En AI-agent er software, der får et mål, finder ud af trinnene, bruger dine værktøjer til at udføre dem, tjekker resultaterne og bliver ved, indtil opgaven er løst, eller indtil du skal træffe en beslutning. En chatbot svarer på dit spørgsmål. En agent prøver at gøre arbejdet færdigt.
Det er det korte svar. Problemet er, at "agent" nu bliver sat på næsten alle AI-produkter, så etiketten alene fortæller dig meget lidt. Så hvad er en AI-agent i praksis? Denne guide følger en rigtig arbejdsopgave fra start til slut, så du kan se, hvad en agent gør i hvert trin, hvor den har brug for dig, og hvordan du kender forskel på en rigtig agent og en chatbot med et nyt navn.
Er du i tvivl om, hvornår du beder om et svar, og hvornår du overdrager arbejde? Sammenligningen med chatbots og AI-kolleger viser forskellen på de opgaver, du giver dem. Oversigten over agenttyper forklarer, hvordan agenter træffer beslutninger, ikke hvilke der er bedst. Vil du forstå selve arbejdsprocessen, følger guiden til agentisk AI kredsløbet med planlægning, handling og kontrol og skelner mellem selvstændighed, pålidelighed og tilladelser. Den direkte sammenligning af begreberne adskiller et konkret system fra den bredere betegnelse.
Til den daglige uddelegering viser guiden til AI-kolleger, hvordan du giver baggrund, gennemgår resultatet og gemmer metoden. Artiklen om AI-medarbejdere forklarer, hvilke faste opgaver software kan overtage, uden at mennesker afgiver ansvaret.
Hvad er en AI-agent?
En AI-agent er et AI-system, som du giver et mål i stedet for et enkelt spørgsmål. Den beslutter, hvad der skal ske som det næste, gør det i dine værktøjer, ser på, hvad der skete, og justerer.
Ordet "agent" er gammelt. En klassisk lærebog om AI, Artificial Intelligence: A Modern Approach (første gang udgivet i 1995), beskriver en agent som alt, der opfatter sine omgivelser og handler på dem. Efter den definition er en termostat en agent.
Det nye er hjernen. Nutidens agenter bruger en stor sprogmodel (den slags AI, der ligger bag ChatGPT og Claude) til at beslutte næste trin. En forskningsartikel fra 2022 ved navn ReAct viste et enkelt mønster, der fik det til at fungere bedre: tænk, handl, se på resultatet, tænk igen. De fleste agentprodukter i dag følger en eller anden udgave af det loop.
Forskellige virksomheder bruger forskellige definitioner. AWS siger det enkelt: "Humans set goals, but an AI agent independently chooses the best actions it needs to perform to achieve those goals." (Mennesker sætter målene, men en AI-agent vælger selvstændigt de bedste handlinger for at nå dem.) LangChain tilføjer en nyttig pointe: selvstændighed er en skala, ikke et ja eller nej. Nogle agenter følger en vej, som et menneske har lagt. Andre planlægger, handler og skifter kurs på egen hånd. De fleste nyttige agenter i erhvervslivet ligger midt imellem. De klarer benarbejdet og stopper op for et menneske, når det betyder noget.
Hvis du hellere vil se end læse, gennemgår IBM's korte forklaringsvideo det grundlæggende godt. Den er fra 2024, så se den som en introduktion til idéen, ikke som et billede af nutidens produkter.
YouTube · IBM Technology
What are AI Agents? · 15. juli 2024
En 12 minutter lang gennemgang ved whiteboardet. Maya Murad viser, hvorfor en model alene svarer forkert på et simpelt spørgsmål om feriedage, og hvordan det løses ved at give den en plan, værktøjer og hukommelse. Mod slutningen beskriver hun "a sliding scale of AI autonomy" (en glidende skala for, hvor selvstændig AI er).
En hurtig test for ethvert produkt, der kalder sig en agent: Vælger den selv næste trin? Kan den handle i dine værktøjer og ikke kun skrive tekst? Tjekker den sit eget arbejde, før den afleverer det? Jo flere ja, jo mere agent.
Sådan fungerer AI-agenter: fem dele, én opgave
Her er opgaven, vi følger. Det er et eksempel bygget i Okous demo-arbejdsområde med opdigtede data, ikke en kundehistorie.
Du står for marketing i en lille softwarevirksomhed. Du vil samarbejde med nogle få indholdsskabere, der lærer driftsteams at bruge AI i praktiske arbejdsgange. Du skriver:
Find fem indholdsskabere, der når ud til driftsledere og passer til vores produkt. Tilføj dem til vores partnerliste med links og begrundelser for, hvorfor de passer. Skriv en første mail til hver af dem, og lad kladderne ligge, så jeg kan gennemgå dem.
En chatbot ville give dig nogle navne fra hukommelsen og en mailskabelon. En agent behandler det som en opgave, der skal løses. For at løse den godt har den brug for fem ting: et mål, kontekst, værktøjer, en måde at handle og tjekke på og feedback. De fem er vores måde at dele det op på, ikke en officiel standard, men hvis du kan se alle fem i en opgave, kan du se, hvad agenten faktisk gjorde.
1. Et mål: hvordan "færdig" ser ud
Målet er resultatet i almindelige ord: fem indholdsskabere, en udfyldt partnerliste, én mailkladde til hver. Et godt mål har også grænser. "Lad kladderne ligge, så jeg kan gennemgå dem" er en grænse. Det er "returner færre end fem, hvis du ikke kan finde nogen, der passer godt" også.
De fleste problemer starter her. Agenter fylder huller ud med gæt, så et vagt mål giver dig gæt. Sig, hvad du vil have, hvor det skal hen, og hvem der tjekker det.
2. Kontekst: hvad agenten ved om din situation
Kontekst er den baggrund, en ny kollega ville have brug for: din produktbrief, din brandguide, noter fra tidligere samarbejder og det, du allerede har sagt i samtalen.
Kontekst ændrer beslutningerne, ikke kun formuleringerne. I vores eksempel beder kampagnebriefen om indholdsskabere, der underviser i praktiske AI-arbejdsgange, så skabere, der kun underviser i kodning, bliver sorteret fra. Samarbejdsnoterne siger, at honorarer og vilkår ikke er aftalt endnu, så mailene inviterer til en samtale i stedet for at nævne en pris. Brandguiden beder om konkrete udsagn, så hver mail nævner skaberens faktiske arbejde i stedet for at rose deres "fantastiske indhold".
Okou læser fem dokumenter fra en Drive-mappe, du har givet adgang til, opsummerer, hvad hvert af dem siger, og markerer et spørgsmål, der skal afklares, før I tager kontakt. Okou-appen live, opdigtede dokumenter. Se i fuld størrelse
Kontekst har også grænser. I Okou husker en chat det, der er blevet sagt i netop den chat. En ny chat starter forfra. Hvis sidste uges diskussion er vigtig, henviser du til den tidligere chat eller vedhæfter briefen. På den måde ved du altid, hvad agenten arbejdede ud fra.
3. Værktøjer: hvad agenten kan bruge og ændre
Værktøjerne er måden, en agent får ting gjort på. Til denne opgave: søge på nettet efter indholdsskabere, åbne deres sider for at tjekke, hvad de har lavet for nylig, tilføje rækker i et delt Google Sheet og oprette kladder i Gmail.
Det er den største forskel fra en chatbot. En chatbot kan beskrive en god partnerliste. En agent med adgang til dit regneark kan udfylde den. Det er også der, risikoen ligger, så tænk dig om, når du giver adgang.
Okous liste over apps, du kan forbinde, skærmbillede taget den 5. oktober 2026, med kontooplysninger sløret. At en app står på listen, betyder ikke, at en agent allerede kan bruge den. Se i fuld størrelse
I Okou forbinder du en konto, lader en agent bruge den og tillader derefter bestemte handlinger, for eksempel "opret en Gmail-kladde". Du kan tillade en handling i en time, en dag, en uge eller permanent (sådan fungerer tilladelser). Til denne opgave ville du tillade, at agenten læser Drive-mappen, skriver i partnerlisten og opretter kladder, men ikke at den sender noget. Hvis agenten har brug for noget, du ikke har tilladt, stopper Okou og spørger.
4. Handling: arbejd, tjek, gentag
Nu arbejder agenten. Den kører ikke et fast script. Den tager et trin, ser på resultatet og beslutter, hvad den skal gøre bagefter.
I vores eksempel søger den efter indholdsskabere og åbner hver profil. En af dem har ikke lagt noget op i et år, så agenten dropper personen og søger igen. En anden passer godt, men har ingen offentlig mailadresse til forretningshenvendelser, så agenten noterer det som et åbent spørgsmål i stedet for at gætte en adresse. Den tilføjer hver bekræftet skaber til partnerlisten med links og skriver derefter en mailkladde, der nævner personens faktiske arbejde.
Tjektrinnet er det, der gør det til en agent. Et værktøj, der kører én gang og håber på det bedste, er tættere på en knap. I vores opgave er et simpelt tjek: "har hver skaber i partnerlisten et kildelink?" Hvis ikke, går agenten tilbage og finder et, eller dropper den skaber.
Fordi dette loop tager tid, kører Okou det i skyen. Arbejdet fortsætter, efter du har lukket computeren, og du kommer tilbage til resultatet.
Den samme opgave i seks trin. Gul er din del, blå er agentens arbejdsloop, grøn er det, den afleverer. Se i fuld størrelse
5. Feedback: fra arbejdet og fra dig
Feedback kommer to steder fra. Arbejdet giver modstand: en søgning finder intet, en side vil ikke indlæse, en skabers publikum er et andet, end profilteksten antyder. En god agent tilpasser sig på egen hånd.
Det andet sted er dig. Hvordan en agent holder dig orienteret, betyder lige så meget som, hvor klog den er. En udvikler gav for nylig den samme researchopgave til tre agentprodukter og delte, hvad der skete:
X · Kun Chen (@kunchenguid) · 5. oktober 2026
"it kept giving me updates about its progress, which was useful"
(Oversættelse: den blev ved med at give mig opdateringer om, hvordan arbejdet skred frem, hvilket var nyttigt)
I hans test, som vi læser det, sprang den hurtigste agent et krav over, som han havde angivet fra starten. De agenter, der stillede spørgsmål først og delte deres fremskridt, gjorde det muligt for ham at rette kursen tidligt. Han kalder det "a one-off experience" (en enkeltstående oplevelse), der skal tages "with a grain of salt" (med et gran salt), og det er én persons mening, ikke en benchmark. Men det giver dig tre gode ting at holde øje med: Bekræfter agenten målet? Respekterer den dine grænser? Viser den sit arbejde, mens der stadig er tid til at rette det?
Hvordan agenten afleverer arbejdet, betyder også noget. Forskellige mennesker har brug for forskellige ting. I vores opgave får dit team partnerlisten, hver skaber får en mailkladde, og du får en kort liste over åbne spørgsmål. Okou er bygget til at vælge det format, der passer til den, der læser.
Så gennemgår du. Du siger måske "start Maras mail med hendes vejledning om interviews" eller "drop den anden skaber, vi arbejder allerede med dem". Agenten reviderer i den samme chat. Og intet forlader virksomheden, før du sender det:
Okou efterlader en Gmail-kladde og forklarer, hvorfor henvendelsen passer. Du beslutter, om den skal sendes. Okou-appen live, opdigtet skaber. Se i fuld størrelse
Efter opgaven: gør den genbrugelig
Her er noget, de fleste forklaringer springer over. Dine rettelser forbedrer netop denne opgave, men de bliver ikke automatisk teamets måde at gøre det på. Hvis en kollega beder om kontakt til indholdsskabere næste måned i en ny chat, ved agenten ikke, hvad du rettede.
Så det sidste trin er at beslutte, hvad der skal gemmes. I Okou gemmer du metoden som en arbejdsgang (workflow): trinnene, referencedokumenterne, formatet på resultatet og reglen "kun kladder, et menneske sender". En kollega kan derefter køre den samme metode med sin egen Gmail og sine egne tilladelser. Når du deler en arbejdsgang, deler du metoden, ikke din indbakke eller dine chats. Hvis du vil have den til at køre hver mandag, tilføjer du en automatisering (automation). Arbejdsgangen er metoden. Automatiseringen er tidsplanen.
Det er forskellen på en agent, der hjalp én gang, og en, der gjorde teamet bedre til noget.
Hvornår er en AI-agent det rigtige værktøj?
Ikke alle opgaver kræver en agent. Hvis trinnene altid er de samme, er en simpel automatisering billigere og mere forudsigelig. Agenter gør deres nytte, når opgaven kræver dømmekraft.
Barry Zhang fra Anthropic gav en klar tjekliste i et oplæg i 2025. Hans første punkt: "don't build agents for everything" (byg ikke agenter til alt) (0:52).
YouTube · AI Engineer
How We Build Effective Agents: Barry Zhang, Anthropic · 4. april 2025
Et 15 minutter langt oplæg fra en ingeniør hos Anthropic. De første fem minutter er en tjekliste til at afgøre, om en opgave overhovedet har brug for en agent, og den kan sagtens bruges langt uden for ingeniørverdenen.
Oversat til en forretningshverdag handler det om fire spørgsmål:
- Kræver opgaven dømmekraft? Hvis du kan skrive hvert trin ned på forhånd, så brug en fast proces.
- Er resultatet indsatsen værd? En ugentlig brief om en kunde er det. At sortere supporthenvendelser i mapper er det sandsynligvis ikke.
- Kan agenten klare den svære del godt? Test det først. Hvis den ikke kan finde de rigtige kilder, så gør opgaven mindre.
- Hvad koster en fejl? Hvis den er dyr eller svær at opdage, så lad agenten kun læse og skrive kladder, og lad et menneske stå for det sidste trin.
Vores opgave med indholdsskabere består testen. Ingen ved på forhånd, hvilke skabere der er de rigtige, et godt samarbejde er værdifuldt, research og kladder er noget, agenter er gode til, og afsendelsen bliver hos et menneske.
Hvordan adskiller en AI-agent sig fra en chatbot eller en automatisering?
| Chatbot | Regelbaseret automatisering | AI-agent | |
|---|---|---|---|
| Du giver den | Et spørgsmål | En udløser og faste trin | Et mål, baggrund og adgang til værktøjer |
| Hvem bestemmer trinnene | Dig, én besked ad gangen | Den, der byggede automatiseringen | Agenten, inden for dine grænser |
| Når noget uventet sker | Den svarer på din næste besked | Den fejler eller springer trinnet over | Den tilpasser sig eller spørger dig |
| Du får tilbage | Tekst, du skal kopiere | Det samme output hver gang | Færdigt arbejde plus det, den ikke kunne bekræfte |
Rigtige produkter udvisker grænserne. I juli 2025 tilføjede OpenAI for eksempel en agenttilstand til ChatGPT. Så vurder et produkt efter, hvad det gør med dit mål, ikke efter dets navn.
Almindelige misforståelser om AI-agenter
"Mere selvstændighed er altid bedre." Nej. Hvor meget du kan stole på en agent, afhænger af, hvad en fejl ville koste, og det kan være forskelligt for hver handling i den samme opgave.
"Agenten husker alt, hvad vi har talt om." Agenter arbejder ud fra det, de får: den aktuelle chat, de apps, de har adgang til, og deres instruktioner. I Okou har hver chat sin egen historik, og du henter en anden chat ind ved at henvise til den. Hvis en agent ser ud til at glemme noget, så tjek, hvad den faktisk fik.
"Hvis jeg deler en agent med mit team, deler jeg mine konti." Ikke i et velbygget produkt. Kollegerne får den samme rolle og metode, men hver person bruger sine egne konti.
"Hvis jeg retter den én gang, lærer den det for altid." En rettelse løser den aktuelle opgave. Den bliver først teamets standard, når nogen gemmer den i agentens instruktioner eller i en arbejdsgang.
Det, der bliver hos mennesker
En agent kan klare det meste af benarbejdet. Den kan ikke stå til ansvar for resultatet. Det her bliver hos dit team:
- At fastsætte mål og grænser. Kun du ved, at en skaber er udelukket, eller at budgettet ikke er godkendt.
- At bestemme, hvad agenten har adgang til. Giv den det, denne opgave kræver, ikke alt.
- At godkende alt, der forlader virksomheden eller ikke kan fortrydes. Mails til kunder, budgetændringer, betalinger, sletninger.
- At eje resultatet. Hvis en mail går ud med en forkert påstand, er det din virksomhed, der har sendt den.
Den praktiske måde at håndtere tillid på er én handling ad gangen. Den samme agent kan godt få lov til at læse en brief selv og alligevel skulle vente på grønt lys, før den sender en mail.
| Niveau | Hvad agenten må gøre | I opgaven med indholdsskabere |
|---|---|---|
| 1. Læse | Kigge, men ikke ændre noget | Åbne briefen i Drive og offentlige skaberprofiler |
| 2. Skrive kladder og registrere | Forberede arbejde, som ingen udenfor ser endnu | Tilføje rækker i partnerlisten, gemme mailkladder |
| 3. Handle efter din godkendelse | Gøre det, men først når et menneske siger ja | Sende en mail, skifte ejer i CRM |
| 4. Handle på egen hånd | Rutinetrin, der er nemme at fortryde, og som du har tjekket | Opdatere en statuskolonne |
Start med niveau 1 og 2. Ryk først en handling op, når den har ramt rigtigt mange gange.
Okous guide til tilladelser foreslår det samme for arbejde, der kræver et menneskeligt tjek: tillad kladder, tillad ikke afsendelse, og skriv reglen for gennemgang ind i instruktionerne. Hvis du vil vide, hvordan Okou holder adgangskoder og nøgler væk fra selve AI'en, så se Brokers holder dine nøgler. Ikke din AI-agent.
Eksempler på AI-agenter for forretningsteams
De samme fem dele går igen i det meste af det arbejde, teams overlader til agenter:
- Salg: før et kundeopkald, saml CRM-historikken, de seneste mails og nyheder om virksomheden i en brief på én side, plus en opfølgningskladde, som sælgeren kan sende.
- Kundesucces (customer success): opsummer en kundes problem ud fra tidligere samtaler og produktdokumentation, og skriv en kladde til et svar eller en eskalering til den kundeansvarlige.
- Marketing: lav kampagnetal og CRM-resultater om til en kort resultatbrief med forslag til næste skridt.
- Stiftere og stabschefer: forbered en ugentlig brief med, hvad der har ændret sig, hvad der står stille, og hvem der ejer hvert næste skridt, med links til kilderne.
Tyve flere og mere detaljerede eksempler finder du i Brugsscenarier for AI-agenter i rigtigt arbejde. Hvis du vil sammenligne agentprodukter, så se AI-agenter forklaret for dig, der ikke er udvikler.
Sådan kommer du i gang med din første opgave til en AI-agent
- Vælg noget, du gør hver uge. Så kan du med det samme se, om resultatet er godt.
- Skriv, hvad "færdig" betyder, i en eller to sætninger. Hvad du vil have, hvor det skal hen, hvem der tjekker det.
- Giv agenten det, en ny kollega ville have brug for. En brief, et tidligere eksempel, den rigtige mappe. Manglende baggrund er den mest almindelige årsag til intetsigende resultater.
- Start kun med adgang til at læse og skrive kladder. Lad afsendelse og publicering blive hos et menneske.
- Tjek de første resultater grundigt, og gem så metoden. Når den rammer rigtigt hver gang, så gør den til en arbejdsgang, som dit team kan genbruge.
Efterhånden som flere bruger den samme agent, bliver det vigtigere at holde den fælles baggrund opdateret. Vores guide til kontekststyring for AI-agenter i teams viser hvordan.
Prøv opgaven med indholdsskabere i Okou
Okou er en AI-kollega for forretningsteams. Okou samler den baggrund, en opgave kræver, fra de apps, du forbinder, udfører arbejdet i skyen og afleverer noget, du kan gennemgå, for eksempel en partnerliste, en brief eller en række kladder. Når metoden virker, gemmer dit team den som en arbejdsgang.
Åbn arbejdsgangen for research af indholdsskabere og udkast til samarbejde, eller spørg Okou direkte:
Brug vores produktbrief i Drive til at finde op til fem indholdsskabere, der når ud til driftsledere. Medtag for hver af dem profillinks, to nylige og relevante eksempler, hvorfor de kan passe, og hvad der stadig er ubekræftet. Returner færre, hvis grundlaget er tyndt. Tilføj dem til partnerlisten, og skriv en første mail til hver af dem, som jeg kan gennemgå. Send ikke noget.
Hele gennemgangen, herunder hvordan partnerlisten opdateres, når indholdsskabere svarer, finder du i sådan finder du influencere til dit brand og følger op på dine henvendelser.
Ofte stillede spørgsmål
Er ChatGPT en AI-agent?
En almindelig ChatGPT-samtale er en chatbot: du spørger, den svarer, og du beslutter, hvad der skal ske. I juli 2025 tilføjede OpenAI en agenttilstand, der kan tage trin på egen hånd, for eksempel browse på websteder for at gøre en opgave færdig. Så det afhænger af, hvordan du bruger den: vælger og udfører den handlinger mod dit mål, eller svarer den bare?
Hvad gør en AI-agent egentlig?
Den omsætter et mål til udførte trin. Den læser den baggrund, du henviser til, bruger dine forbundne apps til at søge, læse, skrive eller lave kladder, tjekker hvert resultat og afleverer færdigt arbejde, for eksempel et udfyldt regneark, en researchbrief eller mailkladder. Når noget kræver din beslutning, stopper en velopsat agent og spørger.
Hvad er de 5 typer af AI-agenter?
Den klassiske lærebogsliste, som IBM også bruger, er simple refleksagenter, modelbaserede refleksagenter, målbaserede agenter, nyttebaserede agenter og lærende agenter. Den beskriver, hvordan en agent træffer beslutninger. For forretningsteams er det som regel mere nyttigt at gruppere agenter efter den opgave, de udfører, og hvor meget de må gøre på egen hånd.
Er agentisk AI det samme som en AI-agent?
Begreberne overlapper, og mange bruger dem i flæng. "AI-agent" betyder som regel ét bestemt system, der arbejder mod et mål ved hjælp af værktøjer. "Agentisk AI" er bredere: AI, der handler med en vis selvstændighed, hvilket kan omfatte flere agenter eller agentlignende trin i en større proces.
Har jeg brug for tekniske færdigheder for at bruge en AI-agent?
Ikke med produkter, der er bygget til forretningsteams. Du beskriver med almindelige ord, hvad du vil have, forbinder de apps, arbejdet kræver, og gennemgår resultatet. De færdigheder, der betyder noget, er dem, du ville bruge over for en ny kollega: at forklare, hvordan et godt resultat ser ud, dele den rigtige baggrund og give klar feedback.
Hvordan forhindrer jeg en AI-agent i at gøre noget, jeg ikke har godkendt?
Tillad bestemte handlinger, ikke hele apps. Start med læsning og kladder, lad afsendelse, betalinger og sletninger kræve din godkendelse, og skriv reglen for gennemgang ind i agentens instruktioner eller arbejdsgang. Tjek derefter opgavens aktivitetslog for at se, hvad den læste, og hvad den ændrede.
