IT-drift er ved at skifte fra en reaktiv disciplin til en autonom én. Det sker hurtigere end de fleste virksomheder er klar til, og kløften mellem dem der forbereder sig nu og dem der venter, vil være svær at lukke efterfølgende.
Fra reaktiv til autonom drift
Agentic ITOps betyder at AI-agenter ikke blot analyserer og rapporterer - de handler. De diagnosticerer hændelser, koordinerer svar og løser problemer uden menneskelig indgriben i hvert enkelt trin.
Tallene er ikke fremtidsscenarier. BT Group reducerede mean time to remediation fra 2 timer til 85 sekunder med AIOps. AWS DevOps Agent kan detektere og diagnosticere produktionshændelser på 4 minutter uden menneskelig indgriben. Generelt viser data at AI-agenter der håndterer de første 5-10 minutter af en hændelse reducerer MTTR med 40%.
Markedet bevæger sig i takt med det. Gartner estimerer at 70% af virksomheder vil deploye agentic AI i IT-drift inden 2029, mod under 5% i dag. 83% af virksomheder i Cisco AI Readiness Index 2025 planlægger allerede en udrulning, og 72% af Global 2000-virksomheder kører agentsystemer ud over eksperimentfasen. Over 60% af store virksomheder bevæger sig mod selvhelende systemer drevet af AIOps.
Dataproblemet ingen taler om
Mest fokus i diskussionen om agentic ITOps havner på agenterne selv - hvilken model, hvilken platform, hvilke kapabiliteter. Det er den forkerte ende at starte i.
For at agenter kan virke i IT-drift, skal data være i orden. I de fleste virksomheder er information siloopdelt i separate repositories som IT-teamet manuelt korrelerer. En agent der ikke kan trække på tværs af disse siloer, kan ikke handle - kun gætte.
Tre datatyper skal samles i én sammenhængende struktur: CMDB-data der fortæller hvad der kører og hvordan det hænger sammen, observability-data der fortæller hvad der sker i realtid, og teamets akkumulerede viden i form af runbooks og SOPs. Det sidste er konsekvent undervurderet. Meget af den viden der driver IT-driften i en organisation er ikke dokumenteret nogen steder - den sidder i folks hoveder.
Tilgange som IT Knowledge Graphs - der forbinder disse datakilder med AI-powered sensing - adresserer netop dette. Men de forudsætter at dataene findes og er tilgængelige.
De tre lag der skal være på plads
Ingen agentic ITOps-implementation holder uden disse tre lag:
- Dataintegrering - CMDB, observability og logdata skal være tilgængeligt i ét lag. Ikke nødvendigvis i ét system, men korreleret og querybart på tværs.
- Dokumenteret teamviden - runbooks, eskaleringsflows og SOPs skal eksistere i skriftlig og struktureret form. Agenter kan ikke handle på viden der kun eksisterer mundtligt.
- Governance-struktur med human-in-the-loop - agenter skal have klare grænser for hvad de må gøre selvstændigt, og hvornår de skal eskalere til menneskelig review. Det er ikke en blød anbefaling, det er arkitektur.
Human-in-the-loop (HITL) er i dag standardarkitekturen. Agenter udfører rutinebeslutninger selvstændigt men stopper ved høj-risiko handlinger og venter på godkendelse. Disse pausepunkter - interrupt patterns - skal designes eksplicit ind i systemet fra starten.
Hvorfor de fleste projekter fejler
Gartner advarer om at over 40% af agentic AI-projekter vil fejle inden 2027, primært på grund af governance- og kontrolproblemer. Det er ikke en teknisk prognose, det er en organisatorisk én.
79% af organisationer møder udfordringer ved AI-adoption - en stigning på over ti procentpoint fra 2025. Kurven går den forkerte vej, selv mens teknologien modnes. Det skyldes at mange projekter starter med et proof of concept der virker i et kontrolleret miljø, men aldrig får løst de underliggende spørgsmål om ansvar, adgang og kontrol.
En agent der har lov til at genstarte services, patche systemer eller skalere infrastruktur, skal have en klar kæde af ansvarlighed bag sig. Hvem har godkendt de handlinger den må tage? Hvem informeres når den handler? Hvem stopper den hvis noget går galt? Uden svar på de spørgsmål er projektet sårbart - ikke teknisk, men organisatorisk.
Et beslægtet problem opstår når AI-agenter får direkte adgang til infrastrukturdata via protokoller som MCP. Hvad det betyder for observability og kontrol er beskrevet her.
Hvad betyder det for danske virksomheder
De fleste danske virksomheder er ikke tæt på at deploye autonome IT-agenter i produktion. Det er ikke et problem i sig selv - men det er et problem hvis forarbejdet ikke laves nu.
Det forarbejde handler primært om data og dokumentation. Er jeres CMDB opdateret og troværdig? Er observability på plads på tværs af kritisk infrastruktur? Er teamets viden om hændelseshåndtering dokumenteret i runbooks der faktisk bruges? Disse spørgsmål er ikke AI-spørgsmål - de er grundlæggende ITOps-spørgsmål der bliver akutte når agenterne kommer.
Governance-strukturen tager tid at bygge. Hvem i organisationen har mandat til at beslutte hvad en agent må gøre selvstændigt? Hvilke handlinger kræver altid menneskelig godkendelse? Disse beslutninger går på tværs af IT, sikkerhed og forretning, og de tager tid at forankre.
Virksomheder der starter det arbejde nu, vil have et fundament at bygge på. Dem der venter til agenterne er klar at deploye, vil opdage at fundamentet mangler. Læs mere om hvad AI automatisering konkret kan betyde for din virksomhed.
Kilde: The New Stack
