AI agenter er for mange det næste naturlige skridt, i anvendelsen af AI. I modsætning til klassiske AI-værktøjer, som ChatGPT og Gemini hvor du selv skal skrive og klikke dig frem, kan en AI agent arbejde på egen hånd.
En AI Agent arbejder selvstændigt og målrettet, uden konstant input fra dig. Den forstår dine mål, træffer beslutninger og handler. Du sætter retningen, agenten udfører. En AI agent er en avanceret software, der kombinerer data, intelligens og handling. Den kan læse information, tage beslutninger og sætte ting i gang automatisk. Det gør det muligt at automatisere opgaver, der tidligere krævede menneskelig indsats. For eksempel at besvare kundehenvendelser, opdatere regneark eller styre e-mails.
Selvom softwaren er avanceret, er AI agenter er ikke kun for teknikere. De er for alle, der ønsker mere tid, færre gentagelser og en smartere arbejdsdag. Med de rette værktøjer kan du komme i gang. Det kræver ikke direkte kodning, kun lysten til at tænke i nye metoder.
Definitionen på en AI Agent
En AI agent er et system, der kan tage imod information, analysere den og selv udføre handlinger for at opnå et bestemt mål. Den handler ikke tilfældigt, men arbejder ud fra klare mål som du selv giver den. Det kan være alt fra at holde styr på tilmeldinger, til at skrive og sende e-mails eller analysere kundedata.
Der findes mange måder at definere en AI agent på, men støtter vi os til et af værktøjerne, Make.com, defineres det som en kombination af fire elementer.
- LLM som hjerne: Sprogmodel leveret vha. API fra eks. OpenAI, Claude eller Gemini.
- Instruktion: En avanceret prompt, der sætter retningen for systemet.
- Hukommelse: Rummer data og kontekst, så AI’en kan forstå opgaven korrekt.
- Værktøjer: Giver agenten adgang til at handle i forskellige systemer vha. API, Webhook, etc.
Elementerne gør tilsammen, at en AI agent kan planlægge, udføre og justere handlinger i praksis. Når du bygger en agent, sætter du rammerne og giver adgang til dens værktøjer. Herfra arbejder agenten selvstændigt.
Forskellige typer af AI agenter
Der findes flere typer af AI agenter, men du behøver heldigvis ikke at kende til dem alle, for at komme i gang. Det vigtigste at forstå er, at nogle AI agenter er simple, mens andre kan løse mere avancerede opgaver.
Reaktiv agent: Den mest enkle form for AI Agent. Agenten reagerer på én bestemt begivenhed og udfører én fast handling. Et eksempel kunne være: “Hvis der kommer en ny tilmelding, send en e-mail.” Systemet gør den samme handling hver gang, uden at lære eller tænke over sammenhængen.
Målstyret agent: Denne type arbejder ud fra et mål, men beslutter selv, hvordan det bedst kan opnås. Det kunne eksempelvis være at finde den bedste måde at besvare en kundehenvendelse på, afhængigt af spørgsmålet. Systemet tilpasser altså sin strategi undervejs, ud fra informationer, viden og programmer.
Lærende agent: Den lærende agent kan bruge feedback, til at blive bedre over tid. Den justerer sine beslutninger baseret på tidligere resultater og erfaringer. I praksis anvendes denne type kun i meget avancerede løsninger. Det er nærmest umuligt selv at opsætte og drifte, men vid at OpenAI og Claude allerede har udviklet muligheden.
Samarbejdende agenter: Det er i nogle systemer også muligt at lade forskellige agenter samarbejde på kryds og tværs. Som fagterm kaldes det et multi-agent system. Det betyder, at forskellige agenter kan arbejde sammen og have hver deres rolle i samarbejdet. Præcis som på en rigtig arbejdsplads. Men, det er endnu et ungt område af arbejdet med AI agenter. For de bliver det sjældent aktuelt at udvikle disse typer, da mange virksomheder ønsker skærpet kontrol og opdelte processer, for at sikre sig mod faldgruber og agent interferens.
Hvordan virker en AI agent?
AI agenter fungerer, ved at kombinere de fire nøglekomponenter: En sprogmodel som hjerne, instruktion (systemprompt), hukommelse (data og kontekst) og et udvalg af værktøjer. Sammensætningen gør AI agenten i stand til at forstå opgaven, planlægge og udføre sine handlinger. Den kan have adgang til et bredt udvalg af viden og værktøjer, og skal med sin hjerne bevæge sig runt i disse for at udføre den ønskede handling.
Mange tror, at det kræver avanceret kode og stor teknisk ekspertise at bygge en AI agent. Men det behøver det ikke. Med et kursus i AI agent og automatisering, lærer du at indlejre AI i dine processer. Med en grundig gennemgang af platformen Make.com, gør vi det nemt at bygge flows med AI og agenter. Make.com arbejder med det, vi kalder målstyrede agenter. Agenter som får adgang til de fire typer af nøglekomponenter og selvstændigt arbejder imod et mål.
Selve beslutningskraften kommer fra en LLM, altså en sprogmodel som eksempelvis OpenAI, Claude eller Gemini. Du vælger selv, hvilken model du vil anvende. Du køber adgang til disse vha. API, som oftest er meget billigere end man først lige forventer. Modellen er efterfølgende ansvarlig for at analysere input, forstår instruktionen og vælge hvad AI agenten skal udføre.
Er ChatGPT en AI agent?
Det korte svar er nej. ChatGPT, som du måske allerede kender og anvender, er en avanceret samtalemodel, men ikke en agent. Den svarer kun, når du giver den input. Den kan ikke selv handle eller tage initiativ. Den har således ingen mål, den arbejder hen imod, og den reagerer ikke automatisk på hændelser. Den er smart, men ikke automatisk. Dette gælder også, selvom du anvender funktionen “Agenttilstand”. Denne funktion er ikke automatisk, men kræver at du assisterer med et input.
ChatGPT kan dog være en del af en AI agent. For eksempel kan du bruge dens model ChatGPT 4o, som “hjernen” i din agent, når du arbejder i Make.com eller på andre platforme. ChatGPT bliver således en del af den samlede løsning, som definerer en AI Agent. For at anvende ChatGPT og modellen 4o, skal du købe adgang til en API hos moderselskabet OpenAI.
Er GPTs i ChatGPT AI agenter
GPTs i ChatGPT, også kaldet Custom GPT eller tilpassede versioner, er heller ikke rigtige AI agenter. De er smarte, fordi de bygger på egne instruktioner og filer. De kan defineres med en rolle, instruktioner og adgang til værktøjer og data. Men de mangler én vigtig evne. De kan ikke selv tage initiativ eller køre handlinger på egen hånd. De kræver fortsat menneskelig input.
Derfor kan man sige, at GPTs er et naturligt skridt, før udvikling af en AI agent. De har mange ens byggesten, men mangler evnen til at handle proaktivt. Det gør dem kraftfulde som hjælpere, men ikke som fuldgyldige agenter. Og med AI agenter handler det om at sætte processer på autopilot.
Hvis skyld er det, hvis en AI agent laver fejl?
Hvis en AI agent træffer en forkert beslutning eller handler på baggrund af fejlagtige data, rejser det et naturligt spørgsmål om ansvar. Er det modellens, udviklerens eller brugerens skyld?
I praksis ligger ansvaret som udgangspunkt hos den person eller organisation, der har bygget og opsat agenten. Det er derfor enormt vigtigt at teste agenten meget grundigt, sætte klare grænser for dens handlinger og sikre, at data og instruktioner er korrekte.
Ligesom med andre værktøjer og AI, er det dig som bruger, der har kontrollen og dermed også ansvaret for, hvordan AI’en opfører sig.