En AI-agent er software, som du giver en opgave. Den beslutter trinene, bruger dine værktøjer til at udføre dem og stopper, når jobbet er gjort, eller når den sidder fast. Agentisk AI (på engelsk "agentic AI") er det bredere ord for AI, der arbejder på den måde. De to begreber er altså ikke konkurrenter. "AI-agent" er navnet på en ting. "Agentisk" beskriver, hvor meget af arbejdet AI'en selv planlægger og udfører.
Hvorfor betyder det noget? Fordi leverandører bruger begge ord løst, og etiketten fortæller sjældent, hvad et produkt rent faktisk vil gøre med din indbakke, dit CRM eller dine kunder. Denne guide forklarer, hvor ordene kommer fra, hvordan folk bruger dem i dag, og hvordan du vurderer ethvert værktøj ved at stille nogle få enkle spørgsmål.
Vil du sammenligne mere end ordene på en produktside? Guiden til AI-agenter viser, hvad et konkret system gør med et mål og sine værktøjer. Den bredere forklaring af agentisk AI følger planlægning, handling og kontrol, så du kan vurdere selvstændighed særskilt fra både pålidelighed og tilladelser.
AI-agenter vs. agentisk AI: den korte version
| AI-agent | Agentisk AI | |
|---|---|---|
| Hvad det er | Noget, du kan pege på | En beskrivelse eller en hel kategori |
| Hvordan folk siger det | "Vi bruger en AI-agent til at researche nye leads." | "Dette workflow er agentisk." |
| Hvor stort | Ét system, der løser én slags opgave | Alt fra en simpel AI-understøttet proces til flere agenter, der arbejder sammen |
| Hvad du skal spørge om | Hvilket job ejer den, og hvad må den røre ved? | Hvor mange beslutninger træffer den, før et menneske tjekker arbejdet? |
Ingen ejer disse begreber. Hvis en artikel giver dig én "officiel" grænse mellem dem, er det én gruppes holdning, du får.
Hvor ordene kommer fra
"Agent" er gammelt. I deres lærebog Artificial Intelligence: A Modern Approach fra 1995 definerede Stuart Russell og Peter Norvig en agent som alt, der opfatter sine omgivelser og handler på dem. Efter den definition tæller en termostat med. Det nye er, at nutidens AI-modeller kan læse rodet arbejdsmateriale, som en vred kundemail, og beslutte, hvad der skal gøres ved det.
"Agentisk" er nyere. I juni 2024 foreslog Andrew Ng, grundlægger af DeepLearning.AI, en måde at stoppe diskussionen på om, hvad der "tæller" som en agent. Se det som et spørgsmål om grad, skrev han: "Unlike the noun 'agent,' the adjective 'agentic'" (oversættelse: "I modsætning til navneordet 'agent' lader tillægsordet 'agentisk'") dig beskrive systemer, der er lidt agentagtige eller meget agentagtige.
Et par måneder tidligere havde han brugt en god sammenligning. At bede en AI om et svar i ét hug er som at bede nogen skrive en stil uden nogensinde at trykke på backspace. En agentisk tilgang lader AI'en lave en disposition, researche, skrive et udkast, tjekke og revidere, sådan som et menneske ville gøre.
YouTube · Sequoia Capital
What's next for AI agentic workflows ft. Andrew Ng of AI Fund (Hvad er det næste for agentiske AI-workflows, med Andrew Ng fra AI Fund) · 26. marts 2024
Sammenligningen med stilen uden backspace er den klareste korte forklaring på "agentisk", vi har fundet. Det er et oplæg fra 2024, så se det som en lektion i idéen, ikke som en rapport om nutidens værktøjer.
Tre måder, folk bruger begreberne på i dag
1. "Agentisk" som paraplybegreb. Anthropics guide Building effective agents (december 2024) kalder det hele for "agentiske systemer" og deler dem derefter i to. I et workflow er trinene fastlagt på forhånd. Hos en agent vælger AI'en selv sine trin. En ugerapport, der altid kører de samme fem trin, er agentisk, men den er et workflow.
2. "Agentisk AI" som teams af agenter. En forskningsoversigt, AI Agents vs. Agentic AI (først offentliggjort i maj 2025, revideret i september 2025), bruger "AI-agent" om et enkelt system, der udfører én opgave, som at besvare supportspørgsmål. "Agentisk AI" gemmer den til flere agenter, der deler et større mål op imellem sig og koordinerer.
3. "Agentisk AI" som markedsetiket. Analytikere og leverandører bruger det ofte som kategorinavn. I juni 2025 forudsagde Gartner, at over 40 % af projekterne med agentisk AI ville blive droppet inden udgangen af 2027 på grund af omkostninger, uklar værdi eller svag risikostyring. Det er en prognose, ikke en optælling. Gartner satte også navn på "agent washing": at kalde en gammel chatbot eller et automatiseringsværktøj for en agent uden at tilføje reelle nye evner. I maj 2026 advarede Gartner om det samme inden for software til planlægning af forsyningskæder.
Figur 1. En almindelig brug af "agentiske systemer" som paraplybegreb for workflows og agenter. Multiagent beskriver, hvordan agenter kombineres. Det er ikke produktkategorier, der udelukker hinanden.
Det egentlige spørgsmål: hvem vælger trinene?
Alle tre brugsmåder deler én idé. Jo mere en AI selv beslutter, jo mere agentisk er den. Det meste arbejde i en virksomhed falder på et af tre niveauer:
- Assistent. Du spørger, den svarer eller skriver et udkast. Du gør alt det andet.
- Workflow. Trinene er aftalt på forhånd. AI'en står for læsningen og skrivningen inden for hvert trin.
- Agent. Du giver den et mål. Den beslutter, hvad den skal tjekke, hvilket værktøj den skal bruge, og hvornår den ved nok.
Maya Murad fra IBM kalder det en "glidende skala" (sliding scale) for autonomi. Du vælger niveauet for hver opgave. Det er ikke en funktion, du køber én gang.
YouTube · IBM Technology
What are AI Agents? (Hvad er AI-agenter?) · 15. juli 2024
Maya Murad gennemgår den "glidende skala" for AI-autonomi og forklarer derefter, hvorfor en snæver, forudsigelig opgave ofte fungerer bedre med en fast vej end med en agent.
Agent eller automatisering? En debat, der er værd at kende
Folk, der bygger disse systemer professionelt, diskuterer netop det lige nu. Alex Vacca, der beskriver sig selv som stifter og CEO for Frontal AI, en virksomhed, der hjælper B2B-virksomheder med at øge omsætningen, formulerede argumentet for automatisering ligeud i et nyligt opslag.
X · Alex Vacca (@itsalexvacca) · 7. oktober 2026
"If you can write every step down first, build an automation." … "An agent fails quietly." (Oversættelse: "Hvis du kan skrive hvert trin ned på forhånd, så byg en automatisering." … "En agent fejler i stilhed.")
Hans pointe er praktisk. Hvis et job har faste trin (vores eksempel: at kopiere nye formularindsendelser ind i et CRM), er det spildte penge at betale en AI for at bestemme de trin. Han bemærker også, at en defekt automatisering som regel giver en fejlmeddelelse, mens en agent kan blive ved med at melde succes, mens dens svar langsomt bliver dårligere. Derfor lader han et menneske godkende, før noget bliver sendt.
Vi er enige i testen, med ét forbehold: det er én praktikers synspunkt, baseret på hans eget setup, fra en person, der sælger netop den slags arbejde. Det stemmer dog overens med det, Anthropic og IBM siger. Start med det enkleste, der virker. Brug kun en agent, når trinene virkelig afhænger af, hvad den finder.
Almindelige myter
"Agentisk AI er den nyere, bedre version af AI-agenter." Nej. En agent er noget af det mest agentiske, der findes. Begreberne beskriver grader, ikke produktgenerationer.
"Mere autonomi er altid bedre." Nej. Mere autonomi koster mere og er sværere at kontrollere. Til en ugerapport, der ser ens ud hver gang, er et fast workflow billigere og mere forudsigeligt.
"En agent ved alt om din virksomhed." Den ved kun det, den kan se: de værktøjer, du har forbundet, og den samtale, den er i. I Okou har hver chat for eksempel sin egen kontekst. En ny chat starter forfra, medmindre du bevidst henter en tidligere chat ind.
"Flere agenter betyder mere kunnen." Ikke nødvendigvis. Hver overlevering mellem agenter er endnu et sted, hvor fejl kan hobe sig op, eller adgang kan brede sig. Spørg, hvem der ejer det endelige resultat.
"Etiketten fortæller, hvad den gør." Nej. Gartner fandt på "agent washing" netop til dette, og advarede stadig om det i 2026. Se bort fra ordet, og spørg, hvad produktet gør på egen hånd.
Én opgave, tre måder: en kampagnerapport
Forestil dig, at en marketingchef skal bruge fredagens kampagneoversigt. Det er en illustrativ opgave, ikke et kunderesultat. Kampagneoversigten registrerer tilmeldinger, annoncekontoen registrerer forbrug, og opgavebeskrivelsen fastlægger rapporteringsperioden. Én kanal er endnu ikke færdig med at rapportere.
1. Bed en agent én gang
Chefen beder: "Sammenlign forbrug og tilmeldinger for denne uges kampagner. Brug datoerne i opgavebeskrivelsen, link tallene til kilderne, og markér kanaler med ufuldstændige data. Forbered en opsummering; ændr ikke budgetter, og offentliggør den ikke." Agenten vælger trinnene: læs opgavebeskrivelsen, indsaml tallene, opdag hullet og lav en sammenligning med tydelige forbehold. At kalde dette en agent fortæller, hvem der udfører opgaven, ikke om konklusionen er korrekt.
En rigtig aktivitetsindikator fra en anden opgave. Den viser igangværende arbejde, ikke dokumentation for, at kampagnerapporten er blevet kontrolleret eller færdiggjort.
2. Gem rapporteringsmetoden som et workflow
Når chefen har kontrolleret resultatet, gemmer vedkommende kildelisten, datoreglen, beregningen og tjeklisten til gennemgang som et Okou-workflow. Trinnene kan være ret forudsigelige, mens noget af arbejdet inden for et trin stadig kræver dømmekraft, eksempelvis at opdage, at en kanal bruger et andet datointerval. Et workflow er en genbrugelig metode. Det er ikke bevis på, at flere agenter har samarbejdet, og det er ikke et løfte om, at AI må træffe alle beslutninger alene.
3. Tilføj en tidsplan separat
En automatisering kan starte workflowet hver fredag for en navngiven ansvarlig. Den ændrer, hvornår opgaven starter. Den leverer ikke manglende data, gør ikke rapporten pålidelig og giver ikke tilladelse til en budgetændring.
Godkendelseskriterierne er de samme i alle tre versioner: ensartede datoer, tal med kildelinks, manglende data markeret og et udkast til gennemgang. Hvis rapporten anbefaler at flytte budget, kontrollerer chefen dokumentationen og beslutter. Derfor er den nyttige skelnen mellem den, der udfører arbejdet, den gemte metode og udløseren, snarere end tre stadig mere imponerende produktbetegnelser.
Det, der bliver hos mennesker
At lade AI vælge trinene må ikke betyde, at ingen er ansvarlig for resultatet. Før en agent rører rigtigt arbejde, så afklar fire ting:
- Hvad den må læse. Hvilke indbakker, CRM-systemer og dokumenter, og via hvis konto.
- Hvad den må ændre. At skrive et udkast er ikke at sende. At foreslå en CRM-opdatering er ikke at foretage den.
- Hvor den stopper. Hvilke handlinger der altid venter på et menneske.
- Hvad den afleverer. En brief, et udkast eller en post, som nogen kan tjekke mod kilderne.
Folk, der bruger AI på arbejdet, tænker allerede sådan. I Microsofts Work Trend Index 2026, en undersøgelse blandt 20.000 AI-brugere i 10 lande gennemført i begyndelsen af 2026, sagde 86 %, at de ser AI-output som et udgangspunkt, ikke som et endeligt svar. Det er folks egne svar, ikke en måling af resultater.
Læs mere om, hvordan et team tilpasser sig, når AI begynder at overtage arbejde, i hvad der ændrer sig, når AI arbejder selvstændigt.
Spørgsmål til ethvert "agentisk" værktøj
- Hvem vælger trinene? Fastlagt på forhånd, valgt af AI'en hver gang, eller en blanding?
- Hvad kan det se? Hvilke værktøjer, via hvis login, og husker det tidligere samtaler?
- Hvad kræver din godkendelse? Håndhæves det af rettigheder, eller står det bare i en prompt?
- Hvad gør det, når det er usikkert? Markerer det problemet, eller gætter det?
- Kan du se, hvad det har gjort? Bliver hvert trin og resultat registreret?
- Kan dit team genbruge det, der virker? Kan metoden gemmes, deles og planlægges med en navngiven ejer?
Et værktøj, der svarer klart på disse spørgsmål, er værd at se nærmere på, uanset hvad det kalder sig selv. For idéer til, hvor du kan starte, kan du se disse eksempler på AI-agenter til rigtigt arbejde og vores guide til at styre kontekst og rettigheder.
FAQ
Er agentisk AI det samme som en AI-agent?
Ikke helt. En AI-agent er et bestemt system, der tager imod en opgave, vælger trinene og bruger værktøjer til at gøre den færdig. Agentisk AI er det bredere begreb for AI, der arbejder sådan, i hvilken som helst grad. Enhver AI-agent er agentisk, men "agentisk AI" kan også betyde et fast workflow med AI-trin eller flere agenter, der arbejder sammen.
Hvad er forskellen på agentisk AI og generativ AI?
Generativ AI skriver eller skaber noget, når du beder om det, og venter derefter. Agentisk AI bruger den evne til at arbejde hen mod et mål: den planlægger, handler med værktøjer, tjekker resultatet og fortsætter. De fleste AI-agenter kører på en generativ model, men at skrive et svar er kun en del af det, de gør.
Hvad er risiciene ved agentisk AI?
Risiciene kommer af at handle, ikke af at svare. En AI med adgang til mail, et CRM eller annoncekonti kan lave en forkert ændring eller sende noget, som ingen har tjekket. Gartners prognose fra 2025 om, at mange projekter med agentisk AI vil blive droppet inden 2027, pegede på omkostninger, uklar værdi og svag risikostyring. Giv den kun den adgang, opgaven kræver, før log over hvert trin, og kræv godkendelse af alt, der forlader virksomheden.
Hvad er forskellen på agentisk AI og RPA?
RPA (robotic process automation) følger optagede trin nøjagtigt, som at kopiere felter fra ét system til et andet. Agentisk AI kan håndtere arbejde, hvor det næste trin afhænger af, hvad den læser, som en mail, der skal forstås. Nogle RPA-værktøjer er blevet omdøbt til "agentiske" uden reelle ændringer, så bed om at se, hvordan et værktøj håndterer noget uventet.
Kan agentisk AI arbejde helt selvstændigt?
Nogle systemer kan køre mange trin uden et menneske. I erhvervslivet er det sjældent målet. De fleste teams lader AI'en researche, skrive udkast og komme med forslag, mens et menneske godkender alt, der går ud af huset eller er svært at fortryde, som at sende en mail eller ændre en post. Analytikere er også forsigtige: i maj 2026 sagde Gartner, at de fleste værktøjer til planlægning af forsyningskæder ikke havde nået fuld autonomi.
Har jeg brug for en AI-agent eller en enklere automatisering?
Start enkelt. Hvis en opgave har de samme trin hver gang, er et gemt workflow på en tidsplan billigere og mere forudsigeligt. Brug en agent, når trinene afhænger af, hvad den finder, som når du skal finde ud af, hvorfor en kunde er i fare. Mange teams gør begge dele: de bruger en agent til at finde frem til metoden og gemmer den derefter som et workflow for at kunne gentage den.
