Ukens gjester er Stian Lundquist, teknologirådgiver i Microsoft, og Christoffer Besler Hansen, Head of AI Workplace i Atea. Programleder er Christian Brosstad, Atea.
Fra assistent til agent
I samtalen rydder gjestene først i begrepene. Mange kjenner allerede til KI-assistenter som Copilot og ChatGPT, som primært brukes til å svare på spørsmål eller hjelpe med tekst og ideer.
– Når vi snakker om agentisk AI, så er det at de faktisk kan utføre operasjoner for oss, sier Lundquist.
Der assistenter ofte er reaktive, kan agenter bli proaktive. De kan trigges av hendelser og regler, ikke bare av at du spør dem.
– AI-agenter kan være mer proaktive, at de gjør ting før vi spør dem, eller basert på regler som styrer det, forklarer han.
Tar de beslutninger på dine vegne?
Når AI-agenter omtales i media, kan det høres ut som om de “tar beslutninger” og handler fritt. Det bildet nyanseres i episoden.
– Agenter opererer innenfor et regelsett som vi har satt. Det er ikke sånn at de har egen vilje, sier Lundquist.
Poenget er ikke at agenten “vet best”, men at den kan få delegert enkle beslutninger innenfor tydelige rammer. Et eksempel er forsikring: agenten kan automatisk utbetale saker under en beløpsgrense, mens mer komplekse saker sendes til et menneske.
– Er det over et visst beløp, eller det er mer komplekst, så har man gjerne et menneske involvert, sier han.
Multiagent-systemer: Spesialister som samarbeider
Et annet begrep som får mye oppmerksomhet, er multiagent-systemer: flere agenter med ulike roller som jobber sammen.
Besler Hansen beskriver hvordan de internt har bygget opp spesialistagenter på ulike områder.
– De som er gode i sin rolle, er med og hjelper til å lage en spesialistagent innenfor sitt område, sier han.
I praksis kan én agent ha kunnskap om en spesifikk kunde, en annen om kundesuksess, mens en “toppagent” koordinerer og henter inn riktig input.
– Når bruker spør Kate, vil den forstå at den skal sjekke med kundeagenten … og så med customer success manager-agenten, for å kunne skrive en kundeplan, forklarer han.
Analogien de bruker er enkel: tenk på agenter som ansatte.
– Du har ikke en ansatt som kan alt, sier Lundquist.
Da blir det også lettere å kontrollere tilgang og ansvar når systemet brytes ned i mindre, tydelige deler – i stedet for én stor agent som “skal løse alt”.
Ikke alt er AI – noen ganger holder det med automatisering
En tydelig advarsel i episoden handler om å ikke kalle alt “agentisk KI”. Mange use cases er i praksis tradisjonell automatisering, mener gjestene.
– Veldig ofte … skal de fikse en liten manuell prosess som like godt kunne vært en automatisering, sier Lundquist.
Forskjellen kommer når dataene er ustrukturerte og krever kontekstforståelse. En e-postbestilling følger sjelden en fast mal, men KI kan tolke innholdet og hente ut det som trengs.
– Det som er med AI, er at den kan skjønne konteksten, sier han.
De peker også på en voksende kategori: “computer use agents” – systemer som kan se skjermen, forstå hvor ting er og klikke seg gjennom grensesnitt, omtrent som et menneske.
– Det betyr rett og slett at det er systemer som kan se en skjerm på samme måte som du og jeg, forklarer Lundquist.
Slik kommer du i gang
Veien inn i agentisk KI kan starte enkelt, ifølge Besler Hansen. På et grunnleggende nivå kan man lage en lettvekts-agent i et kjent verktøy og gi den en avgrenset oppgave.
– Du lager en agent som har en veldig enkel oppgave og begrenser hva den har tilgang til, sier han.
Deretter kan man gå videre til mer avanserte low-code- og pro-code-plattformer der agenter kan snakke sammen og utføre mer komplekse arbeidsflyter.
Men de er tydelige på én ting: teknologien alene er ikke nok. For å få til noe som faktisk fungerer, må domeneekspertene – de som gjør jobben i praksis – være tett på.
– Vi som er tekniske, kan ikke nødvendigvis sette oss inn i din rolle … Så da må du også være med og gi en god beskrivelse, sier Lundquist.
Konkrete gevinster: Agent i salg og kundedialog
Episoden løfter frem konkrete eksempler på hvordan agenter kan skape verdi. Et av dem handler om salg og oppfølging av små kunder, en gruppe mange virksomheter ikke har kapasitet til å betjene tett.
– Nå har vi satt på en agent som hjelper de kundene … og også gjennomføre selve transaksjonen, sier Besler Hansen.
Agenten kan følge opp over tid, tolke signaler som fraværsmeldinger, og sende relevant kommunikasjon tilpasset hva kunden faktisk har spurt om.
– Det som er forskjell … er at jeg nå kan skrive relevant tekst … som er personlig på hva er det den personen har spurt etter, sier han.
Ledelse når teamet delvis er “i skyen”
Når agenter blir en del av hverdagen, endres også lederrollen. I samtalen beskrives et skifte der ansatte i større grad blir “agent-bosser” som orkestrerer, kvalitetssikrer og tar ansvar.
– De siste månedene har koderne blitt såkalte agent bosses, sier Lundquist.
Han mener dette snart vil spre seg langt utover utviklermiljøene.
– I løpet av noen måneder nå … beveger det seg inn i det vanlige arbeidsmarkedet … at du sitter der med kanskje én eller flere agenter som gjør en del av jobben for deg, sier han.
Da blir det også tydeligere at det fortsatt er mennesket som har ansvaret.
– Men så er du ansvarlig for det som produsererer. Så du må se over, sier han.
Sikkerhet: Prompt injection og kontroll på data
Når agenter både leser, tolker og handler, øker også risikoen. Ett tema som går igjen, er prompt injection: skjulte instruksjoner i e-post, dokumenter eller nettsider som kan lure agenten til å gjøre noe uønsket.
– Det er … prompt injection … en instruksjon … veldig skjult, som gir den en instruksjon, sier Lundquist.
I tillegg handler mye om tilgangsstyring og governance: hvilke data agenter har tilgang til, og om virksomheten faktisk har oversikt over hvilke agenter som finnes.
Gjestene beskriver behovet for å gi agenter “ansatt-tilganger” – ikke fripassasje.
– De skal få, på samme måte som ansatte, begrenset tilgang … bare det minimumet av det de trenger, sier Lundquist.
De advarer også mot en kjent risiko i mange organisasjoner: ansatte som laster sensitivt materiale inn i eksterne tjenester for å få hjelp.
– Veldig mange tenker ikke på det. Så jeg har god governance, sier han.
Rådet: Kom i gang, men bygg for skalering
Mot slutten lander samtalen på et tydelig budskap: venting er en dårlig strategi. Men det betyr ikke at man skal automatisere alt med en gang.
– Det å ikke vente … nytter ikke, sier Besler Hansen.
Oppskriften de skisserer er å finne tydelige caser som kan regnes hjem, få kontroll på data, og bygge erfaring i organisasjonen. Start smått, men med ambisjon om rask oppskalering.
– Du må begynne i det små, men skalere opp raskt, sier han.
Og ledelsen må være tydelig, understreker gjestene: hvis ikke toppledelsen prioriterer dette, vil det bli fragmentert eksperimentering uten retning.
– Hvis ikke ledelsen sier at dette skal vi kjøre på med … så kommer man ingen ordentlig vei, sier Besler Hansen.
Til slutt oppsummerer programleder og gjester det som kanskje er episodens viktigste poeng:
KI-agenter handler ikke bare om ny teknologi, men om å jobbe på nye måter – med digitale kolleger som både kan øke kapasiteten og utfordre gamle vaner.
