En AI-agent er software, hvor en sprogmodel selv beslutter sit næste skridt og handler via værktøjer, for eksempel ved at læse en indbakke, slå en ordre op eller sende en e-mail, indtil målet er nået, eller en grænse stopper den. En arbejdsgang følger trin, der er skrevet på forhånd; en agent vælger trinnene undervejs.
Bygger du med AI-modeller? AIGROW API-kredit kører Claude-, GPT-, Gemini- og Grok-modeller op til 75 % under listeprisen.
- En AI-agent er software, hvor en sprogmodel selv vælger sit næste skridt og handler via værktøjer, indtil målet er nået, eller en grænse stopper den.
- En arbejdsgang følger trin, der er skrevet på forhånd. En agent bestemmer trinnene undervejs, hvilket koster mere tid og flere penge pr. opgave.
- Agenter passer til arbejde, hvor hver sag er lidt forskellig: supportsvar, opfølgning på leads, rykkere på fakturaer og rapportering.
- Brug i stedet en fast arbejdsgang, når reglerne aldrig ændrer sig, eller når en forkert handling ikke kan fortrydes.
Hvad er en AI-agent?
En AI-agent er en sprogmodel, der har fået et mål, et sæt værktøjer og tilladelse til at bruge dem. Den læser situationen, beslutter, hvad den skal gøre som det næste, gør det, tjekker resultatet og gentager, indtil opgaven er løst, eller en grænse stopper den.
Anthropic, der står bag Claude-modellerne, trækker skillelinjen sådan i Building effective agents:
"Workflows are systems where LLMs and tools are orchestrated through predefined code paths. Agents, on the other hand, are systems where LLMs dynamically direct their own processes and tool usage."
Forskellen, der har betydning for en virksomhed: I en arbejdsgang har du selv skrevet hvert trin. I en agent vælger modellen trinnene inden for de grænser, du har sat.
Sådan fungerer en AI-agent
Alle agenter kører den samme løkke. Eksempelkolonnen følger én supportmail.
| Trin | Hvad der sker | Eksempel: en supportmail |
|---|---|---|
| 1. Mål | En opgave ankommer med instruktioner | "Hvor er min ordre?" lander i indbakken |
| 2. Læs | Agenten indsamler kontekst | Den læser mailen og supportpolitikken |
| 3. Beslut | Modellen vælger næste handling | Slå ordren op i webshoppens system |
| 4. Udfør | Den kalder et værktøj | Henter ordren og får sporingsstatus |
| 5. Tjek | Den læser resultatet, før den går videre | Pakken er ude til levering i dag |
| 6. Stop eller gentag | Den afslutter, kører igen eller overdrager | Sender svaret eller lægger det i kø til en person |
Anthropic påpeger, at agenter har brug for "ground truth" fra omgivelserne i hvert trin, for eksempel et værktøjsresultat, og for stopbetingelser, for eksempel et maksimalt antal trin. De kan også holde pause ved kontrolpunkter, så en person kan træde ind. Netop de grænser gør en agent sikker at bruge på rigtigt arbejde.
Delene bag løkken:
| Del | Hvad det er |
|---|---|
| Model | Sprogmodellen, der læser og beslutter |
| Instruktioner | Målet, reglerne og hvad den aldrig må gøre |
| Værktøjer | Forbindelser, der gør det muligt at handle: e-mail, CRM, kalender, database |
| Hukommelse | Det, den husker mellem trin eller mellem opgaver |
| Grænser | Loft over antal trin, loft over forbrug og handlinger, der kræver godkendelse |
AI-agent vs. arbejdsgang vs. chatbot
| Spørgsmål | Chatbot | Arbejdsgang | AI-agent |
|---|---|---|---|
| Hvem bestemmer næste trin | Brugeren, én besked ad gangen | Den, der byggede den, på forhånd | Modellen, undervejs |
| Handler i andre systemer | Normalt ikke | Ja, i faste trin | Ja, den vælger selv værktøjer |
| Samme input, samme output | Nej | Ja | Nej |
| Pris og tid pr. opgave | Lav | Lavest | Højest |
| Bedst til | At besvare spørgsmål | Stabile, gentagne regler | Sager, der er forskellige hver gang |
Anthropic beskriver afvejningen klart: "Agentic systems often trade latency and cost for better task performance." Betal kun den pris, hvor variationen i sagerne kræver det.
De fem typer AI-agenter
De klassiske lærebogstyper, som IBM opsummerer dem, beskriver, hvordan en agent træffer beslutninger. De fleste forretningsagenter bygget på sprogmodeller blander flere af dem.
| Type | Hvordan den beslutter | Forretningseksempel |
|---|---|---|
| Simpel refleks | Fast regel ud fra det, den ser nu | Mærk alle e-mails, der indeholder "faktura" |
| Modelbaseret refleks | Regler plus et billede af det, den ikke kan se | Vent med en genbestilling, mens en levering er undervejs |
| Målbaseret | Planlægger trin mod et mål | Book et møde, der passer i begge kalendere |
| Nyttebaseret | Vejer mulighederne og vælger den bedste afvejning | Vælg den billigste fragtmand, der stadig når datoen |
| Lærende | Bliver bedre af feedback over tid | Rangér leads bedre, efterhånden som handler lukkes eller falder fra |
Flere agenter kan også arbejde sammen som et multiagentsystem, for eksempel én der sorterer indgående e-mails, og andre der håndterer hver sin slags.
Eksempler på AI-agenter fordelt på forretningsfunktion
For hver funktion handler det om, hvilken del af opgaven agenten tager, og hvad en person beholder.
| Funktion | Det gør agenten | Det beholder en person |
|---|---|---|
| Supportindbakke | Svarer ud fra jeres politikker og skriver udkast til resten | Refusioner, klager og alt nyt |
| Opfølgning på leads | Svarer nye leads, kvalificerer dem og booker samtalen | Tilbud og priser |
| Bookinger og påmindelser | Booker, påminder og fylder aflyste tider op igen | Undtagelser fra jeres kalenderregler |
| Fakturaer og inddrivelse | Udsteder fakturaer, matcher betalinger og sender rykkere | Tvister og betalingsaftaler |
| Rapportering | Samler jeres tal i én ugentlig rapport | Hvad der skal ændres |
| Indhold | Skriver udkast til opslag, e-mails og produkttekster | Hvert stykke, før det sendes ud |
| Dataindtastning i back office | Flytter data mellem e-mail, formularer og jeres CRM | Poster, den markerer som uklare |
Flere gennemarbejdede eksempler finder du i eksempler på AI-agenter og AI-agenter til små virksomheder.
Hvornår du ikke bør bruge en AI-agent
Anthropics råd er at starte med at "finding the simplest solution possible, and only increasing complexity when needed." Lad være med at bruge en agent, når:
| Situation | Brug i stedet |
|---|---|
| Reglerne aldrig ændrer sig | En fast arbejdsgang i et værktøj som n8n, Make eller Zapier |
| En forkert handling ikke kan fortrydes, for eksempel en betaling | En agent, der laver udkast, og en person, der godkender |
| Du skal have samme output hver gang til en revision | En fast arbejdsgang med logførte trin |
| Opgaven opstår nogle få gange om måneden | En person eller en gemt prompt |
| Agenten ikke kan nå de data eller det værktøj, den har brug for | Ret adgangen først |
Hvis opgaven er en fast kæde af trin, kan du sammenligne værktøjerne i n8n vs. Zapier, før du bygger en agent.
Sådan kommer du i gang med én agent
- Vælg én funktion med mange ensartede sager, for eksempel supportindbakken.
- Skriv ned, hvad agenten selv må gøre, hvad der kræver godkendelse, og hvad den aldrig må gøre.
- Giv den kun læseadgang til at begynde med. Tilføj handlinger én ad gangen.
- Sæt grænser: et maksimalt antal trin pr. opgave og en kø til alt, som jeres regler ikke dækker.
- Gennemgå et udsnit af dens arbejde hver uge, og stram reglerne.
Du kan bygge den selv med vejledningen i at bygge AI-agenter med n8n. Eller AIGROW kan køre den for dig: Vores AI-agenter til virksomheder overtager én funktion ad gangen i dine egne værktøjer, og en person kontrollerer alt, som dine regler ikke dækker.
Kilder
- Anthropic, Building effective agents, 19. december 2024
- IBM, Types of AI agents
Aktuelle Claude-, GPT-, Gemini- og Grok-modeller op til 75 % under listepris
Én API-nøgle til modellerne fra Claude, GPT, Gemini og Grok via OpenAI SDK. Claude-modellerne fungerer også med Anthropic SDK og Claude Code.
Hver models pris via AIGROW-kredit ligger ved siden af udviklerens listepris, aldrig over den.
Ofte stillede spørgsmål
