AI-agenter der passer én opgave
En agent er ikke en assistent du skriver til. Den vågner på et tidspunkt eller på en hændelse, henter de data den skal bruge, vurderer dem efter en instruktion og lægger et forslag på bordet. Mennesket godkender, og først derefter sker der noget.
En AI-agent er et program der selv henter data, vurderer dem efter en instruktion og foreslår en handling, på et fast tidspunkt eller udløst af en hændelse.
Når en opgave råber på en agent
Fire kendetegn ved opgaver der egner sig. Er de opfyldt, plejer en agent at tjene sig hjem hurtigt. Handler det mere om at forbinde systemer, hører det under automatiseringer.
Hver mandag, hver måned eller hver gang der lander en ny henvendelse. Opgaver med en rytme kan sættes på skinner, og rytmen bliver også målestokken for om agenten virker.
Tallene ligger i et system med en adgang: annonceplatforme, Analytics, en database eller et regneark. Ligger de kun i nogens hoved, skal de først skrives ned.
Der findes et princip for hvad der er godt og skidt, også selv om det aldrig er blevet formuleret. Kan reglen skrives ned, kan den også instrueres.
Opgaven er vigtig og bliver alligevel nedprioriteret når der er travlt. Det er som regel dér en agent giver mest, fordi den ikke bliver træt af den.
Sådan bygges en agent der kan stoles på
Rækkefølgen er den samme hver gang, og den er bygget for at undgå den klassiske fælde: en demo der imponerer og en drift der skuffer. Seks trin fra idé til agent i drift.
Hvad skal agenten præcist gøre, og hvad skal den holde sig fra. En snæver opgave løst godt slår en bred agent der laver alting halvt.
Kilder, adgange og kvalitet gennemgås inden der bygges. Uden et ordentligt grundlag gætter agenten, og gæt er værre end ingenting.
Agentens vurderingskriterier skrives ned og testes mod tilfælde du kender svaret på. Uenighed mellem agent og menneske er det bedste materiale at rette efter.
Forslaget lander til godkendelse, typisk i Telegram eller et dashboard, med begrundelse og data. Du godkender eller afviser, og begge dele bliver gemt.
Agenten kører på skema, fejl bliver fanget og meldt, og ændringer logges. En agent der fejler i stilhed er farligere end ingen agent.
Godkendelsesprocenten følges. Ligger den højt over mange beslutninger, kan der løsnes på båndene, og det er en beslutning du tager, ikke agenten.
Tre principper bag hver agent
De samme tre principper gælder uanset opgaven. De er grunden til at agenterne kan sættes i drift uden at nogen ligger søvnløs.
Agenter der skal kunne alt, bliver upålidelige. Flere små agenter med hver sit ansvar er nemmere at fejlsøge og stole på.
Hvert forslag kommer med de data det bygger på. Kan begrundelsen ikke læses, kan forslaget ikke vurderes.
Der er en knap der slukker, en log der viser hvad der skete, og en vej tilbage. Det er forudsætningen for at turde sætte noget i drift.
Det hver agent leveres med
Sådan ser arbejdet ud i tal
Sådan ser en agent ud i praksis
Et konkret eksempel er en agent der hver morgen gennemgår søgetermerne i en Google Ads-konto, finder dem der koster penge uden at konvertere, og foreslår dem som negative søgeord. Forslaget lander i Telegram med tal og begrundelse, og først når det bliver godkendt, sker der noget i kontoen.
Værdien ligger i rytmen. Opgaven er ikke svær, men den bliver sjældent gjort hver dag, og det er netop hver dag den betaler sig.
En agent skal kunne forklare hvorfor den foreslår noget. Kan den ikke det, er den ikke klar til at foreslå noget.
Det folk spørger om AI-agenter
Har du en opgave en agent kunne passe?
Beskriv processen, så vurderer vi sammen om den egner sig. Egner den sig ikke, får du det at vide med det samme.
Andre AI-områder
Automatiseringer
Manuelle rutiner sat på skinner, uden dobbeltarbejde.
Læs mereIntegrationer
Systemerne taler sammen, så data ikke skal flyttes i hånden.
Læs mereData og workflows
Et datagrundlag agenterne kan arbejde på uden at gætte.
Læs mereSkræddersyet AI-udvikling
Hele udviklingssporet: fra idé til løsning i drift.
Læs mereAI-produkter
Færdige agent-produkter på abonnement med fast pris.
Læs mere