En AI-ansatt er en AI-agent som har fått en fast jobb på arbeidsplassen. Den leser e-postene, filene og registrene jobben krever, gjør arbeidet og leverer resultatet tilbake til et menneske. "Ansatt" er en måte å beskrive hvordan arbeidet fordeles på. Det er ikke en ekte ansettelse. AI-en kan ta researchen, de første utkastene og oppdateringene. Du bestemmer fortsatt hva som er viktig, godkjenner det som sendes ut og står ansvarlig for resultatet.
X · Tibo Louis-Lucas (@tibo_maker) · 26. oktober 2026
"there are 2 internets right now" (det finnes to internett akkurat nå)
Tibo Louis-Lucas, en SaaS-gründer, beskriver deretter de to: I det ene ansetter alle "AI employees" (AI-ansatte), og agenter driver hele selskaper. I det andre tar betalende brukere fortsatt bilde av laptopskjermen for å dele den. Det er en spøk, men den peker på noe ekte. På nettet høres AI-ansatte ut som en fullført revolusjon. I de fleste team er det nyttige spørsmålet mindre: Hvilken del av hvilken jobb kan jeg overlate denne uken, og hva beholder jeg selv? Denne guiden svarer på det med enkle eksempler.
Betegnelsen «AI-ansatt» blir lettere å forstå når du ser hvordan en agent fungerer: et mål, riktig bakgrunnsinformasjon og verktøy for å utføre oppgaven. Guiden om AI-kolleger viser hvordan en tydelig oppgavebeskrivelse, gjennomgang og en metode som kan brukes igjen, gjør delegeringen nyttig for hele teamet.
Hva er en AI-ansatt?
Tenk deg en ny kollega som nettopp har begynt for å ta over én fast, tilbakevendende jobb. For å gjøre den godt trenger de fire ting:
- En tydelig jobb. "Lag den ukentlige kundeoversikten", ikke "hjelp til med kundene".
- Bakgrunnen. Tilgang til e-postene, notatene og registrene jobben bygger på.
- Grenser. Hva de kan gjøre på egen hånd, og hva de må sjekke med deg først.
- En måte å levere arbeidet tilbake på. Et utkast, en rapport eller en oppdatering du kan se gjennom.
En AI-ansatt er den samme tanken brukt på programvare. Bak navnet er det en AI-agent: et program som kan finne ut av stegene i en oppgave og bruke verktøyene dine til å utføre dem, i stedet for bare å svare på et spørsmål i et chattevindu.
Du vil også høre "digital arbeider", "AI-arbeider", "AI-kollega" og "AI-lagkamerat". Ingen av dem har noen offisiell definisjon. Det er navn leverandørene bruker for å hjelpe deg å se for deg produktet. "Digital arbeider" (digital worker) er det eldste. Automatiseringsselskaper som SS&C Blue Prism bruker det om programvareroboter som gjentar de samme klikkene og den samme dataregistreringen. De nyere AI-versjonene skiller seg ut på ett viktig punkt: De kan lese en rotete e-posttråd og avgjøre hva som bør skje videre.
X · Aaron Levie (@levie) · 21. oktober 2026
AI er i ferd med å bli "autonomous systems dedicated to specific tasks or domains" (autonome systemer viet til bestemte oppgaver eller fagområder), som gjør mer avansert arbeid "(still with a human in the loop)" (fortsatt med et menneske involvert).
Levie beskriver hvor bransjen er på vei: en agent for en bestemt jobb, ikke én assistent til alt. Vi er enige i den retningen. Det du bør holde fast ved, er mennesket som er involvert. At AI-en er "dedicated to a task" (viet til en oppgave), forteller deg hva den jobber med. Det forteller deg ikke hvem som godkjenner.
Trenger du i det hele tatt en AI-ansatt til jobben?
Ikke alltid. Hvis en oppgave følger de samme stegene hver gang, som å kopiere skjemasvar inn i et regneark, gjør en enkel automatiseringsregel det billigere og mer forutsigbart. En AI-ansatt gjør seg fortjent til plassen når jobben krever lesing og skjønn: når et svar fra en kunde endrer hva du bør si videre, eller når to kilder er uenige.
Anthropics guide Building effective agents fra desember 2024 gir det samme rådet: Start med det enkleste som fungerer, noe som "might mean not building agentic systems at all" (kan bety å ikke bygge agentbaserte systemer i det hele tatt).
Hvorfor "ansatt"-tanken hjelper
Den minner deg på å delegere ordentlig. Når du gir en jobb til et menneske, forklarer du målet, deler bakgrunnen, sier hva vedkommende kan avgjøre alene, og avtaler når du skal se over arbeidet. De samme vanene gjør en AI-ansatt nyttig. Uten dem får du generelle resultater som noen må gjøre om igjen.
YouTube · Sequoia Capital
What's next for AI agentic workflows ft. Andrew Ng of AI Fund · 26. mars 2024
Andrew Ng mener at vi må kunne gi en oppgave til en agent og vente, i stedet for å sjekke inn etter fem minutter slik en ny leder gjør.
Eksempelet med essayet fra Ngs foredrag i 2024 viser godt hvorfor en jobb slår en enkeltstående prompt. Når en modell blir bedt om å skrive alt i én omgang, skriver den fra start til slutt uten å gå tilbake. Når den får en prosess, lager den en disposisjon, gjør research, skriver et utkast, går gjennom sitt eget utkast og reviderer. Det er også slik du ville forventet at en kollega jobber.
Der "ansatt"-tanken ikke holder
Ingen kan holde programvare ansvarlig
En AI-ansatt har ingen kontrakt og ingenting på spill overfor kundene dine. Hvis den skriver et utkast til en refusjons-e-post med feil beløp og noen godkjenner det, er det den personen som eier feilen. OECDs AI-prinsipper, som ble vedtatt av myndigheter i 2019 og oppdatert i 2024, sier dette rett ut: Menneskene og organisasjonene som driver et AI-system, er ansvarlige for at det fungerer som det skal.
Å godkjenne arbeidet er ikke det samme som å bestemme
Dette er den nyeste og mest nyttige advarselen.
X · Alex Tamkin (@AlexTamkin) · 27. oktober 2026
"When experts delegate work to an agent, do they still make the key decisions?" (Når eksperter delegerer arbeid til en agent, tar de fortsatt de viktigste beslutningene?)
Dette er hva studien fra Anthropic fant. 50 erfarne dataanalytikere gjorde en realistisk analyse sammen med en AI-agent. På fire punkter måtte de velge mellom to fornuftige alternativer. Uten å si fra stilte forskerne inn hver agent til å foretrekke ett av alternativene, valgt ved myntkast. Analytikerne gikk for agentens foretrukne valg 86 % av gangene. Omtrent halvparten beskrev likevel den endelige anbefalingen som hovedsakelig sin egen.
Studien har tydelige begrensninger. Forskerne gjorde med vilje agentens preferanser sterkere, og det var én oppgave innen ett fagfelt med én modell. Studien fant også at analytikerne som brukte agenten, gjorde langt færre alvorlige feil. Lærdommen er altså ikke "ikke bruk AI". Den er at et raskt "ser bra ut" fra deg i det stille også kan overlate selve beslutningen.
To enkle vaner hjelper. Skriv ned ditt eget syn før du leser AI-ens anbefaling. Og be den også argumentere for det andre alternativet.
Den er god på noen oppgaver og dårlig på andre
I et eksperiment fra 2023 med 758 konsulenter fra Boston Consulting Group gjorde de som brukte GPT-4, det bedre på 18 realistiske oppgaver som AI-en håndterte godt, og dårligere på én oppgave som var valgt fordi den lå utenfor AI-ens evner. Modellene er mye sterkere nå, så ikke les tallene som dagens resultater. Lærdommen gjelder fortsatt: Grensen mellom "AI hjelper" og "AI villeder" er ujevn, så du sjekker hver type oppgave før du stoler på den.
Den vet bare det du gir den
Noen leverandørvideoer lover at en AI-ansatt "remembers your business stuff" (husker tingene om bedriften din) og lærer av seg selv. Marblisms forklaringsvideo fra juli 2025 er ett eksempel. I praksis avhenger det av produktet.
I Okou kan AI-en for eksempel bruke tidligere meldinger og filer fra den samme chatten. En ny chat starter blankt, med mindre du viser den til en tidligere chat. Og en rettelse blir bare en varig regel når noen lagrer den i instruksjonene eller i en arbeidsflyt. Det er mindre magisk, men du kan alltid se hva den vet.
Hva du bør overlate, og hva du bør beholde
En enkel test: Overlat arbeidet som tar tid, og behold beslutningene som har tyngde.
Gode jobber å overlate har input som allerede ligger i verktøyene dine, og et resultat du kan kontrollere:
- Markedsføring: gjør forrige ukes kampanjetall om til et kort sammendrag med lenker til kildetallene.
- Salg: les e-posthistorikken og samtalenotatene før et møte, og skriv en oversikt på én side.
- Kundesuksess: samle historikken i en eskalering og skriv et svarutkast til den som eier saken.
- Gründere og stabssjefer: samle oppdateringer og hindringer fra flere verktøy i én ukentlig oversikt.
Behold hos mennesker:
- Hvilke kunder og mål som er viktigst akkurat nå.
- Alt som forplikter virksomheten: utsendelser til kunder, prisendringer, flytting av budsjett, refusjoner.
- Vurderinger av mennesker, som ansettelser eller håndtering av en misfornøyd mangeårig kunde.
- Den endelige godkjenningen.
Du kan flytte grensen senere. Et team kan godkjenne hver utgående e-post i starten, og så la rutinemessige interne oppdateringer publiseres av seg selv. Gjør det til en bevisst beslutning, ikke noe som bare skjer.
Eksempel: en driftsrapport du kan kontrollere
Bruk en ukentlig driftsrapport som første oppgave. Følgende er et lite, fiktivt øvingsdatasett, ikke en kundehistorie eller et målt Okou-resultat. Du kan kopiere det inn i et dokument og gjenta øvelsen før du kobler til bedriftskontoer.
| Kildeoppføring | Hva den sier |
|---|---|
| Ukesmål | Lever 12 kundeunderlag innen fredag |
| Leveranseoversikt | 9 levert; 2 til gjennomgang; 1 blokkert |
| Merknad om blokkering | Det blokkerte underlaget trenger kundens godkjenning; ingen svardato er registrert |
| Tidligere oppdatering | Alle 12 underlagene var rapportert levert |
Sett grenser for oppgaven
Be Okou: "Lag en kort ukentlig driftsrapport ut fra disse fire oppføringene. Skill mellom levert arbeid, arbeid til gjennomgang og blokkert arbeid. Knytt hver påstand til kildeoppføringen med en lenke. Marker motstridende opplysninger og manglende datoer. Lag et utkast til en intern oppdatering, men ikke send det eller endre oversikten."
Okous chatveiledning forklarer hvordan du gir konteksten. Start med dette innlimte datasettet; å koble til en leveranseoversikt senere er en egen avgjørelse om tilgang. En lagret arbeidsflyt kan bevare rapporteringsmetoden, ikke en permanent oppdatert kopi av kildedataene.
Overleveringsmønsteret gjelder også rapportering: samle, sammenlign, lag utkast, gjennomgå, og lagre deretter metoden.
En ekte tillatelsesskjerm i Okou, vist som et grensesnitteksempel, ikke som et resultat av denne rapporteringsøvelsen. Den navngitte handlingen og varigheten er viktige; en rapport trenger ikke Stripe-tilgang.
Kontroller resultatet mot inndataene
En korrekt rapport oppgir 9 av 12 levert, eller 75%, med to fortsatt til gjennomgang og én blokkert. Den regner ikke gjennomgang som levering. Den peker på motsetningen til den tidligere oppdateringen og sier at datoen for kundens svar er ukjent. "Alt arbeid er i rute" ville ikke bestå øvelsen.
Be den som gjennomgår rapporten, krysse av fire ting: riktig utregning, en kilde til hver faktapåstand, tydelig merking av manglende informasjon og ingen ikke-godkjente handlinger. Endre så leveranseoversikten til 10 levert, én til gjennomgang og én blokkert, og kjør på nytt. Den rapporterte fullføringsgraden skal endres til 83.3%, ikke gjenta forrige ukes svar. Dette er regnekontroller med fiktive inndata, ikke referansemålinger av produktets ytelse.
Regn med hele kostnaden, ikke bare abonnementet
| Kostnad som skal registreres | Slik måler du den i ditt eget forsøk |
|---|---|
| Oppsett | Minutter brukt på å forklare oppgaven og koble til nødvendige verktøy |
| Kjøring av oppgaven | Brukskostnaden som vises for hver kjøring, pluss eventuelle separate betalte dataforespørsler |
| Gjennomgang og retting | Minutter brukt på å kontrollere kilder, rette feil og håndtere unntak |
| Vedlikehold | Tid brukt på å holde kildedokumenter og den lagrede arbeidsflyten oppdatert |
For tilbakevendende arbeid sammenligner du manuelle minutter per godkjent rapport med minutter til KI-assistert forberedelse, gjennomgang og retting per godkjent rapport. Ta med mislykkede forsøk i kostnadene; ikke del på alle utkast som om hvert av dem kunne brukes. Fordel oppsettskostnaden på antallet rapporter du faktisk forventer å kjøre. Her forutsettes verken besparelser eller priser.
Behold rapporten som utkast til den har bestått gjennomgangen. Hvis teamet senere deler arbeidsflyten, bruker hver kollega sine egne kontoer og tillatelser. En tidsplan er en automatisering, ikke en ekstra tillatelse til å publisere rapporten.
Slik vurderer du et produkt som selges som en AI-ansatt
Se bort fra stillingstittelen på esken ("AI SDR", "AI marketer"). Still heller disse seks spørsmålene.
- Hvor får den informasjonen fra? Hvilke verktøy kan den lese, og viser den deg kilden til hver påstand?
- Hva har den lov til å gjøre? Se etter tillatelser per verktøy og per handling, med tidsgrenser. Å lagre et utkast og å sende en e-post bør være to separate ting.
- Hva venter på deg? Sending, betaling, sletting og publisering bør stoppe opp til du sier ja.
- Kan du kontrollere arbeidet? Du bør kunne se hva den leste, hva den gjorde og hva den endret.
- Hva skjer når den tar feil? Kan du rette instruksjonene én gang, slik at alle får nytte av det?
- Blir metoden værende i teamet? Hvis den ligger i én persons konto, forsvinner den når personen slutter.
Spørsmål 4 betyr mer enn det høres ut som. Forskere fra BetterUp Labs og Stanford kaller ukontrollert AI-output "workslop": Det ser ferdig ut, men noen andre må rette det opp. I en undersøkelse fra 2025 blant 1 150 amerikanske kontoransatte husket 41 % at de hadde mottatt noe slikt. Forfatterne gir vage ordrer fra ledere om å "use AI" (bruke AI) mer av skylden enn verktøyene. En tydelig bestilling og et gjennomgangssteg er løsningen.
Vil AI-ansatte erstatte menneskelige ansatte?
Noen selskaper har prøvd. I en SHL-undersøkelse gjennomført i juni og juli 2026 sa nesten 1 av 5 av mer enn 1 000 amerikanske arbeidstakere at de var blitt sagt opp eller erstattet av AI og deretter bedt om å komme tilbake. Det er det arbeidstakerne rapporterte, ikke tall fra selskapene, og det forklarer ikke hvorfor hvert selskap snudde. Det er likevel en god grunn til ikke å planlegge ut fra et bestemt antall ansatte.
Det en AI-ansatt endrer, er hvordan folk bruker tiden sin i en jobb: mindre innsamling og utkastskriving, mer beslutning og kontroll. Microsofts Work Trend Index 2026, en undersøkelse blant 20 000 personer som bruker AI på jobb i 10 land, fant at det å kontrollere AI-output var den menneskelige ferdigheten de nå vurderte som viktigst. Start med én jobb, mål hvor lang tid den tar i dag, og bestem deg ut fra dine egne tall.
Hvor Okou passer inn
Vi kaller Okou en AI-lagkamerat i stedet for en AI-ansatt, fordi det ligger nærmere hvordan arbeidet deles. Okou leser konteksten en jobb trenger fra verktøyene du har koblet til, gjør arbeidet og leverer tilbake riktig format til den som skal handle videre: en melding, et dokument, en nettside eller en presentasjon. Når en metode fungerer, lagrer teamet den som en arbeidsflyt og kjører den på nytt med sine egne kontoer.
For å prøve det, velg én oversikt eller ett utkast teamet ditt allerede skriver hver uke, og sammenlign Okous versjon med deres egen. For flere ideer, se 20 eksempler på AI-agenter i ekte arbeid, hvordan du holder konteksten til AI-agenter nyttig for et team, og hvorfor virksomheten din trenger det siste ordet over AI-handlinger.
Ofte stilte spørsmål
Hva kalles en AI-ansatt ellers?
Du vil også se digital arbeider, AI-arbeider, AI-kollega, AI-lagkamerat og virtuell ansatt. Det er markedsføringsnavn, ikke offisielle kategorier. "Digital arbeider" ble først brukt om eldre automatiseringsroboter. De fleste produktene som selges under disse navnene i dag, er AI-agenter som er satt opp til å gjøre én fast, tilbakevendende jobb.
Er AI-ansatte det samme som AI-agenter?
Stort sett, ja. En AI-agent er teknologien: programvare som planlegger steg og bruker verktøy for å nå et mål. En AI-ansatt er en agent som er satt opp for en bestemt jobb, med riktig bakgrunn, riktige tillatelser og en måte å levere arbeidet tilbake på.
Hvordan får jeg en AI-ansatt til virksomheten min?
Velg én oppgave som gjentas hver uke og gir et resultat du kan kontrollere, for eksempel en ukentlig oversikt eller et sett med svarutkast. Koble bare til verktøyene oppgaven trenger, tillat utkast før du tillater sending, og gå nøye gjennom de første resultatene. Lagre metoden når den fungerer. Sett den på en tidsplan først etter det.
Kan en AI-ansatt erstatte en menneskelig ansatt?
Den kan ta over deler av en jobb, særlig research, utkastskriving og rapportering. Den kan ikke holdes ansvarlig, bygge relasjoner eller ta skjønnsmessige avgjørelser for virksomheten din. Ny forskning viser også at folk har en tendens til å følge AI-ens forslag, så noen må fortsatt eie hver beslutning.
Trenger AI-ansatte menneskelig oppfølging?
Ja, og mer jo mer risikable oppgavene er. Et internt sammendrag trenger kanskje bare en rask gjennomlesning. Alt som sender, bruker penger, sletter eller publiserer, bør vente på et menneske. Oppfølging betyr også å rette instruksjonene når resultatet bommer, slik at det blir bedre neste gang.
Husker en AI-ansatt alt om virksomheten min?
Bare det oppsettet gir den. Noen produkter har langtidsminne. Andre, som Okou, holder på konteksten innenfor en chat og lagrer varige regler i lagrede instruksjoner og arbeidsflyter. Spør enhver leverandør nøyaktig hva som huskes, hvor, og hvem som kan endre det.
