- \n
- En AI-agent er mere end en chatbot: Den f\u00e5r en opgave, arbejder autonomt og bruger undervejs hukommelse (memory) og v\u00e6rkt\u00f8jer (tools) til at f\u00e5 adgang til systemer som CRM eller ERP.<\/li>\n
- Agenter er reelt i brug – men langsommere og mere fejlbeh\u00e6ftede, end hypen antyder. Vi er i afpr\u00f8vningsfasen, ikke i fuld automatisering af hele afdelinger.<\/li>\n
- At starte rigtigt betyder: v\u00e6lg enkle anvendelsestilf\u00e6lde med lave krav til pr\u00e6cision, ikke h\u00f8jkritiske processer som skatteblanketter.<\/li>\n
- Flere mennesker bliver i processen (“human in the loop”), end mange forventer. Kontrol og sporbarhed er helt centralt.<\/li>\n
- Kun omkring 15 procent af de adspurgte virksomheder har agenter i produktiv drift – starter du nu, er du blandt dem, der bev\u00e6ger sig tidligt.<\/li>\n<\/ul>\n<\/div>\n
![\"Sammenligning](\"https:\/\/pletzenauer.com\/wp-content\/uploads\/2026\/06\/1493-1.png\")
Anbefaling fra crewAI-CEO Joe Mora: begynd enkelt, og skal\u00e9r derfra.<\/figcaption><\/figure>\n Hvad en AI-agent overhovedet er<\/h2>\n
Store sprogmodeller som dem bag ChatGPT eller Claude er i kernen meget gode til at forudsige det n\u00e6ste ord og frembringe indhold. De skriver en e-mail, g\u00f8r den mere afslappet p\u00e5 opfordring og kan endda v\u00e6lge mellem to varianter med en begrundelse – en slags rudiment\u00e6r bed\u00f8mmelse.<\/p>\n
En agent bruger netop den evne til selvst\u00e6ndigt at t\u00e6nke et problem igennem. Forskellen fra chatten: Du giver agenten en opgave og kan forlade lokalet. Den fors\u00f8ger s\u00e5 autonomt at n\u00e5 et m\u00e5l over flere skridt. Mora sammenfatter det: En agent har brug for agency<\/strong>, alts\u00e5 handlekraft.<\/p>\n
To byggesten er typiske for det:<\/p>\n
- \n
- Memory (hukommelse):<\/strong> S\u00e5 agenten fastholder information p\u00e5 tv\u00e6rs af de enkelte skridt – p\u00e5 kort og p\u00e5 langt sigt.<\/li>\n
- Tools (v\u00e6rkt\u00f8jer):<\/strong> Gr\u00e6nseflader til andre systemer som CRM, ERP eller researchtjenester, s\u00e5 agenten kan handle p\u00e5 dine vegne.<\/li>\n<\/ul>\n
Virkelighedstjekket: langsom, men nyttig i baggrunden<\/h2>\n
Som eksempel bruges OpenAIs “Operator”, tilg\u00e6ngelig i ChatGPT Pro-varianten for omkring 200 US-dollar om m\u00e5neden. Agenten styrer en browser og kan for eksempel unders\u00f8ge hoteller, flyafgange eller restauranter. Dommen i samtalen er n\u00f8gtern: Operator er langsom og til tider besv\u00e6rlig – ansl\u00e5et ti gange langsommere end et menneske ved den samme opgave.<\/p>\n
Det afg\u00f8rende: Ved opgaver, der gerne m\u00e5 k\u00f8re i baggrunden, betyder langsomheden n\u00e6sten intet. Mora beskriver, hvordan han bruger agenter til sine opslag p\u00e5 sociale medier: taste id\u00e9en ind, hente kaffe, arbejde videre – og udkastet er f\u00e6rdigt, n\u00e5r han kommer tilbage. S\u00e5dan f\u00e5r han j\u00e6vnligt gjort noget, han ellers lod ligge af tidsm\u00e6ssige grunde.<\/p>\n
Kerneid\u00e9:<\/strong> Latens er ukritisk, n\u00e5r en lille “h\u00e6r” af agenter afvikler opgaver i baggrunden, mens du besk\u00e6ftiger dig med noget vigtigere.<\/p><\/blockquote>\n
Tillid og kontrol: hvorfor mennesket skal forblive synligt<\/h2>\n
Et centralt sp\u00f8rgsm\u00e5l ved autonome agenter er betjeningslogikken: Skal agenten blot melde en bordbestilling som “udf\u00f8rt”, eller skal man kunne se den arbejde? Operator satser p\u00e5 at lade agenten arbejde synligt, s\u00e5 man til enhver tid kan gribe ind.<\/p>\n
Det har to grunde: sikkerhed og tillid. Man ser, hvad der sker, og kan korrigere. Et advarende eksempel fra samtalen: En tidlig e-mail-agent skulle kun oprette udkast, men begyndte selv at sende til dels kuri\u00f8se mails af sted. S\u00e6rligt i virksomheder g\u00e6lder: Automatiserer du en kritisk proces, vil du kunne visualisere, kontrollere og senere efterpr\u00f8ve den.<\/p>\n
S\u00e5dan starter du rigtigt: lav pr\u00e6cision f\u00f8rst<\/h2>\n
Den nok mest praktiske anbefaling handler om valget af de f\u00f8rste anvendelsestilf\u00e6lde. Mora skelner mellem lave og h\u00f8je krav til pr\u00e6cision:<\/p>\n
- \n
- Lav pr\u00e6cision (omkring 90 procents n\u00f8jagtighed r\u00e6kker):<\/strong> for eksempel en agent, der laver udkast til salgspr\u00e6sentationer ud fra samtaletransskriptioner eller CRM-data. Fejl er til at b\u00e6re her og nemme at rette.<\/li>\n
- H\u00f8j pr\u00e6cision (99,99 procent n\u00f8dvendigt):<\/strong> for eksempel udfyldning af skatte- eller myndighedsblanketter. Mora n\u00e6vner blanketter p\u00e5 over 70 sider og manualer p\u00e5 620 sider – her m\u00e5 intet g\u00e5 galt.<\/li>\n<\/ul>\n
Den klare melding: Start ikke ved h\u00f8j pr\u00e6cision, ellers br\u00e6nder du fingrene.<\/strong> Begynd enkelt, og skal\u00e9r derfra.<\/p>\n
Fire retningslinjer til at komme i gang<\/h3>\n
- \n
- Tag den til dig tidligt:<\/strong> Skaf dig et forspring i stedet for at vente.<\/li>\n
- Vent ikke p\u00e5 andres anvendelsestilf\u00e6lde:<\/strong> Se ikke p\u00e5, hvad koncern X g\u00f8r – find dit eget, enkle startpunkt.<\/li>\n
- Begynd enkelt:<\/strong> Del en rolle op i enkeltopgaver, og tag fat i dem med lave pr\u00e6cisionskrav.<\/li>\n
- Byg ud mod “low risk, high impact”:<\/strong> Udvid trin for trin til tilf\u00e6lde med lav risiko og h\u00f8j nytte.<\/li>\n<\/ul>\n
Et praktisk tip fra samtalen: Tag en konkret rolle – for eksempel en s\u00e6lgers (BDR) – og f\u00e5 opgaverne delt op i lav og h\u00f8j pr\u00e6cision. Netop de lavpr\u00e6cise opgaver er ideelle fors\u00f8gsmarker. Til selve bygningen findes der i dag flere veje: no-code-platforme til mindre tekniske brugere s\u00e5vel som frameworks til udviklere, der programmerer agenter i Python.<\/p>\n
S\u00e5dan bruger virksomheder agenter rigtigt<\/h2>\n
Den forkerte tilgang er at bygge agenter som en ren 1:1-kopi af et menneskeligt job. Mere vellykket er det at automatisere enkelte mikroopgaver, s\u00e5 mennesker bliver frigjort til noget vigtigere – en slags forfremmelse: Ansvaret for slutresultatet bliver hos mennesket, agenten overtager forarbejdet.<\/p>\n
Et eksempel fra praksis: Et teleselskab automatiserer kontraktanalysen. F\u00f8r en kontrakt lander hos juridisk afdeling, leverer agenter allerede anbefalinger og markerede \u00e6ndringer (“red lines”). S\u00e5dan kan man skalere ting, der f\u00f8r var for dyre.<\/p>\n
Med hensyn til forankringen i virksomheden tegner der sig et m\u00f8nster: v\u00e6k fra enkelte medarbejdere, der i smug bruger ChatGPT og undervejs m\u00e5ske afgiver f\u00f8lsomme data og l\u00e5ser viden inde i siloer – hen mod en central styring, ofte under CIO, CTO eller en Head of AI. Det giver kontrol over, hvilke modeller der bruges, og hvordan personoplysninger h\u00e5ndteres. Den virkelig store v\u00e6rdi hentes af tekniske hold, fordi komplekse automatiseringer skal bindes dybt sammen med ustrukturerede data og virksomhedens egne systemer.<\/p>\n
Konkrete anvendelsestilf\u00e6lde i marketing og salg<\/h2>\n
Tre eksempler fra samtalen viser, hvad agenter duer til i dag:<\/p>\n
- \n
- Lead-berigelse med hypoteser:<\/strong> Tilmelder nogen sig for f\u00f8rste gang p\u00e5 en hjemmeside, unders\u00f8ger agenter personen og virksomheden. Derudover danner de hypoteser om, hvordan netop den person kunne bruge produktet, strukturerer resultatet som JSON og sender det videre til HubSpot og ind i produktdatabasen. Resultat: hyperpersonaliserede e-mails og m\u00e5lrettede produktforh\u00e5ndsvisninger.<\/li>\n
- Salgsforberedelse:<\/strong> Agenter unders\u00f8ger kunder p\u00e5 forh\u00e5nd – for eksempel via researchv\u00e6rkt\u00f8jer som Perplexitys Sonar. Dermed forbereder en s\u00e6lger sig ikke n\u00f8dvendigvis hurtigere, men bredere og bedre og kan tage flere m\u00f8der. Tillokkende er ogs\u00e5 tanken om at kopiere den bedste s\u00e6lgers fremgangsm\u00e5de, s\u00e5 alle er forberedt p\u00e5 det niveau.<\/li>\n
- SEO- og konverteringsoptimering:<\/strong> Agenter tager screenshots af ens egen hjemmeside, analyserer tekster og konkurrenter og udleder heraf hypoteser om, hvad der kunne \u00e6ndres. Det menneskelige input forbliver slankt: ens egen hjemmeside, en branchebeskrivelse og m\u00e5let med optimeringen. Resten klarer agenterne, og de leverer forslag til A\/B-test.<\/li>\n<\/ul>\n
Hvor forventning og teknik ikke m\u00f8des<\/h2>\n
Det st\u00f8rste mismatch mellem hype og virkelighed ligger if\u00f8lge Mora i to punkter:<\/p>\n
- \n
- Mere menneske i processen end antaget:<\/strong> Netop nu er der brug for markant mere “human in the loop”. Fuldt gennemg\u00e5ende end-to-end-automatisering – is\u00e6r ved h\u00f8jpr\u00e6cise processer – er ikke n\u00e5et dertil endnu. Agenter g\u00e5r stadig ofte i st\u00e5 undervejs.<\/li>\n
- Integrationen er mere kr\u00e6vende end ventet:<\/strong> I virksomheder sidder der meget “lim” mellem systemerne. For at agenter kan navigere de stier korrekt, kr\u00e6ves der klar kode og klare instruktioner. Det er ikke tilf\u00e6ldigt, at branchen begynder ved browseren – der findes en f\u00e6lles gr\u00e6nseflade. Mange firmaer bruger dog desktop-software, som ikke engang er online.<\/li>\n<\/ul>\n
Adoptionstallet er bem\u00e6rkelsesv\u00e6rdigt: Af omkring 4.000 til 4.500 adspurgte personer havde kun cirka 15 procent agenter i produktiv drift, i store virksomheder omkring 23 procent. Da de adspurgte i forvejen er teknisk orienterede, ligger tallet formentlig lavere i \u00f8konomien som helhed. Budskabet til beslutningstagere: Det er meget tidligt – og starter du nu, h\u00f8rer du stadig til dem, der bev\u00e6ger sig hurtigt.<\/p>\n
Agenter som fremtidigt ans\u00e6ttelseskriterium<\/h2>\n
Et perspektiv, der f\u00e5r en til at spidse \u00f8rer: Microsofts CEO Satya Nadella skitserede, at mennesker fremover ogs\u00e5 kan blive ansat p\u00e5 grund af de agenter, de har bygget – i stedet for kun p\u00e5 grund af certifikater og tidligere erhvervserfaring. Mora er enig, mindre p\u00e5 grund af agenterne i sig selv, men fordi de siger noget om personen. Hos crewAI m\u00e5 ans\u00f8gere udtrykkeligt bruge alle AI-v\u00e6rkt\u00f8jer under engineering-interviewet – den, der ikke g\u00f8r det, falder igennem. Hvor godt nogen bruger de v\u00e6rkt\u00f8jer, vejer tungt i ans\u00e6ttelsesbeslutningen.<\/p>\n
Konklusion<\/h2>\n
Lige nu er det fasen, hvor mange virksomheder afpr\u00f8ver agenter og s\u00e6tter dem i produktion – men ikke fasen, hvor agenter overtager medarbejderstaben. Den n\u00f8gterne virkelighed: Agenter er i dag ofte langsommere end mennesker, kr\u00e6ver opsyn og g\u00e5r stadig j\u00e6vnligt i st\u00e5. Deres v\u00e6rdi folder sig ud ved baggrundsopgaver, ved mikroopgaver inden for en rolle og alle de steder, hvor fejl er til at b\u00e6re. For beslutningstagere i SMV’er betyder det: start sm\u00e5t og enkelt, begynd ved lave pr\u00e6cisionskrav, hold mennesket synligt i sl\u00f8jfen, og byg trin for trin ud mod tilf\u00e6lde med lav risiko og stor virkning. G\u00e5r du s\u00e5dan til v\u00e6rks, samler du praktisk erfaring i dag – uden at falde for hypen.<\/p>\n
- Integrationen er mere kr\u00e6vende end ventet:<\/strong> I virksomheder sidder der meget “lim” mellem systemerne. For at agenter kan navigere de stier korrekt, kr\u00e6ves der klar kode og klare instruktioner. Det er ikke tilf\u00e6ldigt, at branchen begynder ved browseren – der findes en f\u00e6lles gr\u00e6nseflade. Mange firmaer bruger dog desktop-software, som ikke engang er online.<\/li>\n<\/ul>\n
- Salgsforberedelse:<\/strong> Agenter unders\u00f8ger kunder p\u00e5 forh\u00e5nd – for eksempel via researchv\u00e6rkt\u00f8jer som Perplexitys Sonar. Dermed forbereder en s\u00e6lger sig ikke n\u00f8dvendigvis hurtigere, men bredere og bedre og kan tage flere m\u00f8der. Tillokkende er ogs\u00e5 tanken om at kopiere den bedste s\u00e6lgers fremgangsm\u00e5de, s\u00e5 alle er forberedt p\u00e5 det niveau.<\/li>\n
- Vent ikke p\u00e5 andres anvendelsestilf\u00e6lde:<\/strong> Se ikke p\u00e5, hvad koncern X g\u00f8r – find dit eget, enkle startpunkt.<\/li>\n
- H\u00f8j pr\u00e6cision (99,99 procent n\u00f8dvendigt):<\/strong> for eksempel udfyldning af skatte- eller myndighedsblanketter. Mora n\u00e6vner blanketter p\u00e5 over 70 sider og manualer p\u00e5 620 sider – her m\u00e5 intet g\u00e5 galt.<\/li>\n<\/ul>\n
- Tools (v\u00e6rkt\u00f8jer):<\/strong> Gr\u00e6nseflader til andre systemer som CRM, ERP eller researchtjenester, s\u00e5 agenten kan handle p\u00e5 dine vegne.<\/li>\n<\/ul>\n
- Memory (hukommelse):<\/strong> S\u00e5 agenten fastholder information p\u00e5 tv\u00e6rs af de enkelte skridt – p\u00e5 kort og p\u00e5 langt sigt.<\/li>\n