AI-agenter: Sådan bruger du dem i virksomheden

Fra chatbot til AI, der kan handle

En AI-agent er mere end en chatbot med et nyt navn. Den kan få et mål, lægge en plan, bruge digitale værktøjer og arbejde sig gennem flere trin, før den afleverer et resultat eller beder et menneske om hjælp.

Det gør AI-agenter interessante for virksomheder med opgaver, der kræver både sprogforståelse og handling. Men værdien kommer ikke af maksimal autonomi. Den kommer af en skarpt afgrænset opgave, pålidelige data, få velbeskrevne værktøjer og tydelige stopklodser.

Vil du først have den korte definition, kan du læse vores ordbogsforklaring på hvad en AI-agent er. Her går vi videre til, hvordan teknologien fungerer, hvor den skaber værdi, og hvordan du kommer sikkert i gang.

Hvad er en AI-agent, og hvordan virker den?

En AI-agent er et softwaresystem, der bruger en AI-model til at vurdere, hvad næste skridt bør være. Modellen kan eksempelvis læse en henvendelse, finde relevante oplysninger, vælge et værktøj, kontrollere resultatet og fortsætte, indtil opgaven er afsluttet.

En typisk agent arbejder i en løkke:

1. Forstå målet. Agenten modtager en opgave og de regler, den skal følge.
2. Indhent kontekst. Den finder relevante dokumenter, data eller tidligere hændelser.
3. Vælg næste handling. Modellen vurderer, om den skal søge, beregne, skrive, spørge eller bruge et værktøj.
4. Udfør handlingen. Selve handlingen udføres af applikationen gennem eksempelvis et API, en database eller et godkendt værktøj.
5. Kontrollér resultatet. Agenten bruger svaret som ny kontekst og beslutter, om opgaven er løst.
6. Stop eller eskalér. Den afleverer resultatet eller sender sagen til et menneske.

Det er vigtigt at skelne mellem model og system. Sprogmodellen foreslår typisk en handling, men det er den omkringliggende software, der udfører den. Derfor skal adgangskontrol, validering og godkendelser bygges ind i løsningen – de kan ikke overlades til en god prompt.

AI-agent, chatbot eller automatiseret workflow?

De tre begreber overlapper, men løser ikke den samme type opgave.

• En chatbot reagerer normalt på en besked og leverer et svar. Den kan være koblet til viden, men behøver ikke kunne handle.
• Et automatiseret workflow følger en på forhånd defineret rækkefølge: Når A sker, udfør B og C.
• En AI-agent kan vælge mellem flere mulige handlinger ud fra målet og den aktuelle kontekst.

Hvis processen altid er den samme, er klassisk automatisering ofte billigere, hurtigere og lettere at teste. En agent er mest relevant, når opgaven indeholder variation eller tvetydighed: forskellige formuleringer, manglende oplysninger, flere datakilder eller behov for at vælge næste skridt undervejs.

Brug ikke en AI-agent, bare fordi teknologien findes. Brug den, når et fast workflow ikke kan håndtere variationen uden et stort antal regler og undtagelser.

Eksempler på AI-agenter i virksomheder

Det bedste første projekt er sjældent en agent, der styrer en hel afdeling. Start med en afgrænset arbejdsgang, hvor et menneske i dag bruger tid på at finde information, flytte data eller forberede en beslutning.

Kundeservice

En serviceagent kan klassificere en henvendelse, finde svaret i hjælpecentret, hente ordrestatus og udarbejde et svar. Den kan løse simple sager automatisk og sende tvivlsomme, følsomme eller utilfredse kunder videre til en medarbejder med en kort opsummering.

Salg og CRM

En salgsagent kan undersøge en virksomhed, samle offentlig information, berige et lead og foreslå næste handling i CRM-systemet. Udsendelse af mails bør i begyndelsen kræve menneskelig godkendelse, så tone, relevans og datagrundlag bliver kontrolleret.

Marketing

En marketingagent kan samle kampagnedata, finde usædvanlige ændringer, udarbejde en status og foreslå hypoteser til næste test. Den kan også koordinere research og kladder, men et menneske bør fortsat godkende budskab, fakta og publicering. Se flere anvendelser i vores guide til AI i markedsføring.

Intern viden og onboarding

En intern agent kan finde procedurer, politikker og produktinformation på tværs af virksomhedens dokumenter. Den kan stille opklarende spørgsmål, vise sine kilder og hjælpe nye medarbejdere videre til den rigtige person, når dokumentationen ikke giver et sikkert svar.

Research og rapportering

En researchagent kan søge i godkendte kilder, sammenligne oplysninger og levere et struktureret udkast med links. Den kan spare tid, men den fjerner ikke behovet for kildekritik. Citater, tal og konklusioner skal kunne spores og kontrolleres.

De vigtigste byggesten i en AI-agent

Microsoft beskriver fem centrale komponenter i en virksomhedsagent: model, instruktioner, datahentning, handlinger og hukommelse. I praksis bør du tilføje to mere: sikkerhedsregler og måling.

• Model: Den store sprogmodel, der fortolker opgaven og vælger næste skridt.
• Instruktioner: Agentens rolle, mål, afgrænsning og regler for, hvornår den skal stoppe.
• Viden og kontekst: De dokumenter og data, som agenten må bruge til at underbygge sit arbejde.
• Værktøjer: Funktioner, API'er og systemer, som gør det muligt at søge, beregne, skrive eller opdatere.
• Hukommelse og tilstand: Den information, der skal bevares gennem en samtale eller en længere opgave.
• Guardrails og godkendelser: Kontrol af input, output, rettigheder og risikofyldte handlinger.
• Evaluering og logs: Testopgaver, kvalitetsmål og sporbarhed, så fejl kan opdages og forbedringer dokumenteres.

Anthropic anbefaler at begynde enkelt og kun tilføje agentisk kompleksitet, når den målbart forbedrer resultatet. Det er et godt princip: Én fokuseret agent med tre gode værktøjer er ofte bedre end fem agenter, der videresender opgaver til hinanden.

Sådan bygger du din første AI-agent

1. Vælg én konkret opgave

Beskriv opgaven som et målbart resultat, ikke som en teknologi. "Reducer tiden til at klargøre ugens kampagnerapport" er bedre end "Vi skal have en marketingagent".

2. Kortlæg den nuværende proces

Notér input, beslutninger, systemer, undtagelser og den person, der ejer resultatet. Hvis processen ikke kan forklares, er den svær at automatisere ansvarligt.

3. Start med læseadgang

Lad først agenten finde, sammenligne og foreslå. Vent med skriveadgang til CRM, mail, økonomi og publicering, indtil kvaliteten er dokumenteret. Begræns adgangen til de data og handlinger, der er nødvendige for opgaven.

4. Beskriv værktøjerne præcist

Agenten vælger værktøj ud fra navn, beskrivelse og parametre. Beskriv derfor tydeligt, hvad værktøjet gør, hvornår det må bruges, og hvad det returnerer. Et uklart værktøj giver uklare valg.

5. Definér godkendelser og stopregler

Beslut på forhånd, hvilke handlinger der kræver et menneske. Det gælder typisk betalinger, kontrakter, sletning, publicering, massekommunikation og behandling af følsomme oplysninger.

6. Test med virkelige eksempler

Lav et testsæt med normale opgaver, vanskelige formuleringer, manglende data og situationer, hvor agenten skal sige nej. Mål både kvalitet, tidsforbrug, omkostning og antallet af nødvendige menneskelige indgreb.

7. Sæt løsningen i drift gradvist

Begynd med få brugere og lav risiko. Gennemgå logs, fejl og feedback regelmæssigt. Udvid først rettigheder og opgavetyper, når agenten har vist stabil adfærd.

Sikkerhed, data og ansvar

En agent kan gøre mere skade end en almindelig chatbot, fordi den kan handle. Derfor skal du behandle den som en digital medarbejder med et meget afgrænset mandat – ikke som en kollega med adgang til alt.

Vær især opmærksom på:

• Mindst mulige adgang: Brug særskilte servicekonti og begræns rettigheder efter opgaven.
• Menneskelig kontrol: Kræv godkendelse før handlinger, der er dyre, irreversible eller påvirker mennesker.
• Datakvalitet: Agentens beslutninger bliver ikke bedre end den kontekst, den får.
• Prompt injection: Dokumenter og websider kan indeholde tekst, der forsøger at få agenten til at ignorere sine regler.
• Personoplysninger: Afklar behandlingsgrundlag, databehandlere, opbevaring og adgang, før persondata kobles på.
• Sporbarhed: Gem relevante beslutninger, værktøjskald og godkendelser uden at logge flere følsomme data end nødvendigt.
• AI-færdigheder: Medarbejdere, der udvikler, driver eller bruger løsningen, skal forstå både muligheder og risici.

Digitaliseringsstyrelsen understreger, at AI-forordningens krav afhænger af både systemets anvendelse og virksomhedens rolle. Få derfor en konkret vurdering, hvis agenten bruges til områder som rekruttering, kredit, sundhed, uddannelse eller andre beslutninger med stor betydning for mennesker.

Hvad koster en AI-agent?

Der findes ikke én meningsfuld standardpris. En prototype med få værktøjer kan være billig at køre, mens en agent med mange brugere, store dokumentmængder og integrationer kan kræve et egentligt softwareprojekt.

Budgettet består typisk af:

• udvikling eller abonnement på en platform
• forbrug af AI-model, søgning og andre API'er
• integrationer, dataklargøring og adgangsstyring
• test, overvågning og løbende vedligehold
• menneskelig kvalitetssikring og behandling af undtagelser

Regn på hele processen – ikke kun prisen per modelkald. Den rigtige business case sammenligner den samlede omkostning og kvalitet før og efter løsningen, inklusive fejl, kontrol og drift.

Ofte stillede spørgsmål

Hvad er en AI-agent?

En AI-agent er et softwaresystem, der bruger AI til at forstå et mål, vælge handlinger og udføre en opgave i flere trin med adgang til godkendte data og værktøjer.

Hvad er forskellen på ChatGPT og en AI-agent?

ChatGPT er et AI-produkt, der både kan bruges som samtaleassistent og have agentiske funktioner. En AI-agent er det generelle systemmønster: Den forfølger et afgrænset mål og kan gennem en applikation bruge værktøjer, hente data og udføre handlinger på tværs af systemer.

Skal man kunne kode for at bygge en AI-agent?

Nej. No-code-platforme kan bruges til enkle og afgrænsede agenter. Kode og teknisk hjælp bliver relevant, når løsningen kræver særlige integrationer, avanceret adgangsstyring, høj driftssikkerhed eller omfattende test.

Kan en AI-agent arbejde helt automatisk?

Teknisk kan nogle agenter gennemføre mange trin uden hjælp, men fuld autonomi er sjældent det bedste udgangspunkt. Risikofyldte, dyre eller irreversible handlinger bør kræve menneskelig godkendelse.

Hvordan ved man, om en AI-agent virker?

Definér et testsæt og mål på korrekte resultater, gennemførte opgaver, fejl, eskaleringer, tidsbesparelse og samlet omkostning. En god demo er ikke det samme som stabil drift.

Kilder og videre læsning

• OpenAI: Agents SDK og centrale agentfunktioner
• Anthropic: Building effective agents
• Microsoft: AI Agent Adoption Guidance for Organizations
• Digitaliseringsstyrelsen: Reglerne i AI-forordningen
• Dinero: AI Agents – sådan laver du en AI Agent til din virksomhed

Vil du arbejde praktisk med generativ AI, værktøjer og ansvarlig implementering, kan du læse om vores AI-kursus for virksomheder.