Hvad er en AI-agent?
En AI-agent er software, der kan udføre en opgave fra start til slut - ikke bare svare på et spørgsmål. En chatbot skriver et svar tilbage til jer. En agent kan slå op i jeres systemer, hente data flere steder, vurdere det ud fra regler I har sat, og lægge resultatet et sted, hvor det kan bruges.
Forskellen er altså ikke, hvor smart teksten lyder. Den er, om der faktisk sker noget bagefter.
Chatbot eller AI-agent - hvad er forskellen i praksis?
Den nemmeste måde at høre forskellen er at se på, hvad de to ting kan svare på.
Spørger I en chatbot "hvor er ordre 10482?", får I i bedste fald en forklaring på, hvordan man selv finder ordren. Spørger I en agent, kan den slå ordren op i webshoppen, tjekke status hos transportøren og svare: den er afsendt i tirsdags og forventes leveret i morgen.
Tre ting adskiller dem:
- Adgang. En agent er koblet til jeres systemer - CRM, webshop, ERP, filarkiv. En chatbot kender kun det, den er trænet på, plus det I selv skriver ind i samtalen.
- Handling. En agent kan udføre skridt: oprette en sag, sende en mail, opdatere et felt, samle en rapport. En chatbot producerer tekst.
- Flere trin. En agent kan tage en opgave, der kræver fem opslag i tre systemer, og selv holde rede på rækkefølgen.
En chatbot er ikke en dårligere agent. Det er en anden ting. Og til rigtig mange opgaver er en chatbot faktisk nok - det vender vi tilbage til nedenfor.
Hvad kan en AI-agent konkret gøre?
Agenter er gode til de opgaver, hvor svaret findes i jeres egne data, men det tager et menneske ti minutter at grave det frem. Typiske eksempler:
- Samle kundens historik på tværs af CRM, webshop og mailtråde, før en sælger ringer op.
- Besvare gentagne kundehenvendelser, hvor svaret kræver et opslag - leveringstid, ordrestatus, returnering.
- Forberede et møde: hvad er der sket på denne kunde siden sidst, og hvad ligger åbent.
- Læse en indbakke igennem og sortere: hvad er en ordre, hvad er en klage, hvad skal et menneske se på.
- Trække tal sammen fra flere kilder og skrive den opsummering, ingen har tid til at lave hver mandag.
Læg mærke til, hvad de har til fælles: opgaven er kedelig, den gentager sig, og den kræver adgang til data mere end den kræver kreativitet. Det er dér, en agent tjener sig hjem.
Hvordan ser en AI-agent ud hos en dansk virksomhed?
Hos J.M Band byggede vi en AI-agent, der samler data på tværs af deres CRM, Shopify og interne systemer. Før den fandtes, lå svaret på et enkelt spørgsmål typisk spredt over tre steder, og nogen skulle klikke sig rundt for at sætte billedet sammen. Nu spørger man agenten. Hele historien ligger i casen om J.M Band.
Et andet eksempel med en anden vinkel: hos Lavazza står en agent på interne HR-dokumenter i et lukket miljø, så medarbejdere kan få svar på personalespørgsmål, uden at dokumenterne forlader huset. Samme grundidé - AI med adgang til virkelige data - men bygget med datasikkerhed som første krav. Se casen om Lavazzas HR-agent.
Og hos Wunderwear håndterer automatisering ordreflowet, mens AI-kundeservicen tager omkring 80% af de spørgsmål, der bliver stillet igen og igen. Det er beskrevet i casen om Wunderwear.
Hvad en AI-agent ikke er
Der bliver solgt meget under ordet "agent" lige nu, så det er lige så vigtigt at sige, hvad det ikke er.
En agent er ikke en medarbejder. Den har ingen dømmekraft om ting, der ikke står i data, og den ved ikke, hvornår en sag er følsom. Den er heller ikke selvkørende: nogen skal beslutte, hvad den må, og nogen skal se efter den.
En agent er ikke en genvej rundt om rodet. Ligger jeres kundedata tre steder med tre forskellige stavemåder af samme firmanavn, bliver agenten forvirret på præcis samme måde, som en ny kollega ville blive. Den fjerner ikke behovet for styr på data - den gør det tydeligere, hvor der mangler styr.
Og den er ikke gratis at have. En agent med adgang til jeres systemer er et stykke it, der skal vedligeholdes, overvåges og have klare grænser for, hvad den må røre. De spørgsmål, I bør stille en leverandør, har vi samlet i AI-agenter og sikkerhed.
Hvad skal være på plads, før I bygger en agent?
Fire ting, i den rækkefølge:
- En opgave, der gentager sig. Sker den én gang om måneden, kan I lige så godt lave den i hånden.
- Data, agenten kan nå. Findes oplysningen kun i hovedet på en kollega eller i en PDF, ingen har rørt siden 2019, er der et forarbejde først.
- Klare grænser. Hvad må agenten læse, hvad må den skrive, og hvornår skal den give op og hente et menneske ind.
- En ejer. Et menneske, der kigger på, hvad agenten svarede - i hvert fald de første uger.
Mangler I punkt 1 eller 2, skal I ikke bygge en agent endnu. Start med at kortlægge processerne. Det var præcis den vej, vi gik med INDKOM, hvor vi fungerede som ekstern AI-afdeling: kortlagde processerne først, fandt tre use cases og byggede dem derefter. Se casen om INDKOM.
Er en agent det rigtige sted at starte?
Ofte ikke. Hvis ingen i huset endnu bruger AI til det daglige skrive- og søgearbejde, giver det som regel mere afkast at få folk i gang med de værktøjer, I allerede betaler for. McKinsey finder, at virksomheder, der bruger AI i administrative processer, sparer 20-30% af arbejdstiden på dem - og en stor del af den gevinst ligger i helt almindelig brug, ikke i avancerede agenter. Den vej går gennem undervisning, og den kan I læse om på AIK Academy.
Omvendt: er jeres flaskehals, at svaret findes, men ingen kan finde det hurtigt nok, så er en agent netop det rigtige. Det er den slags løsninger, vi bygger under skræddersyet AI.
Ofte stillede spørgsmål
Hvad er forskellen på en AI-agent og en chatbot?
En chatbot svarer med tekst ud fra det, den er trænet på. En AI-agent har adgang til jeres systemer og kan udføre flere skridt: slå op, sammenholde og handle. Chatbotten fortæller jer, hvordan man finder ordren. Agenten finder den.
Kan vi bruge en AI-agent, uden at data forlader huset?
Ja. En agent kan bygges i et lukket miljø, hvor den kun arbejder på jeres egne dokumenter og data. Det er sådan, HR-agenten hos Lavazza er sat op. Det kræver, at datasikkerhed er et krav fra starten - ikke noget, der lappes på bagefter.
Hvor lang tid tager det at bygge en AI-agent?
Det afhænger af, hvor mange systemer den skal nå, og hvor pæne data er. En agent, der læser i ét system med et ordentligt API, er et lille projekt. En, der skal koble fire systemer sammen, hvoraf to er gamle, er et større. Vi giver et realistisk bud, når vi har set, hvad den skal kunne nå.
Skal vi have en it-afdeling for at komme i gang?
Nej. I skal have nogen, der kan udpege opgaven og give adgang til de rigtige systemer. Det tekniske tager vi.
Er en AI-agent det samme som Copilot?
Nej, men de nærmer sig hinanden. Copilot er et færdigt produkt, der arbejder i jeres Microsoft-data. En skræddersyet agent bygges til de systemer, I nu har - også dem, der ikke er Microsoft. Mange virksomheder ender med begge: Copilot til det daglige, en agent til det specifikke.
Skal vi se på, om en agent giver mening hos jer?
Vi tager gerne en gratis AI-afklaring på 45 minutter. I skal ikke forberede noget. Vi kigger på jeres processer og siger ærligt, om en agent er det rigtige næste skridt, eller om der er noget enklere, der giver mere lige nu. Ingen forpligtelse.
Ring til Alexander på +45 25 54 70 74, eller skriv til os via kontakt.