Jeg taler med mange danske virksomheder om AI-agenter i øjeblikket, og det er tydeligt, at forventningerne og virkeligheden ikke altid mødes. Nogle tror, at en agent er en slags digital medarbejder, der bare kan slippes løs i systemerne og selv finde ud af resten. Andre er overbeviste om, at det hele er hype. Begge dele kan være delvist sande, afhængigt af hvordan man griber det an.
Lad os starte med det, en AI-agent faktisk er. Det er en software, der bruger en sprogmodel som motor, og som kan kalde værktøjer (læs: API’er, databaser, mailservere, kalender) for at udføre flertrinsopgaver. Ikke magi. Ikke en kollega. Et stykke automatisering, der kan ræsonnere over input og vælge mellem handlinger.
Hvor giver det så mening internt i en dansk virksomhed? Jeg ser tre områder, der dukker op igen og igen.
Tre realistiske brugsområder
Det første er sortering og forberedelse af indgående information. Mails, supporthenvendelser, fakturaer, ansøgninger. En agent kan læse, klassificere, foreslå svar og lægge sagen det rigtige sted. Ikke afslutte den. Bare gøre den klar til et menneske.
Det andet er rapportering og opsamling. Træk data fra flere systemer (CRM, projektværktøj, regnskab), sammenlign med sidste måned, skriv et udkast til ugens statusrapport. Det er en opgave, hvor agenter er stærke, fordi formatet er gentaget og kilderne er kendte.
Det tredje er onboarding-hjælp og intern videnssøgning. En agent, der har adgang til virksomhedens politikker, manualer og procedurer, og som kan svare nye medarbejdere på spørgsmål uden at de skal forstyrre en kollega. Her vinder man tid på begge sider.
Bemærk, hvad jeg ikke nævner: “agenten driver hele kundeservicen” eller “agenten håndterer økonomiopfølgning end-to-end”. Det er stadig områder, hvor jeg vil være forsigtig.
Det, der går galt
Når jeg bliver kaldt ind på et projekt, der er gået skævt, er det sjældent modellen, der er problemet. Det er rammerne om den.
Adgang er et tilbagevendende tema. En agent, der har skriveadgang til et produktionssystem på dag ét, er en risiko. Start altid med læseadgang. Lad agenten foreslå handlinger, men lad et menneske godkende, indtil I har bygget tillid til, hvad den faktisk gør.
Roller er det næste. Hvem ejer agenten? Hvem opdager, hvis den begynder at svare forkert? Hvis svaret er “det gør IT vel”, så er svaret reelt “ingen”. En agent skal have en ansvarlig forretningsejer, præcis som en database eller et CRM-system.
Test bliver ofte sprunget over. Folk laver en demo, den virker på fem eksempler, og så ruller man ud. Lav i stedet et testsæt med 50-100 reelle henvendelser fra jeres egen historik, kør agenten igennem dem, og se hvor den fejler. Det er der, læringen ligger.
Og så er der eskalation. En god agent ved, hvornår den skal sige “det her sender jeg videre til et menneske”. En dårlig agent gætter. Byg eskalationsstier ind fra dag ét.
Governance behøver ikke være tungt
Mange virksomheder hører “governance” og forestiller sig en sekscifret konsulentregning. Det behøver det ikke at være. På et lille hold kan governance være tre ting på en side:
Hvad må agenten røre ved (systemer og data). Hvem ser logfilen. Hvad sker der, hvis den fejler.
Det er minimum. Større organisationer har naturligvis brug for mere, særligt hvis I behandler personoplysninger eller arbejder i regulerede brancher. Men start med det enkle, og udvid efter behov. Det modsatte (start tungt, simplificér aldrig) ender med, at projektet aldrig kommer ud af pilotfasen.
Forventninger der holder
Hvis du overvejer at investere i AI-agenter til interne arbejdsgange
, vil jeg foreslå, at du måler succes på to ting: hvor meget rutinearbejde flytter sig væk fra mennesker, og hvor mange fejl agenten introducerer. Begge skal måles. Ikke kun den første.
En agent, der sparer 20% af tiden men introducerer fejl, der koster 30% mere at rette op på, er et minus. Det lyder banalt, men jeg har set virksomheder rulle ud uden den anden måling.
Til sidst: AI-agenter er ikke autonome af sig selv. De er ikke sikre af sig selv. De er ikke compliant af sig selv. De er værktøjer, der bliver sikre, ansvarlige og nyttige, fordi nogen har sat rammerne. Det er den vigtigste pointe.
Spørg ikke “kan vi få en agent?”. Spørg “hvad er den første arbejdsgang, hvor en agent kan aflaste et menneske, uden at vi mister overblikket?”. Det er der, arbejdet starter.
