En AI-agent er en analytisk medarbejder der ikke sover: den samler data, finder mønstre og foreslår. Den kan ikke afgøre hvad I bør ville, håndtere en situation der ikke ligner noget, eller føre den svære samtale. Værdien ligger i at vælge hvilke opgaver der hører til hvor.
Du hører det overalt. AI-agenter skal automatisere alt. Konkurrenterne bruger det. Medarbejderne spørger hvornår I gør.
Problemet er at ordet agent er blevet så bredt at det næsten ikke betyder noget. For nogle er det en chatbot der er blevet bedre. For andre er det software der handler på egen hånd uden opsyn.
Ingen af delene rammer det.
En AI-agent er nærmest en analytisk medarbejder der arbejder døgnet rundt, gør præcis som den er instrueret, og aldrig bliver træt af en kedelig opgave. Den har også begrænsninger, og de er værd at kende inden I bygger noget oven på den.
Hvad den faktisk gør
En agent kan samle data fra flere kilder, bearbejde dem systematisk efter regler I har defineret, opsummere hvad det betyder, og komme med forslag.
Den kan ikke træffe den endelige beslutning. Det er ikke en begrænsning i teknologien alene. Det er et valg I skal træffe bevidst, og det er emnet for hele artiklen.
Arbejdet falder i seks roller
Det hjælper at tænke på arbejdet som roller frem for som ét værktøj, fordi det gør det tydeligt hvor mennesket skal ind.
Indsamling. Hvad sker der i markedet, og hvad har vi overset?
Analyse. Hvad betyder det for os, og hvor ligger risikoen?
Udvikling. Hvilke tre til fem handlemuligheder er værd at overveje?
Ledelse. Hvilken vælger vi, og hvilken risiko accepterer vi?
Eksekvering. Hvem gør hvad hvornår, og hvad kan gå galt?
Opfølgning. Sker det, og hvad gør vi når noget skrider?
Fem af de seks kan en agent bidrage til. Den fjerde kan den ikke, og det er med vilje. Hvordan de seks hænger sammen i praksis, står i fra chatbot til strategisk afdeling.
Hvor meget må den selv?
Det er den beslutning der afgør om det bliver en succes, og den bliver ofte aldrig truffet eksplicit.
Kun indsigt. Agenten analyserer og fremlægger. I læser og beslutter. Modellen er statistiker, ikke rådgiver.
Forslag med godkendelse. Agenten foreslår en konkret handling, og et menneske siger ja eller nej før noget sker. I praksis tager godkendelsen tredive sekunder.
Fuld automatik. Agenten handler inden for regler I har sat, og rapporterer bagefter.
De fleste starter i den første og flytter til den anden når de har set nok til at have tillid. Den tredje hører til rutineopgaver hvor reglerne stadig giver mening om to år. Hvordan man vælger niveau opgave for opgave, står i autonomi-niveauer.
De fire ting den ikke kan
Den kan ikke afgøre hvad I bør ville. En agent kan sige at hvis I gør A, så følger sandsynligvis B. Den kan ikke sige at I bør gøre A. Det spørgsmål handler om værdier, risikovillighed og hvad I gerne vil være, og det er ikke en analyseopgave.
Den kan ikke håndtere det den aldrig har set. Kommer der et regelskift, en krise eller en konkurrent der gør noget uventet, følger agenten stadig de regler den fik. Reglerne er skrevet til den verden der var. Det er i præcis de situationer et menneske skal tænke, og det er også dér de fleste opdager at de har stolet for meget på systemet.
Den kan ikke føre relationen. En agent kan forberede jer grundigt til en vanskelig samtale med en vigtig kunde. Den kan ikke tage samtalen, og forsøget på at lade den gøre det er tydeligt for modparten.
Den kan ikke vurdere om noget bør gøres. Den kan finde den vej der giver mest indtjening. Om vejen er i orden er ikke et spørgsmål den er stillet, og det bliver ikke stillet af sig selv.
Et eksempel
En virksomhed havde over to hundrede artikler på deres site og vidste ikke hvilke der skabte salg. Manuelt ville gennemgangen tage omkring en arbejdsuge, og derfor blev den aldrig lavet.
De kørte det som en analyse på det første niveau: hvad skrives der, hvad trækker besøgende, og hvad fører videre til en henvendelse. Resultatet var en rapport med et dusin konkrete fund.
Marketingchefen læste den og traf beslutningen: skriv mere af den type der virker, drop ét emne helt. Det er den del et menneske skal gøre, fordi den handler om hvad virksomheden vil kendes for og ikke kun om hvad der klikkes på.
Derefter foreslog agenten en oprydning i den interne linkstruktur, og fik et ja med én undtagelse chefen selv kunne se var forkert.
Arbejdsdelingen er hele pointen. Agenten lavede det grundige arbejde ingen ellers fik gjort. Mennesket traf de to valg der havde konsekvenser.
Sådan kommer du i gang
- Start med at rapportere, ikke at handle. Vælg noget vigtigt men rutinepræget: hvad siger kundernes tilbagemeldinger, hvordan har dækningsbidraget bevæget sig.
- Læs rapporterne i en måned. Ændrer de nogen beslutning? Gør de ikke det, er det den forkerte opgave, ikke det forkerte værktøj.
- Flyt til forslag med godkendelse når I kan forudse hvad rapporten vil sige, før I åbner den.
- Brug fuld automatik sparsomt. Kun hvor reglerne er stabile og en fejl er let at opdage og rette.
Gode opgaver: dataintensive gennemgange, tilbagevendende analyser, indsamling af markedsinformation, opfølgning på noget der er ved at falde mellem to stole.
Dårlige opgaver: hvad skal vi satse på, hvordan håndterer vi den her relation, og er det her i orden at gøre.
Derfor er rækkefølgen bygget ind hos os
En agent der arbejder isoleret producerer en analyse der ikke ved hvad de andre fandt.
I 360° Sprint bestemmer forbindelserne mellem noderne på boardet den rækkefølge analysen kører i, og hver node får sin kontekst fra dem der ligger opstrøms via knowledge graph. Analysen af jeres kapabiliteter kender altså markedsanalysens konklusion, fordi den kom først i kæden.
Felter der er klassificeret RESTRICTED sendes aldrig til nogen udbyder, uanset hvem der arbejder i systemet. Hvad det betyder i praksis, står i de fire klassifikationsniveauer.
En agent er som en dygtig analytiker der aldrig sover. En dygtig analytiker leder ikke virksomheden, og det skal I heller ikke bede den om.
Hele billedet, fra hvad der egner sig til en uge du kan køre selv, står i AI til virksomhedsstrategi.