AI agenter er for mange det næste naturlige skridt i brugen af AI. Hvor klassiske AI værktøjer som ChatGPT, Claude og Gemini primært hjælper dig gennem samtaler og prompts, kan en AI agent arbejde mere selvstændigt mod et mål.
En AI agent er software, der kombinerer data, intelligens og handling. Den kan læse information, vurdere en situation og udføre opgaver på baggrund af de rammer, du giver den. Det gør det muligt at automatisere eller understøtte arbejdsopgaver, der tidligere krævede mange manuelle skridt.
Det kan for eksempel være at besvare kundehenvendelser, opdatere regneark, skrive mails, analysere data eller hjælpe med at holde styr på gentagne arbejdsgange.
Selvom teknologien lyder avanceret, er AI agenter ikke kun for teknikere. Tværtimod går udviklingen i en retning, hvor agenter bliver lettere at bruge for helt almindelige medarbejdere. Ikke nødvendigvis gennem kode og avancerede opsætninger, men direkte i de AI værktøjer mange allerede arbejder med.
Det er især her, udviklingen bliver spændende. For med nye agentfunktioner i ChatGPT og Gemini flytter AI sig fra at være et skrivefelt til at blive en mere aktiv del af arbejdsdagen.
Definitionen på en AI Agent
En AI agent er et system, der kan tage imod information, analysere den og udføre handlinger for at opnå et bestemt mål. Den handler ikke tilfældigt, men arbejder ud fra klare instruktioner, adgang til viden og de værktøjer, den får lov til at bruge.
Man kan sige, at en almindelig chatbot svarer, når du spørger. En AI agent kan i højere grad hjælpe med at føre en opgave videre.
Det betyder ikke, at agenten skal have fri adgang til alt. Tværtimod fungerer gode agenter bedst, når de har en tydelig opgave, klare grænser og adgang til præcis den viden og de værktøjer, der er nødvendige.
Der findes mange måder at beskrive en AI agent på, men i praksis består den typisk af fire elementer:
- LLM som hjerne: Sprogmodel leveret via API fra eksempelvis 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 via API’er, webhooks og lignende.
Når disse elementer spiller sammen, får vi noget, der er mere end en chatbot. Vi får et system, der kan forstå en opgave, planlægge næste skridt og hjælpe med at udføre dele af arbejdet.
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 er at forstå forskellen på simple agenter, der reagerer på faste hændelser, og mere avancerede agenter, der kan arbejde mod et mål.
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 mail.
Systemet gør det samme hver gang. Det analyserer ikke nødvendigvis sammenhængen dybt, men følger en fast regel. Denne type agent minder meget om klassisk automatisering, men kan blive mere intelligent, hvis AI bruges til at vurdere indholdet i det, der kommer ind.
Målstyret agent:
Denne type arbejder ud fra et mål, men kan selv vurdere, hvordan målet bedst opnås. Det kunne eksempelvis være at finde den bedste måde at besvare en kundehenvendelse på, afhængigt af spørgsmålet, kundens situation og den viden, agenten har adgang til.
Det er især de målstyrede agenter, der bliver interessante i den nye bølge af AI værktøjer. De passer godt til almindelige arbejdsopgaver, hvor man ikke bare ønsker et svar, men hjælp til en proces.
Hvordan virker en AI agent?
AI agenter fungerer ved at kombinere en sprogmodel, instruktioner, viden og værktøjer. Sammensætningen gør agenten i stand til at forstå opgaven, vurdere information og udføre næste skridt.
Først får agenten et mål. Det kan være at forberede en rapport, gennemgå en fil, analysere en kundehenvendelse eller samle information fra forskellige steder.
Derefter vurderer agenten, hvilken information den har brug for. Den kan læse dokumenter, analysere data, bruge en søgning eller hente viden fra de systemer, den har adgang til.
Til sidst følger den dén proces, den er bygget til. Den kan skrive et udkast, strukturere information, markere usikkerheder eller foreslå en handling.
Det er netop her, forskellen på en chatbot og en agent bliver tydelig. En chatbot hjælper dig typisk i øjeblikket. En agent er bygget til at hjælpe med en arbejdsgang.
Fra prompts til workflows
Den første bølge af AI handlede meget om prompts. Mange lærte at skrive bedre instruktioner, få bedre svar og bruge AI som en personlig assistent. Det er stadig vigtigt. Men det er ikke længere hele billedet.
Den nye bølge handler om workflows. Altså om gentagne arbejdsprocesser, hvor AI ikke bare svarer på et spørgsmål, men hjælper med at udføre en opgave fra start til slut.
Det er præcis den udvikling, OpenAI peger på, med Workspace Agents i ChatGPT. Her handler det ikke kun om enkeltstående samtaler, men om at tilpasse, så arbejdsgange og AI går hånd i hånd.
Det er et vigtigt skifte. For i mange virksomheder er udfordringen ikke kun, at medarbejderne ikke kan skrive prompts. Udfordringen er, at viden er spredt, processer gentages manuelt, og de samme trin skal forklares igen og igen.
Er ChatGPT en AI agent?
Det korte svar er, at ChatGPT ikke automatisk er en AI agent. En almindelig samtale i ChatGPT er stadig en samtale. Du skriver en prompt, og ChatGPT svarer.
Men ChatGPT kan i dag bruges på en langt mere avanceret måde end tidligere. Med Workspace Agents i ChatGPT kan virksomheder oprette delte agenter, der er bygget til bestemte arbejdsgange. De kan arbejde med filer, værktøjer, apps og processer, og de kan deles i organisationen. De kan også bruges i de værktøjer, hvor arbejdet allerede foregår, for eksempel ChatGPT eller Slack.
Derfor er det ikke længere nok bare at sige, at ChatGPT ikke er en agent. Det mere præcise svar er, at ChatGPT både kan være en samtalemodel og en agentplatform, afhængigt af hvordan det bruges.
Det er især relevant for virksomheder, fordi agentarbejdet dermed bliver mindre teknisk. Man behøver ikke nødvendigvis starte med API’er, webhooks og udviklingsprojekter. Man kan i højere grad starte med en arbejdsproces og bygge agenten omkring den.
Workspace Agents i ChatGPT
Workspace Agents er OpenAIs bud på, hvordan virksomheder kan arbejde mere systematisk med AI agenter.
Hvor GPT’er i ChatGPT ofte har fungeret som specialiserede assistenter, er Workspace Agents tænkt som noget mere procesnært. De er lavet til gentagne arbejdsgange, hvor en organisation ønsker en mere ensartet måde at bruge AI på.
Det kan være arbejdsgange, hvor agenten skal samle information, følge en fast metode, bruge bestemte værktøjer og aflevere et resultat i et bestemt format. Det vigtige er ikke, at agenten kan alt. Det vigtige er, at den kan løse én type opgave på en stabil og brugbar måde.
Det gør Workspace Agents interessante, fordi de flytter fokus fra den enkelte medarbejders prompt til virksomhedens fælles proces. I stedet for at alle selv skal finde ud af, hvordan AI bedst bruges til en opgave, kan man bygge en agent, der følger den ønskede metode. Det giver bedre kvalitet, mere ensartethed og mindre manuelt gentagelsesarbejde.
Det er også derfor, Workspace Agents peger på en mere moden brug af AI. De handler ikke bare om at arbejde hurtigere. De handler om at gøre gode arbejdsgange lettere at gentage.
Er GPT’er i ChatGPT AI agenter?
GPT’er i ChatGPT, også kaldet Custom GPTs eller tilpassede GPT’er, er ikke det samme som fulde AI agenter.
De kan have egne instruktioner, filer og værktøjer, og de kan være meget nyttige til bestemte opgaver. En GPT kan for eksempel hjælpe med SEO, kundeservice, analyse, tekstproduktion eller intern vidensdeling.
Men GPT’er kræver typisk, at brugeren starter opgaven. De fungerer derfor ofte som specialiserede hjælpere, ikke som selvstændige agenter.
Workspace Agents er et skridt videre. Her handler det ikke kun om at have en specialiseret samtale, men om at bygge en agent omkring en gentagen arbejdsgang.
Derfor kan man sige, at GPT’er ofte er et godt første skridt. Workspace Agents er næste skridt, når AI skal indgå mere fast i virksomhedens processer.
Gemini Spark og den næste bølge af agenter
OpenAI er ikke alene om denne udvikling. Google bevæger sig i samme retning med Gemini Spark og agentfunktioner i Google Workspace.
Gemini Spark viser, hvordan AI i stigende grad bliver en personlig agent, der kan arbejde på tværs af mails, kalender, dokumenter, regneark og andre værktøjer. Det interessante er ikke kun teknologien, men arbejdsformen.
AI bliver mindre et separat værktøj ved siden af arbejdet. AI bliver en del af selve arbejdet.
Det er sandsynligvis her, mange virksomheder vil møde agenter fremadrettet. Ikke gennem tunge tekniske opsætninger, men gennem de platforme, de allerede bruger hver dag.
Det gør AI agenter relevante for langt flere end de teknisk interesserede.
Hvad kan AI agenter bruges til?
AI agenter er især gode til opgaver, der gentager sig, følger en fast proces eller kræver, at information samles fra flere steder. Det kan være rapportering, kundeservice, analyse, dokumentation eller intern support.
Det vigtigste er ikke selve opgaven, men om processen kan beskrives tydeligt. Jo mere struktureret arbejdet er, jo bedre fungerer en agent typisk.
Hvis en AI agent laver fejl, hvem har ansvaret?
AI agenter kan lave fejl, ligesom mennesker og andre systemer kan. Derfor er det vigtigt med den rette opsætning, klare instruktioner og løbende kontrol.
I praksis ligger ansvaret hos den virksomhed eller person, der bruger agenten. Risikoen kan dog minimeres betydeligt ved at styre, hvilke data og værktøjer agenten har adgang til, og hvilke handlinger den må udføre. Jo mere præcist en agent er afgrænset, jo mere sikkert og stabilt vil den typisk arbejde.
Netop disse overvejelser er et væsentligt omdrejningspunkt på vores ChatGPT Agent kursus. Kurset lærer dig at arbejde konkret med AI agenter i ChatGPT, så du opbygger med større kontrol og fornuft.
