AI-agenter i virksomheder: forskellen på en agent og en assistent, og hvor de allerede virker

En assistent besvarer et spørgsmål, en agent udfører arbejdet i jeres systemer. Hvordan de adskiller sig, hvilke grænser og kontroller der er nødvendige, og fem scenarier, hvor agenter allerede virker i virksomheder.

AI-agenter i virksomheder: forskellen på en agent og en assistent, og hvor de allerede virker

I det seneste år er ordet ”agent” dukket op i beskrivelsen af næsten alle AI-produkter. Copilot har agenter, Claude har agenter, ChatGPT har agenter. For en virksomhedsleder er det svært at se, hvad der egentlig har ændret sig: er det det samme chatvindue med et nyt navn, eller noget grundlæggende andet?

Forskellen er grundlæggende, og den har betydning ikke for terminologien, men for ansvaret. En assistent, der svarer forkert, giver en ulejlighed: et menneske læser svaret, opdager fejlen og retter den. En agent, der misforstår opgaven, kan sende en e-mail til en kunde, oprette en faktura i regnskabssystemet eller lukke en supportsag. Derfor kræver agenter et andet design, andre grænser og et andet tilsyn.

I denne artikel forklarer vi forskellen, beskriver hvilke kontroller der er nødvendige, og gennemgår scenarier, der allerede virker hos virksomheder, vi servicerer – ikke i forsøg, men i den daglige drift.

En assistent svarer, en agent handler

En assistent er en samtale. I stiller et spørgsmål eller giver en tekst, og den svarer. Den kan være meget god: sammenfatte en kontrakt, skrive et udkast til en e-mail, forklare en Excel-formel. Men resultatet bliver i chatvinduet, og det er et menneske, der afgør, hvad der skal ske med det. En assistent har ikke adgang til jeres systemer, eller kun læseadgang.

En agent har et mål og værktøjer. Den får en opgave, for eksempel ”behandl denne kundehenvendelse”, og adgang til systemer: CRM, regnskab, e-mail, kalender, dokumenter. Den afgør selv, hvilke trin der er nødvendige: læse e-mailen, slå kunden op i CRM, finde prislisten, forberede et svar, oprette en post i systemet. Derefter udfører den trinnene efter hinanden, kontrollerer resultatet og ændrer om nødvendigt planen.

Kort sagt: en assistent er et værktøj i hænderne på et menneske, en agent er en medarbejder med definerede opgaver og adgangsrettigheder. Og ligesom en medarbejder har den brug for en stillingsbeskrivelse, en adgangspolitik og tilsyn.

Grænser: hvad en agent må og ikke må

Den første regel, vi anvender på enhver agent: den har kun den adgang, opgaven kræver, og ikke mere. En agent, der behandler indkommende henvendelser, skal kunne læse mail og skrive i CRM. Den har ikke ret til at slette poster, ændre priser eller sende e-mails uden for virksomheden, medmindre det er dens opgave.

Teknisk løses det gennem værktøjsbeskrivelser og adgangsnøgler: hvert agentværktøj er en separat beskrevet funktion med klare rettigheder, oftest via en MCP-server (Model Context Protocol), som selv begrænser, hvilke handlinger den tillader. En agent kan ikke ”opfinde” en ny handling; den vælger kun blandt det, den har fået.

Den anden regel: en agent har klare stopbetingelser. Hvis en henvendelse ikke passer til noget kendt scenarie, hvis kunden ikke findes i systemet, eller hvis et beløb overstiger en fastsat grænse, stopper agenten og overdrager til et menneske i stedet for at forsøge at ”løse det på en eller anden måde”. En god agent er en, der ofte siger ”det ved jeg ikke, jeg overdrager”, ikke en, der altid finder et svar.

Log og godkendelse fra et menneske

Hver handling, en agent udfører, skal registreres: hvad den læste, hvilken beslutning den traf og hvorfor, hvilket værktøj den kaldte, og hvad resultatet blev. Uden det er det umuligt at undersøge fejl eller dokumentere over for en revisor, hvad der skete. Under NIS2- og DORA-kravene er det ikke valgfrit: en automatiseret proces, der arbejder med kundedata, skal efterlade et spor.

Godkendelse fra et menneske (human-in-the-loop) er det andet lag. I praksis anvender vi tre niveauer:

  • Agenten handler selvstændigt: handlingerne kan fortrydes og har lav risiko, for eksempel at placere en henvendelse i en kategori eller forberede et udkast.
  • Agenten forbereder, et menneske godkender: handlingen kan ikke fortrydes eller er synlig udadtil, for eksempel en e-mail til en kunde, en faktura eller en ordre til en leverandør.
  • Agenten foreslår kun: følsomme områder, hvor et menneske træffer beslutningen, og agenten giver information og en anbefaling.

I bør starte med det andet og det tredje niveau. Det første niveau kommer først, når loggene over flere måneder viser, at agenten laver færre fejl end et menneske på en bestemt opgave. Det er en målbar beslutning, ikke en tillidssag.

Scenarier, der allerede virker

Nedenfor er fem scenarier fra vores praksis. Ingen af dem er futuristiske; alle bygger på platforme, der er tilgængelige i dag.

Behandling af indkommende henvendelser

En virksomhed modtager henvendelser i en fælles postkasse og via en formular på hjemmesiden. Agenten læser hver enkelt, fastslår typen (prisforespørgsel, teknisk spørgsmål, reklamation, spam), kontrollerer i CRM, om afsenderen allerede er kunde, forbereder et udkast til svar ud fra vidensbasen og tildeler det til den ansvarlige medarbejder. Om morgenen ser medarbejderen ikke 40 e-mails, men 40 sorterede henvendelser med udkast. Medarbejderen gennemgår, retter og sender. Behandlingstiden falder fra timer til minutter.

Registrering af indgående fakturaer

Leverandørfakturaer kommer med e-mail som PDF-filer. Agenten udtrækker data, afstemmer dem med indkøbsordren i systemet, kontrollerer leverandørens oplysninger og opretter en post i regnskabssystemet med status ”afventer godkendelse”. Hvis beløbet eller oplysningerne ikke stemmer med ordren, stopper agenten og markerer afvigelsen. Bogholderen godkender med én handling eller undersøger afvigelsen. Kontrollen af oplysningerne er her også en sikkerhedsforanstaltning: svindel med ændrede fakturaer opdages med det samme.

Førstelinje-helpdesk

En medarbejder skriver til IT-supporten: ”VPN virker ikke”. Agenten kontrollerer, om brugerkontoen er aktiv, om der er kendte nedbrud, og om enheden opfylder kravene, og giver en kendt løsning eller udfører selv en tilladt handling, for eksempel nulstilling af en adgangskode efter identitetskontrol. Hjælper det ikke, går sagen med alle indsamlede oplysninger videre til en tekniker. Det erstatter ikke teamet bag IT-drift, men det lader teamet arbejde med de reelle problemer i stedet for gentagne spørgsmål.

Mødeforberedelse og opfølgning

Før et møde med en kunde samler agenten de seneste e-mails, åbne tilbud i CRM, ubetalte fakturaer og noter fra det forrige møde og forbereder et resumé på én side. Efter mødet opretter den en handlingsliste ud fra optagelsen eller noterne, tildeler opgaver og opretter en post i CRM. Et menneske gennemgår og godkender kun. For en leder med fem møder om dagen betyder det, at vedkommende møder velforberedt op til hvert af dem.

Gennemgang af kontrakter mod virksomhedens regler

Den juridiske afdeling eller indkøbsafdelingen modtager en leverandørkontrakt. Agenten sammenligner den med virksomhedens standardvilkår, markerer afvigelser såsom ansvarsbegrænsning, betalingsvilkår og databeskyttelsesbestemmelser og forbereder en liste med kommentarer. Et menneske træffer beslutningen, men skal ikke længere læse 60 sider for at finde ud af, hvad der er ændret.

Hvilken platform I skal bygge på

Agenter kan bygges på alle tre store platforme, og valget afhænger af, hvor jeres data og processer ligger.

Arbejder virksomheden i et Microsoft 365-miljø, er den naturlige vej Copilot Studio-agenter: de ser SharePoint, Teams og Outlook og forbindes til andre systemer via Power Automate. Sådanne agenter beskriver vi på siden om Microsoft 365 Copilot-agenter. Har I brug for mere kompleks logik, behandling af lange dokumenter eller en agent, der kører i jeres egen infrastruktur, ser vi på Claude-agenter med Agent SDK og MCP. Bruger virksomheden allerede OpenAI-økosystemet, eller har den brug for et bredere sæt værktøjer, er ChatGPT-agenter med Agents SDK den tredje mulighed.

I praksis bygger vi integrationer via MCP, så en agent kan flyttes fra én platform til en anden uden at ændre forbindelserne til jeres systemer.

Hvor I skal starte

Det er ikke et stort projekt at indføre agenter, hvis I starter på den rigtige måde: med én proces, ikke med en ”AI-transformation”.

  1. Vælg én proces, der gentages hver dag, har klare regler, og hvor fejl kan rettes. Sortering af indkommende henvendelser er en god første kandidat.
  2. Beskriv den, som I ville beskrive den for en nyansat: hvilke oplysninger der kommer ind, hvilke beslutninger der træffes, og hvornår man skal gå til en leder.
  3. Begræns agentens adgang til det nødvendige minimum, og fastsæt et godkendelsesniveau for hver handling.
  4. Kør den parallelt med et menneske i 4–6 uger: agenten forbereder, mennesket kontrollerer. Loggene viser nøjagtigheden.
  5. Først derefter udvider I dens selvstændighed eller går videre til en anden proces.

Hvis I vil have os til at designe og indføre den første agent sammen med jer, starter vi med en procesbeskrivelse og en risikovurdering, ikke med valget af platform. Platformen er det sidste spørgsmål, ikke det første.