AI-agenter: Hvad er de og hvordan fungerer de - helt simpelt?

Nu får du endnu mere ud af at bruge AI

Siden OpenAI lancerede AI applikationen, ChatGPT i november 2022, har fokus for alverdens virksomheder været på, hvordan generativ AI værktøjer som ChatGPT, Le Chat, CoPilot, Midjourney, mv assistere os i at løse opgaver mere effektivt, med større kvalitet og endda med større arbejdsglæde.

Nu kommer AI‑agenter buldrende, og de kommer til at gøre en endnu større forskel. Men hvad er "AI-agenter" egentlig og hvordan adskiller de sig fra det, vi kender i dag? Her er en kort introduktion og tips til, hvordan du tager næste skridt. 

Fra software, du bruger til at udføre opgaver, til software, der udfører opgaver for dig.

Den helt essentielle forskel mellem AI‑agenter og AI-assistenter er, at softwaren skifter karakter fra at være et værktøj, du bruger til at udføre dine opgaver, til at værktøjet selv udfører hele eller dele af en opgaver.

AI‑agenter tager nemlig det næste skridt: De agerer selvstændigt, initierer processer og håndterer hændelser uden daglig menneskelig betjening.

I modsætning til AI-assistenter, kan AI-agenter tilpasse sig, lære af erfaringer og håndtere komplekse opgaver på tværs af systemer og afdelinger.

Det betyder, at I kan gå fra at bruge fx CoPilot som hjælper til simple opgaver, som at formulere en mail, til fuld automatisering af hele eller dele af opgaver – på tværs af organisationen.

Hvordan fungerer AI-agenter i praksis?

AI-agenter kan det samme som AI-assistenter, men de har fået tilføjet flere funktioner, der tilsammen gør dem i stand til at udføre opgaver på egen hånd.

De er opbygget i lag, hvor hvert lag har en specifik rolle. Overordnet set består AI-agenter af tre lag:

1. Forståelse og beslutningstagning: Her bruger agenten sprogmodeller (ligesom ChatGPT gør) og logik til at analysere opgaven, forstå konteksten. Det kan være at tolke et mål som "lav en kunderapport". 
2. Planlægning og handling: Når opgaven og målet er forstået, bryder agenten opgaven ned i mindre trin og planlægger rækkefølgen. Den regner ud, hvilke værktøjer den skal bruge – f.eks. regneark, mail eller tredjepartssystemer, og den udfører handlingerne trin for trin.
3. Feedback og læring: Efterhånden som agenten arbejder, evaluerer den sine egne handlinger. Hvis noget fejler, justerer den automatisk planen, eller spørger dig om afklaring for at komme videre. Og i avancerede systemer vil den endda lære af tidligere opgaver for at blive bedre næste gang.

Det er netop fordi AI-agenten kombinerer en forståelse af opgaven med en planlægningsproces for hvordan opgaven løses, og har adgang til de nødvendige systemer, at den kan arbejde selvstændigt og løse komplekse opgaver – uden at skulle have instruktioner til hvert trin. 

Det vil sige, du ofte kan nøjes med at sætte den igang og give feedback på slutresultatet uden at være involveret i de enkelte steps i at løse opgaven.

Det i stil med, at en kollega løser en opgave selvstændigt, men måske har brug for et enkelt input fra dig undervejs. Forskellen er blot, at nu er det et software program - en AI-agent - der gør det.  

To eksempler på AI-agenter

Begge disse eksempler kan du benytte i dag. Der findes også mere komplekse use cases, men vi holder os til de simple i denne artikel, fordi formålet er at give en nem introduktion til AI-agenter, og hjælpe dig tage næste step.

AI-agenter laver analysearbejde: Som det første eksempel får vi en AI-agent til at lave en rapport. Vi bruger ChatGPTs "Grundig research"-funktion til at illustrere, hvordan du sætte en agent i gang med at lave en rapport over et givent emne. 

Efter den har fået afklaret nogle opfølgende spørgsmål (fordi opgaven en smule uklar), går den i gang med at indsamle relevant information, for at kunne skrive rapporten.

Som du kan se herunder, forsøger den selvstændigt at løse eventuelle udfordringer, den støder på undervejs. 

Opgave løst: På 9 minutter har AI-agenten lavet 132 søgninger, læst 32 artikler, overkommet udfordringer undervejs, og skrevet en fyldig rapport. Det ville have taget mig flere dage at gøre det samme.

AI-agenter håndterer kundehenvendelser: Som et smule mere komplekst eksempel tager vi på besøg hos kundeservice-teamet.

Kunderservice har, som branche, tradition for at gå forrest med benytte digitale værktøjer, herunder AI og automatisering, til at hjælpe kunderne med deres henvendelser.

Kundeservicebranchen har i mange år eksempelvis benyttet chatbots til at besvare simple henvendelser og frigøre tid hos medarbejderne. Nu begynder de også at benytte AI-agenter til at håndtere mere komplekste henvendelser fra start til slut - her er et konkret eksempel fra en ecommerce-virksomhed:

1. Forståelse og beslutningstagning: En AI-agent i kundeservice læser alle indkomne emails og identificerer, hvilke der handler om returneringer, og hvilke der er klager. Den analyserer kundehenvendelser, data i CRM-systemet og andre relevante systemer, for at forstå konteksten og tage beslutninger. Agenten vurderer i dette tilfælde, at en kunde har en berettiget klage, og beslutter at sende en undskyldning samt tilbyde en rabatkode.
2. Planlægning og handling Agenten opdaterer sagen på kundens profil i virksomhedens CRM-system, og sender automatisk kunden en undskyldning og en rabatkode.
3. Feedback og læring: Afhængig af om kunden reagerer positivt eller ej på rabatkoden og undskyldningen, lærer AI-agenten, hvad den kan gøre næste gang, den er i en lignende sag. Til slut opdaterer agenten CRM-systemet med sagens udfald samt anbefalinger til næste interaktion.

Det er ikke anderledes, end hvad en kundemedarbejder ville gøre - AI-agenten gør det døgnet rundt og kan håndtere (rigtig) mange komplekse sager samtidig.

TIP: Artikelboksen har andre eksempler fra frontløbervirksomheders arbejde med AI-agenter.

Hvor skal jeg starte?

Jeg vil anbefale, at du lader dig inspirere af eksemplerne i denne artikel og af frontløbervirksomhederne. Her er tre vigtige indsigter fra vores arbejde med at belyse hvordan danske frontløbere – dem, der tør starte før alle andre – lykkes med AI. 

1. Lavpraktisk start: Frontløbere starter med at bruge AI til at effektivisere eksisterende arbejdsprocesser – både interne og kundevendte.
2. Frigjort tid er reinvesteret tid: Mindre tid på administration, rapportering og informationssøgning frigør energi og tid, som ledes ind i forretningsudvikling og vækst.
3. Læring op i gear: Når AI indgår i det daglige arbejde, accelereres læring og kvalitet: CEO’er, specialister og studentermedhjælpere bliver alle bedre, når de benytter AI‑værktøjerne ofte.

Resultaterne hos de fleste AI‑frontløbere er trefoldige:

• Mere kvalitetsarbejde fra hånden,
• større arbejdsglæde og
• positiv impact på top‑ og bundlinje.

Alt det for 200–500 kr. i AI‑software om måneden per medarbejder – omtrent prisen for en frokostordning. Det er svært at finde en bedre investering.

Anbefalingen er derfor, at starte med at bruge AI-agenter til at frigøre tid ved at automatisere eksisterende arbejdsprocesser.

Tip: Tænk, hvad det kan gøre for arbejdsglæden, produktiviteten og væksten, hvis alle medarbejdere fik frigjort tid og mental energi?

Hvor længe tør du vente?

Når du overvejer at bruge AI‑agenter i din virksomhed, er det ikke et spørgsmål om, om du skal i gang – men hvor længe du tør lade være. AI‑produkterne vi benytter bliver nemlig aldrig dårligere end i dag. Tværtimod bliver de kun bedre – hurtigt. Her er tre årsage til hvorfor:

1. Forskning viser, at AI's (herunder AI‑agenters) evne til at løse opgaver fordobles cirka hver 7. måned. Forbedringerne sker, fordi modellerne bliver bedre, og fordi de omkringliggende systemer, applikationer og værktøjer forbedres og standardiseres.
2. Tusindvis af milliarder kroner af offentlige og private midler investeres i AI‑økosystemet – fra chips og AI‑fabrikker til modeller og nye AI‑løsninger, du (forhåbentligvis) vil benytte hver dag.
3. Prisen for at træne og drifte AI falder 10x hvert år, drevet af hård konkurrence og teknologiske forbedringer.

De tre trends lagt sammen betyder I kan forvente højere nytteværdi til en lavere pris. Derfor er det ikke en sikker strategi at vente indtil "AI'en bliver bedre", men i stedet stille jer selv to spørgsmål:

1. Hvor længe vil I fortsætte med at bruge for mange penge og timer på administrative opgaver?
2. Hvor længe vil vi vente med at accelerere forretningen ved at frigøre medarbejdernes tid og energi?

For at opsummere: Hvad er AI-agenter og sådan kommer du i gang

Forskellen på klassiske digitale værktøjer og en AI-agent er, at AI-agenten udfører opgaver på vegne af dig. Den forstår, planlægger, lærer og følger ikke kun faste regler – den tilpasser sig formålet og situationen.

Det gør AI-agenter velegnede til opgaver, der tidligere krævede menneskelig dømmekraft – som fx at samle informationer, reagere fleksibelt og forbedre sig over tid. Og det er hér, et af de første potentialer for virksomheder ligger - i at automatisere eksisterende arbejdsopgaver ved hjæld af AI-agenter.

Fordelene ved AI‑assistenter og AI‑agenter vokser hastigt, mens omkostningerne falder. Spørgsmålet er derfor ikke, om I skal tage det næste skridt, men hvornår og hvordan.

Et godt råd, er at gøre som AI‑frontløberne – start lavpraktisk med nogle specifikke opgaver, mål effekten, lær og skalér. Vent ikke, mens konkurrenterne tager føringen.

I kapløbet om tid, ressourcer, konkurrencekraft og markedsandele er AI‑agenter et værktøj for at stå stærkt og solidt fremover.

P.S. Husk at bruge din AI (agent) hver dag.