AI-agenter forklaret med én mail

Chatbot, AI-assistent eller AI-agent? Følg én kundemail gennem alle tre og se forskellen, hvornår en agent er det rigtige valg, og hvornår den er overkill.

AI-agenter forklaret med én mail

Klokken 9.03 lander der en mail i jeres fælles indbakke: "Hej, jeg har bestilt to af de store modeller i sidste uge, men der er kun kommet én, og jeg skal bruge dem begge på fredag. Kan I hjælpe?" Den mail er det bedste sted at forstå hvad en AI-agent egentlig er, for en chatbot, en AI-assistent og en AI-agent gør tre helt forskellige ting med den.

Chatbotten svarer på det den kan genkende: den finder "levering" i teksten og sender et standardsvar om leveringstider med et link til fragtsporingen. Assistenten hjælper medarbejderen der åbner mailen: den opsummerer sagen, foreslår et svarudkast og finder ordrenummeret frem, men medarbejderen tjekker selv lagerstatus og beslutter hvad der skal ske. Agenten får derimod målet "løs sagen": den slår ordren op i ordresystemet, ser at kolli nummer to står fejlpakket på lageret, opretter en hasteforsendelse med levering torsdag, skriver et svar til kunden med den nye sporing og logger det hele på sagen. Først hvis noget afviger fra dens mandat, fx at hasteforsendelsen koster over en fastsat grænse, lægger den sagen til et menneske.

Forskellen sat på formel

Skellet er ikke marketing, det er arkitektur. Anthropic, firmaet bag Claude, definerer det præcist: i workflows er sprogmodeller og værktøjer "orkestreret gennem foruddefinerede kodeveje", mens agenter "dynamisk styrer deres egne processer og værktøjsbrug". Sagt uden teknik: i et workflow har et menneske på forhånd besluttet rækkefølgen af trin, i en agent vælger AI'en selv trinene undervejs. Det er den samme forskel som mellem et samlebånd og en erfaren sagsbehandler.

| | Chatbot | AI-assistent | AI-agent | |---|---|---|---| | Hvem styrer? | Scriptet/videnbasen | Mennesket, AI'en hjælper | AI'en, inden for et mandat | | Input | Et spørgsmål | En opgave fra et menneske | Et mål | | Adgang til systemer | Sjældent, mest videnbase | Læser med, foreslår | Slår op OG udfører | | Typisk resultat | Et svar | Et udkast eller en anbefaling | En løst opgave | | Risiko ved fejl | Et dårligt svar | Fanges af mennesket | Skal fanges af mandat og logning |

Kolonnen længst til højre forklarer både begejstringen og forsigtigheden. En agent der løser sager selvstændigt, flytter reelt arbejdstimer, ikke bare svartider. Men den udfører også handlinger, og handlinger kræver rammer: hvad må den, hvad må den ikke, og hvordan kan I bagefter se hvad den gjorde og hvorfor. EU's AI-forordning stiller fra august 2026 krav om automatisk logning i højrisiko-systemer netop af den grund, og selv uden for højrisiko-kategorien er logning og afgrænsede mandater bare sund fornuft når software får lov at handle.

Hvornår er en agent det forkerte valg?

Her er den del leverandørerne sjældent fortæller: hvis opgaven kan beskrives som faste regler, skal du ikke have en agent. "Når der kommer en faktura fra leverandør X, bogfør den på konto Y og send den til godkendelse hos Z" er et workflow, og et workflow er hurtigere, billigere og mere forudsigeligt end en agent der skal ræsonnere sig frem til det samme resultat hver gang. Anthropics eget råd til udviklere lyder: find den simplest mulige løsning, og øg kun kompleksiteten når det målbart forbedrer resultatet. Det princip gælder dobbelt for virksomheder der køber løsninger.

Agenten fortjener pladsen når tre ting er sande på samme tid: henvendelserne er uforudsigelige i form og indhold, svaret kræver opslag flere steder, og der skal træffes et skøn undervejs. Kundeservicemailen fra klokken 9.03 opfylder alle tre. Det gør en fast månedsrapport ikke. I praksis ender mange AI automatiserings-projekter derfor som en kombination: workflows tager de 80% af sagerne der ligner hinanden, og agenten tager de 20% der kræver hovedet skruet rigtigt på.

Sådan starter du uden at brænde fingrene

Begynd med at give en kommende agent et snævert mandat og en menneskelig sikkerhedsline. Lad den fx håndtere én sagstype, med en beløbsgrænse og med et krav om at usikre sager altid eskaleres, og udvid først mandatet når loggen viser at den rammer rigtigt. Mål på det samme som du ville måle et menneske på: løsningsgrad, fejlprocent og hvor ofte den beder om hjælp. Og hold fast i rækkefølgen: regler først, skøn bagefter. En agent er ikke et mål i sig selv, den er det rigtige værktøj til den del af arbejdet hvor reglerne slipper op.

Ofte stillede spørgsmål

En AI-agent er et AI-system der får et mål og selv vælger hvilke trin og værktøjer der skal til for at nå det. Hvor en chatbot svarer på spørgsmål og en assistent hjælper et menneske med en opgave, arbejder agenten selvstændigt: den slår op i systemer, træffer valg undervejs og leverer et resultat.

En chatbot reagerer på henvendelser og svarer ud fra en videnbase eller et script. En AI-agent handler: den kan selv indhente oplysninger, bruge værktøjer som kalendere og CRM-systemer og gennemføre en opgave fra start til slut uden at et menneske styrer hvert trin.

Brug almindelig automatisering når processen er ens hver gang og kan beskrives som faste regler. Brug først en agent når opgaven kræver skøn undervejs, fx når henvendelser er uforudsigelige og svaret afhænger af oplysninger der skal findes forskellige steder.

Michael Nielsen

Michael Nielsen

Michael Nielsen er AI-konsulent hos Nordium ApS og skriver om AI fra et praktisk standpunkt - hvad virker, hvad er hype, og hvordan danske virksomheder kan bruge teknologien til at skabe reel værdi. Han følger udviklingen tæt og dækker alt fra konkrete værktøjer og automatisering til de større tendenser, der former fremtidens arbejdsmarked.