AI-agenter: fremtiden for autonom programvare

01Hva er en AI-agent, og hvordan skiller den seg fra en chatbot?

Du stiller en vanlig chatbot et spørsmål, og den svarer med en tekst. Der stopper det. Det er opp til deg å bruke teksten, sende e-posten eller oppdatere tabellen. En AI-agent setter derimot den samme språkmodellen inn i en løkke: den forstår målet, planlegger hva som skal gjøres, kaller et verktøy, leser resultatet og prøver på nytt om nødvendig.

Kort sagt kombinerer en agent språkmodellens evne til å «tenke» med evnen til å bruke verktøy. Når du sier «finn produktene med høy returandel forrige måned og lag en oppsummering til leverandøren», spør agenten først etter bestillingsdata, gjør så beregningen og lager til slutt et utkast til e-post. I hvert trinn kan den endre kurs etter det den ser.

Derfor beskriver begrepet agentisk AI overgangen fra enkeltsvar til arbeid i flere trinn. Hvis du lurer på hvilke oppgaver kunstig intelligens tar over i virksomheter, kan du se de konkrete eksemplene i artikkelen vår om bruk av kunstig intelligens i virksomheter.

02Hvordan fungerer en AI-agent?

I hjertet av nesten alle agentarkitekturer ligger den samme løkken: oppfatt, tenk, handle, observer. Agenten leser oppgaven og konteksten den har, velger neste trinn, kjører verktøyet og bruker resultatet som ny kontekst. Løkken fortsetter til målet er nådd eller et stoppvilkår inntreffer.

Språkmodellen: beslutningssenteret

Agentens hjerne er en stor språkmodell. Modellen leser instruksjonene og beskrivelsene av verktøyene og avgjør hvilket verktøy den skal kalle, og med hvilke parametere. Modellens evne til å resonnere avgjør direkte hvor lange og komplekse oppgaver agenten kan holde ut med. Vil du bli kjent med en av modellene på dette feltet, kan du lese artikkelen vår om hva Claude AI er.

Verktøy: agentens hender

Et verktøy er en definert funksjon agenten kan kalle, for eksempel nettsøk, lagerforespørsel, kalenderoppføring, en frakttjeneste for sporing eller opprettelse av en CRM-post. Navnet på hvert verktøy, hva det brukes til og hvilke inndata det tar, forklares tydelig for modellen. Jo tydeligere verktøydefinisjon, desto færre feil gjør agenten.

Minne og plan

Korttidsminnet er historikken til oppgaven akkurat nå: hvilke trinn som er tatt og hvilke resultater som kom. Langtidsminnet er notater fra tidligere oppgaver eller informasjon hentet fra bedriftens dokumenter. Planleggingslaget deler en stor oppgave i deloppgaver, og i enkelte systemer fordeler en lederagent arbeidet til spesialiserte underagenter.

03Eksempler på AI-agenter

Ideen om en autonom agent kan virke abstrakt, men i daglige arbeidsflyter er den ganske konkret. Disse eksemplene på AI-agenter er scenarioer som i dag er teknisk mulige, og som virksomheter prøver ut:

• Kundestøtteagent: Tar imot ordrenummer, sjekker fraktstatus, kontrollerer returvilkår og overleverer saken til et menneske om nødvendig.
• Researchagent: Går gjennom flere kilder om et tema, sammenligner funn og lager en oppsummerende rapport med kildehenvisninger.
• Kodeagent: Leser en feillogg, finner relevante filer, foreslår en rettelse, kjører testene og legger fram endringen til gjennomgang.
• Driftsagent: Leser innkommende fakturaer, forbereder utkast til bokføring og markerer avvik.
• Agent for forsalg: Klassifiserer henvendelser fra nettskjemaet, foreslår riktig produkt og legger et møte inn i salgsteamets kalender.
• Bookingassistent: Sjekker tilgjengelighet, presenterer passende alternativer og overlater den endelige godkjenningen til gjesten.

04Hvilke systemer kobles agenter til?

For at en agent skal være nyttig, må dataene være tilgjengelige. Hvis bestillings-, lager-, kunde- og fakturainformasjon ligger i separate paneler og manuelt vedlikeholdte tabeller, må agenten først slite med dette rotet. Derfor starter agentprosjekter ofte som et integrasjonsprosjekt.

Hvis for eksempel markedsplass-, frakt- og e-faktura-koblingene i en nettbutikk er samlet i ett panel, får agenten én enkelt datakilde. Nettbutikkintegrasjon er derfor også grunnlaget for arbeid med kunstig intelligens. Agenten leser en ryddig struktur i stedet for å skape enda en bunke med data.

På samme måte sørger det for at en gjesteassistent senere kan gi riktig informasjon at bookinger, romstatus og gjestekonto for et hotell ligger på samme sted. Bransjesystemer som hotellprogramvare er den tryggeste måten å gjøre dataene lesbare for agenten på.

Teknisk sett bygges disse koblingene stort sett via API. Protokoller som er utviklet for å koble agenter til ulike verktøy på en standard måte, blir også stadig mer utbredt. Hvis du vil løse gjentakende oppgaver med regelbaserte flyter, forklarer artikkelen vår om automatisering av arbeidsflyt forskjellen mellom en agent og klassisk automatisering.

05Autonominivåer og menneskelig godkjenning

Ikke alle agenter trenger å jobbe helt selvstendig, og for de fleste virksomheter er det heller ikke riktig. Å tenke på autonomi som et spekter er den mest praktiske måten å holde risikoen under kontroll på.

• Rådgivende agent: Sier hva som bør gjøres, og et menneske utfører det.
• Agent som lager utkast: Lager utkast til e-post, tilbud eller post, som sendes når et menneske godkjenner.
• Agent med begrensede rettigheter: Utfører lesing og lavrisikoskriving selv, men ber om godkjenning ved trinn som betaling eller sletting.
• Fullt autonom agent: Går selv gjennom hele forløpet innenfor et definert område, og loggene kontrolleres jevnlig.

06Risiko og begrensninger

Agenter gjør feil. Språkmodellen kan starte med en feil antakelse, kalle et verktøy med feil parametere eller gå videre uten å oppdage et mislykket trinn. En liten feil i en enkelt chat blir i et system som handler til en reell transaksjon.

En annen risiko er prompt injection: en nettside eller e-post agenten leser, kan ha skjulte instruksjoner som forsøker å styre agenten. Derfor bør tekst fra eksterne kilder behandles som data, ikke som instruksjoner, og kritiske rettigheter holdes adskilt.

• Gi agenten bare minimumsrettighetene oppgaven krever.
• Krev menneskelig godkjenning ved betaling, sletting og ekstern kommunikasjon.
• Logg hver handling, slik at det i etterkant kan leses hva som ble gjort og hvorfor.
• Hvis personopplysninger behandles, bør du vurdere forpliktelsene etter KVKK (tyrkisk personvernlov, tilsvarende GDPR). Sjekk gjeldende regelverk og snakk med din juridiske rådgiver.
• Prøv først på et smalt område, mål resultatene og utvid deretter omfanget.

07Fremtiden for autonom programvare

Programvaren er på vei bort fra apper der brukeren klikker seg fra skjerm til skjerm, mot systemer som får et mål og utfører jobben selv. Det betyr ikke at grensesnittene forsvinner, men i mange rutineoppgaver blir grensesnittet til en skjerm for å godkjenne og kontrollere det agenten gjør.

Vinnerne i dette skiftet blir virksomheter med ryddige data, dokumenterte prosesser og systemer som henger sammen. Selv om agentteknologien endrer seg raskt, er én ting uforandret: uten godt definerte prosesser og rene data gir autonomi kaos i stedet for gevinst. Planlegger du programvare eller en bransjeløsning tilpasset virksomheten din, kan du se på våre bransjeløsninger innen programvare, og for å koble ulike systemer sammen kan du se tjenesten vår for integrerte løsninger.

Du finner flere guider om kunstig intelligens samlet i kategorien kunstig intelligens.