Projects, Skills og Agenter

De fleste bruger AI som en almindelig chat. Det er et godt sted at begynde, men funktionerne i ChatGPT, Claude og Microsoft Copilot rækker langt videre. Projects samler viden og samtaler, Skills fastholder en arbejdsmetode, og agentisk AI kan løse større opgaver på tværs af filer og systemer.

Samtidig er forskellene mellem værktøjerne blevet tydeligere. ChatGPT har fået Work, Workspace Agents og Dots. Claude tilbyder Cowork, planlagte Cowork opgaver og Claude Duet. Microsoft samler flere funktioner i Copilot med Cowork og Code. Det giver flere muligheder, men gør det også vigtigere at forstå, hvad de forskellige funktioner faktisk bruges til.

I denne guide tager vi udgangspunkt i arbejdsopgaven frem for produktnavnet. Målet er at give dig et overblik over funktionerne, og hvornår du bør bruge dem.

Kort sammenligning af AI-systemerne

Opdateret den 3. november 2026.

Vælg funktionen efter opgaven

Start med at se på, hvad AI’en skal hjælpe med. Skal den huske et forløb, følge en fast metode eller udføre arbejdet på egen hånd? Det er forskellige behov, som kræver forskellige funktioner.

• Projects og arbejdsområder: Når samtaler, filer og instruktioner skal samles omkring et længere forløb, enten personligt eller med kollegaer.
• Skills: Når en bestemt arbejdsmetode skal genbruges, så resultatet bliver mere ensartet.
• Apps og plugins: Når AI’en skal bruge viden eller udføre handlinger i tilsluttede systemer.
• Agentisk AI: Når AI’en skal planlægge og gennemføre en større opgave i flere trin.
• Automatisering og always-on agenter: Når arbejdet skal fortsætte efter en tidsplan, en hændelse eller på eget initiativ inden for aftalte rammer.
• AI Code: Når AI’en skal arbejde med kode, filer, data eller bygge en teknisk løsning.

Funktionerne kan kombineres. Et Project kan eksempelvis rumme kundens materiale, en Skill kan fastlægge metoden til at lave et tilbud, og en agent kan hente de nødvendige oplysninger og samle det færdige resultat.

Hvad er Projekter?

Et Project er et vedvarende arbejdsområde, hvor du samler samtaler, filer, instruktioner og relevant baggrundsviden. Det er særligt nyttigt, når arbejdet strækker sig over flere dage eller samtaler, og AI’en skal kunne bygge videre på den samme kontekst.

Du kan eksempelvis oprette et Project til en kunde, et internt udviklingsprojekt eller en tilbagevendende rapport. Når du senere skal forberede et møde eller arbejde videre med en analyse, ligger materialet samlet ét sted.

ChatGPT og Claude tilbyder begge Projects, men Microsoft har udvidet mulighederne med flere forskellige funktioner. I Copilot er det især vigtigt at skelne mellem Projects, Arbejdsområder og de såkaldte agenter i Copilot Chat.

Projects i Copilot er personlige. Her samler du dine egne chats, opgaver, filer og resultater i et afgrænset projekt. AI’en arbejder ud fra projektets instruktioner og kontekst, hvilket giver en mere styret og fokuseret arbejdsproces.

Arbejdsområder i Copilot er udviklet til samarbejde. Her kan flere kollegaer arbejde med de samme dokumenter, oplysninger og opgaver. Det gør funktionen velegnet til fælles projekter, hvor viden og resultater skal deles på tværs af medarbejdere. Funktionen afløser de tidligere Copilot Notebooks.

Agenter i Copilot Chat er ikke nødvendigvis selvstændige AI-agenter. Navnet kan være misvisende. De almindelige agenter, du opretter direkte i Copilot Chat, fungerer primært som specialiserede assistenter med egne instruktioner, videnskilder og eventuelt tilknyttede handlinger. De reagerer på brugerens henvendelser, men arbejder ikke automatisk videre på egen hånd.

Det er derfor vigtigt at skelne mellem en instrueret AI-assistent og en autonom agent. En assistent hjælper dig med at løse en bestemt type opgave, mens en autonom agent kan planlægge og udføre arbejde uden løbende instruktioner fra brugeren.

Forskellen er altså: Projects organiserer dit personlige arbejde, Arbejdsområder understøtter samarbejde, og Copilot Chat-agenter tilpasser AI’ens svar og funktion til en bestemt opgave. Ingen af delene bør i sig selv forveksles med selvstændigt arbejdende agentisk AI.

Hvad er en Skill?

En Skill er en genanvendelig arbejdsmetode. Den beskriver de trin, regler og kvalitetskrav, AI’en skal følge, når den løser en bestemt type opgave. Hvor et Project samler konteksten, beskriver en Skill fremgangsmåden.

En Skill kan indeholde instruktioner, skabeloner, referencefiler, eksempler, beregninger og kode. Det gør den velegnet til opgaver, hvor du ønsker samme struktur og kvalitet hver gang. Det kan være evaluering af webshopanmeldelser, udarbejdelse af tilbud, kvalitetssikring af en artikel eller en fast månedsrapport.

I praksis er en Skill især værdifuld, når du ellers ville skrive den samme lange prompt igen og igen. Du definerer metoden én gang og bruger den derefter i almindelige chats, Projects eller andre understøttede arbejdsflader.

Apps og plugins giver AI adgang til at handle

En Skill fortæller AI’en, hvordan en opgave skal løses. En app eller integration giver den adgang til hvor oplysningerne findes, og hvilke handlinger den må udføre.

Med de rette forbindelser kan AI eksempelvis finde en mail i Outlook, sammenholde oplysningerne med dokumenter i SharePoint og forberede et svar eller en rapport. Det kan ske gennem plugins, apps og andre integrationer, afhængigt af platformen.

For virksomheder er adgangsstyringen mindst lige så vigtig som selve funktionen. En agent bør kun have adgang til de systemer og data, den skal bruge. Handlinger, der ændrer eller sender information, kræver klare regler for kontrol og godkendelse.

Hvad er agentisk AI?

Agentisk AI er en arbejdsform, hvor AI’en ikke kun svarer på spørgsmål, men også kan planlægge og udføre flere trin for at nå et resultat. Du beskriver opgaven, hvorefter systemet kan hente information, vælge værktøjer, arbejde med filer og samle en leverance.

Det kan eksempelvis være at forberede et kundemøde på baggrund af mails, kalender og dokumenter eller at analysere flere regneark og udarbejde en rapport. Opgaven kræver mere end ét svar, og derfor giver det mening at overlade en større del af processen til AI’en.

ChatGPT Work, Claude Cowork og Copilot Cowork er tre eksempler på denne type arbejdsflade. De har forskellige integrationer og adgangskrav, men bygger på samme princip: AI’en arbejder videre med opgaven, mens brugeren kan følge med, justere retningen og godkende vigtige handlinger.

I Microsofts løsning er Cowork knyttet til forbrugsbetaling med Copilot Credits. Derfor skal både adgang, økonomi og opgavens kompleksitet vurderes, inden virksomheden ruller funktionen bredt ud.

Automatiserede agenter arbejder efter en plan

En agent behøver ikke begynde med en ny besked fra brugeren hver gang. Nogle opgaver kan startes på bestemte tidspunkter, mens andre kan aktiveres af en hændelse i et tilsluttet system.

Workspace Agents i ChatGPT kan bruges til fælles arbejdsgange og planlagt arbejde på tværs af teamets værktøjer. ChatGPT Work understøtter også planlagte opgaver. Claude Cowork har tilsvarende planlagte opgaver, der kan køre i skyen, mens Copilot Cowork automatisering kan starte opgaver efter en tidsplan eller relevante hændelser.

Det kan eksempelvis være en ugentlig rapport fra flere systemer, en daglig opsamling på nye kundehenvendelser eller en analyse, der kører, når en bestemt fil er opdateret.

Forskellen på en planlagt agent og almindelig chat er, at opgaven ikke skal bestilles manuelt hver gang. Men det gør også instruktioner, adgangsrettigheder og kontrol vigtigere. En fejl i en automatiseret proces kan ellers blive gentaget mange gange.

Always-on agenter tager næste skridt

Always-on agenter går et skridt videre end almindelige planlagte opgaver. De er tænkt som mere vedvarende AI-hjælpere, der kan holde øje med relevante forhold, følge op på længere forløb og selv gøre opmærksom på noget, der kræver din beslutning.

ChatGPT Dots er OpenAI’s løsning med en vedvarende agent, som kan arbejde via sin egen cloudcomputer og tilsluttede apps. Claude Duet er Anthropics bud på en proaktiv hjælper, der kan forberede arbejde og kontakte brugeren, når der er behov for opmærksomhed. Copilot Autopilot er Microsofts tilsvarende satsning på en agent, der fortsætter arbejdet på tværs af virksomhedens systemer.

Funktionerne er ikke nødvendigvis tilgængelige for alle endnu. Dots afhænger af abonnement og adgang. Claude Duet blev lanceret som en begrænset research preview med venteliste, indledningsvist i USA. Copilot Autopilot er introduceret i preview. Derfor skal virksomheder skelne mellem en annonceret mulighed og en funktion, medarbejderne faktisk kan bruge i dag.

Det væsentlige er ikke, om AI’en kaldes en personlig assistent eller en digital kollega. Det er, om den har et klart formål, de rette tilladelser og en tydelig grænse for, hvilke beslutninger den selv må træffe.

Hvad er AI Code og vibe coding?

Vibe coding betyder, at du beskriver en teknisk løsning i almindeligt sprog, hvorefter AI’en hjælper med at bygge den. Du behøver ikke begynde med at skrive koden selv. Til gengæld skal du kunne forklare opgaven, vurdere resultatet og teste, om løsningen fungerer.

Codex fra OpenAI og Claude Code fra Anthropic kan arbejde med kodebaser, filer og tekniske arbejdsgange. Copilot Code fra Microsoft er rettet mod at bygge eksempelvis interne apps, dashboards og automatiseringer ud fra en beskrivelse. Copilot Code skal ikke forveksles med GitHub Copilot, selv om teknologien er beslægtet.

Det åbner også muligheder for medarbejdere uden en traditionel udviklerrolle. AI Code kan bruges til at rense data, sammenligne filer, lave små interne værktøjer eller automatisere tekniske opgaver. Men adgang til kode og systemer indebærer et ansvar. En løsning skal testes, sikkerhedsvurderes og vedligeholdes, før den bruges i drift.

I tabellen er Codex og Claude Code markeret som inkluderet i relevante abonnementer. Copilot Code er markeret med forbrugsbetaling, og Microsoft beskriver brugen gennem Copilot Credits. Den konkrete adgang og eventuelle grænser afhænger fortsat af virksomhedens licenser.

Forbrugsbetaling kræver overblik

Flere avancerede funktioner i Microsoft Copilot bruger Copilot Credits. Det gælder blandt andet Cowork og Code. Når en opgave kræver flere trin, mange datakilder eller flere færdige leverancer, vil forbruget typisk være større end ved en enkel opsummering.

Microsofts aktuelle vejledning viser følgende eksempler på estimeret forbrug i Copilot Cowork:

Niveau	Microsofts eksempel	Credits	Omtrentlig pris
Light	Ugentlig status med prioriteter og kalenderdata	100 til 300	1,00 til 3,00 USD
Medium	Kundemøde med mails, filer, salgsoversigt og præsentation	300 til 700	3,00 til 7,00 USD
Heavy	Analyse af seks måneders produktdata og ledelsesrapport	Over 700	Over 7,00 USD

Beregnet med Microsofts vejledende pris på 0,01 USD pr. Copilot Credit ved forbrugsbetaling. Tallene er planlægningsestimater, ikke faste priser. Kilde: Microsofts Copilot Credits Licensing Guidance.

For virksomheder er pointen derfor ikke kun, hvad en enkelt opgave koster. Det er også, hvor ofte den udføres, hvor mange medarbejdere der bruger funktionen, og om arbejdet faktisk frigør tid. Begynd med nogle få konkrete arbejdsgange, og følg både kvalitet og forbrug, før løsningen udvides.

Kan virksomheden nøjes med ét AI-system?

Et fælles standardsystem gør det lettere at styre licenser, data, support og sikkerhed. For mange medarbejdere vil én platform være tilstrækkelig til tekst, research, dokumentarbejde og almindelige opgaver.

Men medarbejdere har forskellige behov. ChatGPT og Claude giver brede muligheder for Projects, Skills, agentisk arbejde og kode. Microsoft Copilot er tæt forbundet med Microsoft 365 og kan være det naturlige valg, når arbejdet især foregår i Outlook, Teams, Word, Excel og SharePoint. Samtidig har Microsoft udbygget platformen med Cowork, Skills, Code og automatisering.

Virksomheden bør derfor vælge ud fra de konkrete arbejdsprocesser frem for at rangordne systemerne generelt. Det er også vigtigt at afgøre, hvilke funktioner der er inkluderet i abonnementet, hvilke der kræver ekstra betaling, og hvem der skal have adgang til dem.

På vores AI Master arbejder vi med den praktiske anvendelse af Projects, Skills, agenter og agentiske arbejdsflader. Formålet er at gøre det lettere at vælge den rette tilgang og bruge AI professionelt i den daglige opgaveløsning.

Den rigtige funktion er vigtigere end navnet

Udviklingen går fra AI som en chat til AI som en del af selve arbejdsprocessen. Projects giver sammenhæng, Skills skaber en fast metode, apps giver adgang til relevante systemer, og agenter kan udføre arbejdet. Med automatisering og always-on agenter kan noget af arbejdet også fortsætte, uden at brugeren starter forfra hver gang.

Det betyder ikke, at alle virksomheder skal tage alle funktioner i brug. Begynd med en opgave, hvor gevinsten er tydelig, og vælg derefter den løsning, der passer til data, medarbejdere og økonomi. Værdien opstår først, når funktionen bruges rigtigt og resultatet kan kontrolleres.