Viden · AI i praksis
Hvad er en AI-agent, og hvordan kan virksomheder bruge den?
AI-agenter er et af de mest omtalte begreber inden for kunstig intelligens. Men hvad er forskellen på en agent og en chatbot – og hvordan bruger man agenter, så de skaber værdi uden at skabe nye risici?
Kort svar: En AI-agent er et AI-system, der ikke kun svarer på spørgsmål, men også kan udføre handlinger for at nå et mål. Agenten bruger en sprogmodel til at planlægge opgaven i flere trin og kan anvende værktøjer – fx søge i dokumenter, hente data fra et system eller oprette et udkast til en e-mail. Virksomheder bruger agenter til opgaver, der går på tværs af informationer og systemer, typisk med et menneske, der godkender vigtige handlinger.
Chatbot, AI-assistent eller AI-agent?
Begreberne bruges ofte i flæng, men der er en praktisk forskel på, hvor meget systemet selv kan gøre:
| Type | Hvad den gør | Eksempel |
|---|---|---|
| Chatbot | Svarer på spørgsmål i en samtale. | Besvarer spørgsmål om åbningstider og leveringsbetingelser. |
| AI-assistent | Hjælper en bruger med en opgave ud fra instruktioner og evt. virksomhedens eget materiale. | Skriver et udkast til et tilbud ud fra jeres skabeloner. |
| AI-agent | Planlægger og udfører flere trin og bruger værktøjer for at nå et mål. | Gennemgår nye udbud, finder relevante krav og opretter et overblik til en medarbejder. |
Grænserne er flydende. Det afgørende spørgsmål er: Må systemet kun svare – eller må det også handle?
Sådan virker en AI-agent
De fleste AI-agenter består af de samme byggesten:
- En sprogmodel, der forstår opgaven og beslutter næste skridt.
- Instruktioner, der beskriver mål, regler og grænser for agentens arbejde.
- Værktøjer, som agenten må bruge – fx søgning i dokumenter, opslag i et system eller afsendelse af en besked.
- Kontekst og hukommelse, så agenten kan holde styr på opgaven og relevante oplysninger undervejs.
Agenten arbejder i en løkke: Den planlægger et skridt, udfører det, vurderer resultatet og beslutter, hvad der skal ske derefter – indtil opgaven er løst, eller den skal have hjælp fra et menneske.
Eksempler på AI-agenter i virksomheder
- E-mailhåndtering: Agenten læser indgående mails, kategoriserer dem, finder relevante oplysninger og laver udkast til svar, som en medarbejder godkender.
- Udbud og dokumentanalyse: Agenten gennemgår omfattende materiale, finder krav og frister og samler et overblik.
- Kundeservice: Agenten besvarer spørgsmål ud fra virksomhedens eget materiale og opretter en sag, når et menneske skal overtage.
- Rapportering: Agenten henter data fra flere kilder, opsummerer udviklingen og skriver et første udkast til en statusrapport.
- Intern videnssøgning: Agenten finder svar i håndbøger, procedurer og tidligere sager og henviser til kilden.
Se også anonymiserede eksempler under AI i praksis.
Hvornår giver en agent mening – og hvornår ikke?
En AI-agent giver mest mening, når opgaven kræver vurdering af ustruktureret information – tekst, dokumenter eller samtaler – og når den rigtige fremgangsmåde varierer fra gang til gang.
Er opgaven derimod helt regelbaseret, fx at flytte data fra ét system til et andet efter faste regler, er en almindelig automatisering ofte både billigere, hurtigere og mere stabil. Mange gode løsninger kombinerer de to: faste automatiseringer til de forudsigelige trin og AI til de trin, der kræver forståelse af indhold.
Risici, der skal håndteres
Jo mere en agent må gøre, jo vigtigere er det at tænke risici ind fra start:
- Fejl og opdigtede svar. Sprogmodeller kan tage fejl og formulere sig overbevisende om det.
- Forkerte handlinger. En fejl i et svar er én ting; en fejl i en afsendt mail eller en ændret post er en anden.
- For brede adgange. En agent bør kun have adgang til de data og systemer, opgaven kræver.
- Manipulation via indhold. Tekst i mails eller dokumenter kan forsøge at give agenten nye instruktioner (såkaldt prompt injection). Se fx OWASP Top 10 for LLM-applikationer.
- Persondata. Behandling af personoplysninger skal ske i overensstemmelse med GDPR og jeres databehandleraftaler.
- Drift og omkostninger. Agenter skal overvåges, vedligeholdes og have et klart ejerskab.
Sådan kommer I sikkert i gang
- Vælg én afgrænset opgave med tydelig værdi og overskuelig risiko.
- Start med læseadgang. Lad agenten finde, sortere og foreslå – før den må handle.
- Byg menneskelig godkendelse ind dér, hvor fejl kan få konsekvenser.
- Giv mindst mulige rettigheder og log, hvad agenten gør.
- Test på realistiske eksempler, herunder de svære og usædvanlige.
- Udvid gradvist, når løsningen har vist sig pålidelig.
LearnHub hjælper med at designe og udvikle AI-agenter og automatiseringer – og med at uddanne medarbejderne, så de kan arbejde sammen med dem. Er I endnu ikke dér, kan artiklen Sådan kommer små og mellemstore virksomheder i gang med AI være et godt sted at starte.