Brug ti minutter på X, og du vil finde folk diskutere, om det, de har bygget, er en "AI-agent" eller "agentisk AI." Det er den forkerte diskussion. Mærkaten har aldrig været det svære. Det svære er, at hvordan din virksomhed faktisk arbejder, lever i folks hoveder, ikke i dine integrationer.
Det, der åbner op, er et brugsscenarie: et gentageligt job, en agent kan eje fra udløser til gennemgåeligt resultat, på tværs af de værktøjer, du allerede betaler for. 20 nedenfor er de arbejdsgange, vi udgiver som workflow-automatiseringseksempler, hver kører i dag med rigtige forbindelser, en reel tidsplan og et konkret leverbart. Hver post inkluderer prompten, der starter den, så du kan kopiere én og køre den, før du er færdig med at læse.
Hver arbejdsgang nedenfor er en live eksempelside: udløseren, de værktøjer den forbinder, og det leverbare den producerer. Se alle tyve.
Hvad gør et godt AI-agent brugsscenarie
Ikke alle opgaver er værd at overlade til en agent. De, der hænger ved, deler fire beslutninger, og hvis du kan svare på alle fire, har du et brugsscenarie.
- En udløser, ikke en påmindelse. Arbejdet starter efter en tidsplan (hver hverdag kl. 8:45) eller ved en begivenhed (et møderesumé lander, en kalenderbegivenhed flyttes), ikke når nogen husker at spørge.
- Kilder, der allerede rummer konteksten. Agenten læser fra de systemer, hvor svaret findes — Sentry, HubSpot, Gmail, Xero — i stedet for at bede dig indsætte det.
- Et navngivet output. En oprettet sag, et vurderet tilbudsnotat, en afvigelseskommentar, en udgivet side. Noget en person kan tjekke, ikke bare mere chattekst.
- Et godkendelsespunkt. Du bestemmer, hvilke trin der afsluttes automatisk, og hvilke der venter på dig. "Klad det, send det aldrig" er en gyldig og ofte korrekt instruktion.
Det er i praksis den eneste agent-versus-agentisk-AI-distinktion, der er værd at have. Den ene udfører et trin; den anden ejer hele opgaven. Alt nedenfor er af den anden slags.
AI-agenter til engineering og hændelsesrespons
Engineering-teams var de første til at arbejde med agenter dagligt, fordi inputtene — fejl, logs, pull requests — allerede er strukturerede.
1. Sentry-fejl til GitHub-sager. Kl. 8:45 henter agenten uløste fejl fra Sentry og Axiom, samler samme rodårsag på tværs af begge kilder, anvender din forekomstgrænse og opretter tildelte GitHub-sager med stack trace og dokumentation vedhæftet. Den tilkaldte udvikler åbner computeren til en prioriteret liste, ikke en mur af alarmer. ~25 min sparet dagligt.
@Zero hver hverdag kl. 8:45, hent uløste fejl fra Sentry og Axiom for de seneste 24 timer. Fjern dubletter på tværs af kilder. For alt med 5+ forekomster, opret en GitHub-sag med fuld stack trace og tildel den relevante kodeejer.
Se eksemplerapporten: Sentry-fejl til GitHub-sager.
8:45 triagekørslen, som teamet modtager den: 17 rå signaler fra to kilder samlet til 13 rodårsager, seks oprettet og tildelt, fem under grænsen. Se hele rapporten.
2. Dagligt engineering-overblik. Fire faner bliver til én besked. Agenten henter GitHub, Linear, Sentry og Plausible før standup, sammenligner hvert tal med dets 7-dages glidende gennemsnit og markerer det, der bryder mønstret. Ingen skal huske sidste tirsdags trafik. ~20 min sparet dagligt.
@Zero hver hverdag kl. 8:30, hent live-data fra Plausible, Sentry, GitHub og Linear, marker afvigelser i forhold til 7-dages glidende gennemsnit, og post et formateret 4-sektioners dagligt overblik til #engineering.
Se eksemplerapporten: Dagligt engineering-overblik.
3. Slack-fejlmelding til GitHub-løsning. Beskriv fejlen i almindeligt sprog i tråden, hvor den blev fundet. Agenten skriver den strukturerede sag, mærker og tildeler den, og når årsagen ligger i én komponent, åbner den et pull request med rettelsen og en regressionstest til gennemgang. Rapporter dør ikke længere i tråde.
@Zero opret sag: Tryk på ESC i skemadialogen lukker den straks, selv med ikke-gemte ændringer. Skal bede om bekræftelse først. Tildel Lancy. Mærk som bug, platform. Prioritet medium.
Se eksemplerapporten: Slack-fejlmelding til GitHub-løsning.
AI-agenter til salg og GTM
Hastighed afgør tidligt salg, og de minutter, der afgør det, er dem lige efter et opkald — netop når opfølgning glipper.
4. ICP-research til outreach-kladder. Agenten søger i Apollo efter din ICP, scorer hvert lead på dine egne signaler, skriver de kvalificerede ind i pipeline-arket og kladder en personlig multi-touch Gmail-sekvens, der stopper, så snart nogen svarer. ~45 min sparet pr. batch.
@Zero søg Apollo efter founders og engineering leads hos seed til Series A dev tool startups, scor hvert lead 0-18 på vores 6 ICP-signaler, og kvalificér alt over 10. Tilføj kvalificerede leads til vores Google Sheets pipeline, og klad en 3-touch Gmail-sekvens pr. lead. Stop sekvensen, så snart nogen svarer.
Se eksemplerapporten: ICP-research til outreach-kladder.
5. Salgsopkald til opfølgningskladde. Når resuméet lander, matcher agenten det til HubSpot-aftalen, scorer sundhed med MEDDIC, citerer transskriptionen for hver risiko, logger hvad begge parter lovede med deadlines, skriver CRM-noten og forbereder opfølgningsmailen med de dokumenter, du lovede. Kun kladde; du trykker send. ~40 min sparet pr. møde.
@Zero når et møderesumé lander i Gmail, match det til HubSpot-aftalen, scor deal-sundhed med MEDDIC, marker risici med citater, log begge parters forpligtelser med deadlines, skriv den strukturerede note til HubSpot, og forbered en opfølgningskladde i Gmail med de lovede dokumenter vedhæftet. Send aldrig noget; jeg gennemser først.
Se eksemplerapporten: Salgsopkald til opfølgningskladde.
Et deal-brief skrevet ud fra transskriptionen: MEDDIC-score med ændringen siden sidste møde, hver risiko citeret med tidsstempel, og begge parters forpligtelser logget. Se hele briefet.
6. Calendly-booking til tl;dv-opfølgning. De tre kvalifikationssvar, en potentiel kunde skriver i Calendly, forsvinder normalt i en kalenderinvitation. Her bliver de til et pre-call-brief, og når tl;dv-transskriptionen findes, scorer samme kørsel dealen, skriver HubSpot-noten og kladder opfølgningen. Stage-ændringer venter på sælgeren. ~55 min sparet pr. møde.
@Zero når et salgs-møde bookes i Calendly, forbered et pre-call-brief ud fra booking-svarene og HubSpot-historikken. Når den matchende tl;dv-transskription er klar, scor dealen, marker risici med tidsstemplede citater, skriv HubSpot-noten, og opret Gmail-opfølgningskladde. Send aldrig mail eller ændr deal-stage uden min godkendelse.
Se eksemplerapporten: Calendly-booking til tl;dv-opfølgning.
7. KOL-research til partnerskabskladde. Giv agenten et brugernavn. Den læser skaberens seneste 30 opslag, finder ud af, hvad de faktisk interesserer sig for, og gemmer en Gmail-kladde på under 150 ord, der refererer til noget specifikt og aktuelt. Kold outreach, der ikke lyder som en skabelon. ~20 min sparet pr. skaber.
@Zero læs @swyx's seneste 30 X-opslag for at forstå deres stil og interesser. Skriv en personlig kold outreach-mail på under 150 ord om et partnerskab. Referér til noget specifikt, de har postet for nylig. Gem den som Gmail-kladde.
Se eksemplerapporten: KOL-research til partnerskabskladde.
AI-agenter til marketing, SEO og indholdsproduktion
Marketing bygger på tilbagevendende research og gentagen produktion. Agenter er gode til indsamling og andet udkast, hvor timerne bruges.
8. Søgeords-huller til flersprogede kladder. Agenten henter live-volumen og sværhedsgrad fra Ahrefs, klynger hullerne og giver dig en prioriteret shortlist. Vælg én, og samme kørsel skriver indlægget, genererer coverbilledet og udgiver alle sprogversioner som kladder i dit CMS. ~4 timer sparet pr. emne.
@Zero research søgeord om AI-agent-tilladelser og adgangskontrol. Hent volumen og sværhedsgrad fra Ahrefs, grupper dem i emneklynger, og send mig de fem bedste. Når jeg vælger én, skriv indlægget, generér et coverbillede, og udgiv det til Strapi på engelsk, forenklet kinesisk og japansk som kladder.
Se eksemplerapporten: Søgeords-huller til flersprogede kladder.
9. Sammensmeltede PR'er til lanceringstekst. Tredive pull requests flettet denne uge, og nogen skal afgøre, hvilke en kunde vil bemærke. Agenten læser listen, beholder de brugerrettede ændringer, grupperer dem i temaer, og efter din godkendelse sender den changelog til bloggen, Resend-listen og X i én kørsel. ~90 min sparet ugentligt.
@Zero hver fredag kl. 9, læs pull requests flettet de seneste 7 dage. Behold de brugerrettede, grupper dem i temaer, og skriv et changelog-indlæg. Forhåndsvis det i #marketing, udgiv det derefter på bloggen, send det via Resend til 'subscribers'-publikummet, og post en tråd på X.
Se eksemplerapporten: Sammensmeltede PR'er til lanceringstekst.
10. Ugentlig optimering af betalte annoncer. Mandagsrapporten skriver sig selv, før du logger ind: hver kampagne uge for uge på forbrug, konverteringer og CPA, søgetermer der brugte budget uden konverteringer, kampagner der mister impressions pga. budget, og de konkrete ændringer, der skal laves næste gang med værdiestimat. ~3 timer sparet ugentligt.
@Zero hver mandag kl. 9, skriv sidste uges betalte annoncerapport fra Google Ads. Sammenlign hver kampagne med ugen før på forbrug, konverteringer og CPA. List søgetermer, der brugte mere end $20 uden konverteringer, marker kampagner der mister impressions pga. budget, og afslut med de ændringer, du ville lave næste uge og hvad hver er værd.
Se eksemplerapporten: Ugentlig optimering af betalte annoncer.
Mandagens annoncerapport, med de fire anbefalede ændringer kladdet og intet anvendt. Se hele rapporten.
11. Brandbrief til landingpage. Beskriv brandet og siden. Agenten skriver alle sektioner, finder licenseret foto, committer sitet til GitHub og deployer det på Vercel. Fire overleveringer — tekst, design, frontend, deploy — bliver til én samtale. ~3 timer sparet pr. side.
@Zero byg en landingpage for et smykkebrand kaldet AURELLE. Quiet-luxury tone, skræddersyede bestillinger. Hero, kollektioner, processen, brandhistorie, FAQ og booking-call-to-action. Skub til nyt GitHub-repo og deploy til Vercel.
Se eksemplerapporten: Brandbrief til landingpage.
12. Skærmoptagelse til forklaringsvideo. Overdrag den rå gennemgang, du allerede har optaget. Agenten ser den, skriver manuskript, genererer en præsentator til at forklare konceptet, indtaler gennemgangen og redigerer det hele til en 60-sekunders forklaringsvideo. ~6 timer sparet pr. video.
@Zero her er min skærmoptagelse i 'Dashboard Launch'-mappen på Google Drive. Se den, skriv manuskript, generér en HeyGen-præsentator til at forklare nøglebegreber, og indtal gennemgangen med ElevenLabs voiceover. Redigér det til en 60-sekunders forklaringsvideo.
Se eksemplerapporten: Skærmoptagelse til forklaringsvideo.
AI-agenter til kundeindsigt og rapportering
Beviserne til positionering og vækstgennemgang findes allerede. De er bare spredt over fire værktøjer og tre teams.
13. Kundesamtaler til levende messaging-dokument. Hver uge læser agenten Intercom-samtaler og opkaldsnoter, udtrækker ordrette jobs, smerter, indvendinger og de sætninger, der virkede, skelner mellem enkeltstående bemærkninger og gentagne signaler og foreslår opdateringer til det fælles messaging-dokument pr. segment. Den rører ikke CRM-felter eller udgiver tekst. ~2 timer sparet ugentligt.
@Zero gennemgå denne uges Intercom-kundesamtaler og Granola-opkaldsnoter. Udtræk ordrette jobs, smerter, indvendinger og budskaber, der virkede. Gruppér gentagne signaler efter HubSpot-segment og foreslå opdateringer til vores messaging-dokument i Drive. Redigér ikke CRM-felter eller udgiv tekst.
Se eksemplerapporten: Kundesamtaler til levende messaging-dokument.
14. Website-analyse til ugentlig vækstrapport. To analyseværktøjer, én rapport. Agenten afstemmer Plausible og PostHog, rapporterer kun væsentlige ændringer i trafik, tilmeldinger og funnel-trin, tjekker om instrumenteringen fejlede før markedet får skylden, og skriver rapporten i Notion uden at påstå årsagssammenhæng uden bevis. ~90 min sparet ugentligt.
@Zero hver mandag, sammenlign sidste komplette uge med ugen før i Plausible og PostHog. Rapportér kun væsentlige ændringer i trafik, tilmeldinger og funnel. Krydstjek tracking-sundhed, brug Notion-release-noter som kontekst, og klad en kort rapport. Påstå ikke årsagssammenhæng uden bevis.
Se eksemplerapporten: Website-analyse til ugentlig vækstrapport.
To analyseværktøjer afstemt til én rapport — inklusive en side markeret som tracking-gap frem for konverteringsfald. Se hele rapporten.
AI-agenter til finans og professionelle tjenester
Gentagen rapportering passer perfekt: samme træk, samme format, hver periode. Skønnet er, hvad en agent aldrig må opfinde.
15. Xero-aktualer til budgetafvigelseskommentar. Regnskabet lukkes, men forklaringen lever stadig i kortnoter, fakturaer og finans-teamets hukommelse. Agenten sammenligner Xero-aktualer og Brex-forbrug med det godkendte budget, sporer væsentlige bevægelser tilbage til kildebevis, skelner mellem timing og strukturel ændring og kladder et privat spørgsmål til ejeren for alt, den ikke kan dokumentere. Ukendt forbliver ukendt. ~3 timer sparet månedligt.
@Zero sammenlign Xero-aktualer for juli og Brex-forbrug med det godkendte budget i Google Sheets. Forklar kun væsentlige afvigelser med dokumentation fra transaktioner og Drive. For alt uforklaret, klad et privat spørgsmål til budgetejeren. Redigér ikke Xero eller send beskeder.
Se eksemplerapporten: Xero-aktualer til budgetafvigelseskommentar.
Månedsafslutningskommentar med dokumentation vedhæftet og den ene uforklarede afvigelse efterladt som spørgsmål til budgetejeren. Se hele rapporten.
16. Kalenderaktivitet til fakturerbart timeoverblik. Service-teams udfører arbejdet først og registrerer tiden senere, hvor møder har generiske navne og korte opfølgninger glemmes. Agenten rekonstruerer ugen ud fra kalenderaktivitet, noter og projektdata, tjekker Xero for dubletter og giver hver foreslået post et tillidsniveau og en kildehenvisning. Den indsender aldrig timesedler eller opretter fakturaer. ~90 min sparet ugentligt.
@Zero hver fredag, rekonstruér sandsynlig fakturerbar tid fra min Google Kalender og Granola-noter. Match til aktive Airtable-projekter og tjek Xero for dubletter. Vis dokumentation og tillid for hver manglende post. Indsend aldrig timesedler eller opret faktura.
Se eksemplerapporten: Kalenderaktivitet til fakturerbart timeoverblik.
AI-agenter til drift og personlig effektivitet
Den sidste gruppe er den stille: arbejde, der aldrig står på et roadmap og alligevel sluger den første time hver dag.
17. Daglig indbakke-triage. Kl. 7 venter 183 beskeder, og fire af dem kræver en beslutning i dag. Agenten læser hele trådene, sætter beslutninger først, derefter hvad du skylder svar på, så nyttig kontekst, og grupperer rutinemæssige notifikationer efter kilde uden at slette noget. Ét overblik, i din DM. ~25 min sparet hver morgen.
@Zero hver hverdag kl. 7, gennemgå Gmail fra de seneste 24 timer. Sæt beskeder, der kræver beslutning i dag, først, derefter tråde jeg skylder opfølgning, så nyttig kontekst. Gruppér rutinemæssige notifikationer efter kilde uden at slette noget. Send ét morgenoverblik til min Slack DM.
Se eksemplerapporten: Daglig indbakke-triage.
183 beskeder, læst før kl. 7: fire beslutninger først, den eksponerede API-nøgle øverst, og 164 rutinemæssige notifikationer samlet uden at slette noget. Se hele overblikket.
18. Onboardingplan for medarbejdere. Samme 45 minutters koordinering for hver nyansat. Agenten skriver onboarding-dokumentet, booker introer i første uge, poster velkomst og sender DM til den nye kollega med agendaen, så dag ét ikke afhænger af, at nogen ser en Slack-besked. ~45 min sparet pr. ansættelse.
@Zero onboard Sarah Chen, der starter som Product Designer den 14. Opret Google Docs onboardingplan, book uge-1 intro-møder i Google Kalender, planlæg et 30-dages check-in, post velkomst i #general og DM Sarah hendes første-uge agenda.
Se eksemplerapporten: Onboardingplan for medarbejdere.
19. Kalenderændringer til tilgængelighedsblokke. Et møde flyttes, og din booking-side viser stadig gårsdagens tilgængelighed. Agenten genberegner kun det berørte tidsrum og redigerer kun de pladsholdere, den selv har oprettet. Den flytter, sletter eller fortolker aldrig et rigtigt møde eller en privat blok. ~15 min sparet pr. ændring.
@Zero når en Google Kalender-begivenhed oprettes, opdateres eller annulleres, genberegn det berørte Calendly-tidsrum. Opdater kun pladsholdere oprettet af denne arbejdsgang. Flyt eller slet aldrig et rigtigt møde, booking eller privat begivenhed, du ikke ejer.
Se eksemplerapporten: Kalenderændringer til tilgængelighedsblokke.
20. X-bogmærker til noter og opgaver. Du gemmer vigtige opslag i farten og vender sjældent tilbage for at læse, hvad de linker til. Agenten tager det andet gennemløb: åbner kilderne, gemmer noter i Notion, deduplikerer mod det, du allerede ved, og foreslår en Linear-opgave kun, når researchen støtter en konkret handling på et aktivt projekt. ~60 min sparet ugentligt.
@Zero hver fredag, gennemgå mine nye X-bogmærker og åbn deres kilder. Dedupliker mod Notion, gem noter, og foreslå Linear-opgaver kun, når et punkt støtter en konkret handling for et aktivt projekt. Post eller engager aldrig på X; opret ikke opgaver uden godkendelse.
Se eksemplerapporten: X-bogmærker til noter og opgaver.
AI-agenter vs. automatiseringsværktøjer: Zero, Zapier, n8n og Dify
Hvis du overvejer AI-agent brugsscenarier, kigger du sikkert også på Zapier, n8n eller Dify. De overlapper, men angriber problemet fra modsatte ender. Zapier, n8n og Dify er byggere: du designer arbejdsgangen på forhånd og vedligeholder den. Zero er en agent: du beskriver resultatet i almindeligt sprog, og den finder selv trinene ved hver kørsel.
| Dimension | Zero | Zapier | n8n | Dify |
|---|---|---|---|---|
| Hvad det er | AI-kollega på tværs af dine værktøjer | Trigger-action app-automatisering | Open source workflow-automatisering | LLM-app og agent-builder |
| Opsætning | Beskriv jobbet på naturligt sprog | Byg en Zap af foruddefinerede trin | Forbind noder på et visuelt lærred | Orkestrér en app i et konsol |
| Ustruktureret input | Læser transskriptioner, stack traces, tråde | Kræver felter, den kan matche | Via AI-noder du konfigurerer | Ja, i den app du bygger |
| Åben slutningsvisning | Planlægger hver kørsel mod målet | Faste trin plus AI-handlinger | Fast graf plus AI-noder | Ja, inden for din apps flow |
| Hvor den kører | I skyen, på tidsplan eller event, rapporterer til Slack eller webapp | Webdashboard | Selvhostet eller cloud-lærred | Webkonsol eller indlejret app |
| Adgangskontrol | Pr. app og pr. handling, læs eller skriv, tidsbegrænset | Pr. tilsluttet konto | Pr. credential du selv hoster | Pr. app-konfiguration |
| Modelvalg | Skift frontier-modeller efterhånden som de udkommer | Leverandørens indbyggede AI-trin | Hvilke du forbinder | Hvilke du konfigurerer |
| Prisstruktur | Credits plus bring-your-own-key, ikke pr. sæde | Pr. opgave og niveau | Gratis open source, betalt cloud | Gratis open source, betalt cloud |
Hvornår hver vinder:
- Zapier, når du har brug for en pålidelig "når X, gør Y" mellem to apps og aldrig vil have den til at improvisere.
- n8n, når en udvikler ønsker en selvhostet, forgrenet pipeline med kontrol over hver node — det sædvanlige svar, når et team vokser ud af pr.-opgave-priser.
- Dify, når du bygger en kundeorienteret AI-app eller chatbot og har brug for RAG og prompt-orkestrering.
- Zero, når jobbet ændrer form hver gang, og inputtet er ustruktureret. Hvert eksempel ovenfor er den slags arbejde: en transskription, en stack trace, en uge med annonceforbrug, 183 e-mails.
De udelukker ikke hinanden. En Zap eller en n8n-node kan overlade vurderingstrinnet til Zero, og Zero kan udløse en deterministisk pipeline, hvor en allerede findes. Det virkelige spørgsmål er ikke, hvilket værktøj der er bedst. Det er, om jobbet er en fast pipeline, du bør bygge, eller en åben, du bør overlade.
Sådan kører du 20 brugsscenarier uden 20 licenser
Bemærk, at hvert eksempel ovenfor er den samme agent, der arbejder på tværs af forskellige værktøjer, ikke 20 separate produkter. Fire ting følger af det.
Den kører uden dig. Disse arbejdsgange kører i skyen på tidsplan eller event trigger, så de fortsætter efter du lukker din computer, kører flere jobs på én gang og rapporterer tilbage, hvor dit team allerede arbejder.
Adgang gives pr. handling. Hver connector er begrænset til det, arbejdsgangen faktisk bruger, læs eller skriv, pr. app — læseadgang til dine fejldata giver aldrig skriveadgang til dine repositories. Adgange kan tidsbegrænses til en time eller en dag, og følsomme trin forbliver bag din godkendelse.
En arbejdsgang er en team-ressource. Én bygger den, hele organisationen kan køre den, og hvert medlem tilføjer egne udløsere, tidsplaner og credentials ovenpå. Ingen genopbygger en arbejdsgang, der allerede findes.
Intet er låst til én model-leverandør. Du kan skifte til en nyere frontier-model, når den udkommer, uden at genopbygge arbejdsgangen, og bruge din egen nøgle, hvis du foretrækker det.
Vælg den ene arbejdsgang på denne liste, dit team gentager hver uge, og overlad den først. Gennemgå én kørsel, før du sætter den på tidsplan.
FAQ
Hvad er forskellen på en AI-agent og agentisk AI? Meget lidt, der bør ændre din beslutning. "Agentisk AI" beskriver den bredere evne — software, der planlægger og handler — mens "AI-agent" beskriver en konkret instans, der udfører et job. Det, der betyder noget, er, om den kan eje et reelt brugsscenarie fra udløser til gennemgåeligt resultat, ikke hvilket mærkat den har.
Hvad er de vigtigste typer agentisk AI-brugsscenarier? 20 ovenfor falder i seks kategorier, hvilket er en nyttig måde at gennemgå din egen uge på: engineering og hændelsesrespons, salg og GTM, marketing og indholdsproduktion, kundeindsigt og rapportering, finans og professionelle tjenester samt drift og personlig effektivitet. Hver type har samme form — udløser, kilder, output, godkendelsespunkt — og adskiller sig kun i, hvilke værktøjer der rummer konteksten.
Hvad er de bedste AI-agent brugsscenarier for små teams? Start, hvor arbejdet gentager sig, krydser værktøjer og ender i noget, du kan verificere: indbakke-triage, fejltriage, ugentlig rapport og opfølgning efter opkald. De giver gevinst i første uge og kræver næsten ingen opsætning.
Hvordan adskiller dette sig fra regelbaseret automatisering? Regelbaseret automatisering følger faste betingelser og går i stå, når inputtet ikke passer. En agent læser det ustrukturerede input — transskriptionen, stack trace, tråden — sammenligner det på tværs af værktøjer og producerer en rapport, kladde, sag eller beslutningsnotat inden for de tilladelser, du sætter.
Er AI-agenter en erstatning for medarbejdere? Den nyttige ramme er scope, ikke antal hoveder. Agenter ejer de gentagne, tværgående opgaver — triage, første udkast, gentagne rapporter — så folk bruger tiden på vurdering, relationer og de opkald, der kræver et menneske. I flere eksempler ovenfor bliver agenten eksplicit bedt om kun at kladde og aldrig sende.
Hvordan holder jeg et menneske i loopet? Sig det i instruktionen, som i eksemplerne med finans, salg og kalender: kun kladde, aldrig sende, aldrig redigere regnskabet, aldrig røre et rigtigt møde. Forbind kun de værktøjer, arbejdsgangen kræver, begræns hver til læs eller skriv, og gennemgå første kørsel før næste planlægges.
Hvilke værktøjer skal en agent have adgang til for at være nyttig? Adgang til de systemer, hvor dit arbejde allerede foregår. Zero når 200+ værktøjer, og jo mere en arbejdsgang kan læse fra og skrive til — din indbakke, dit repo, dit CRM, din analyse, dit regnskab — desto mere kan den eje fra ende til anden. Den tværgående adgang adskiller en agent fra en chatbot.
