start med én nyttig delegation
Vælg en opgave, hvor en medarbejder i dag bruger tid på at samle et grundlag, og hvor kvaliteten kan vurderes. Det giver et konkret udgangspunkt for at undersøge, om agentens fleksibilitet er nødvendig.
Læs om RAG og egne kilder, hvis udfordringen primært er at finde viden, eller MCP, hvis den handler om adgang til værktøjer. Vil I afprøve en konkret delegation, hjælper Everydai med AI-agenter til virksomheder med tydelige rammer for data, handlinger og menneskelig kontrol.
