Du sidder med dit ledelsesteam og har netop lavet en ny strategi på whiteboarden. Alle nikker enigt. Men så kommer spørgsmålet der altid kommer: hvem sørger for at det bliver gjort? Og hvem analyserer hvad der sker helt tæt på det vi planlagde?
De fleste svar er: vi håber nogen husker det. Eller vi bruger projektleder-check-in'er hver uge. Eller vi har en controller der laver quarterly reviews der alligevel kommer tre måneder for sent.
Men hvad hvis I havde en afdeling der faktisk arbejdede på det?
Ikke en anden leder. Ikke flere møder. Bare en struktureret gruppe agenter der hver især ved hvad deres job er, arbejder parallelt, og rapporterer tilbage uden at skulle have lov hver gang.
Sådan fungerer AI-agenter i praksis.
De 6 afdelinger
Når du sætter gang i en strategi på dit board i 360° Sprint, bliver arbejdet fordelt mellem 6 agentafdelinger — hver med et klart ansvar.
Strategisk Intelligens samler konteksten. Hvad sker der ude i markedet? Hvad har vi overset? Denne afdeling læser dine kilder, scanner nyhederne, og kompilerer en tilstandsrapport før resten af strategien engang begynder.
Analyse fortolker hvad Intelligens fandt. Hvad betyder det for os? Hvor ligger risikoen? Denne afdeling tager rådata og bygger et narrativ — den forbindende sammenhæng der skal gøre det hele klikbarts for ledelsen.
Udvikling designer mulighederne. Givet hvad vi nu ved, hvilke 3-5 handlingsforløb er værd at overveje? Den department'et kreativ — den der siger "hvad hvis vi gjorde det sådan?"
Ledelse prioriterer. Af alle mulighederne, hvilken følger vi? Hvilken risiko kan vi leve med? Dette er der hvor mennesket skal være — mennesket der kender virksomheden indefra.
Eksekvering planlægger arbejdet. Givet at vi går den retning, hvad skal hvem lave hvornår? Hvor mange ressourcer? Hvad kan gå galt?
Facilitering holder rede på at det hele køres. Mödet mandag blev aflyst? Agenten noterer det og ændrer tidslinjen. En vigtig metric er ikke blev målt? Agenten flagrer det.
Det vigtige er ikke at hver afdeling er perfekt. Det vigtige er at hver ved hvad den skal gøre, og at de arbejder uden at være på vej over hinanden.
Topologisk sortering: Hvordan det hele hænger sammen
Når du klikker "Kør strategi" ser det flot ud på skærmen — nogle bokse bliver farvet grønne, nogle får data udfyldt, nogle venter på inddata fra andet arbejde.
Under motorhjelmen sker noget mere præcist. Hver node (hver afgørelse, hver analyse, hver planlægning) er afhængig af nogle andre noder. Strategi-direktionen kan ikke prioriteres før Analyseren har sagt hvad data betyder. Eksekverings-planen kan ikke laves før Ledelsen har valgt hvilken retning.
Det system der styrer rækkefølgen hedder topologisk sortering. Simpelt sagt: først hvad der ikke behøver anden input, så hvad der kan baseres på det, så det næste lag. Som at bygge et hus — først fundamentet, så vægge, så tag. Ikke omvendt.
Det betyder at selv hvis dit board har 40 noder på tværs af alle 6 afdelinger, ved systemet automatisk hvad der kan arbejdes på parallelt og hvad der er blokeret. Og systemet respekterer det uden at skulle spørge dig hver gang.
Budgetter: Hvorfor AI ikke løber løbsk
Her er hvor mange virksomheder bliver nervøse. Hvis jeg har 6 agenter der arbejder 24/7, bliver det ikke dyrt?
Ja. Hvis I ikke sætter grænser.
Derfor er budgetter det første du sætter op. En budgetramme på 100 kroner per strategi-kørsel. Per uge. Pr. agent-rolle. Hvad I vil.
Når en agent bruger tokens (hver gang den læser en tekst eller skriver en analyse) trækkes det fra budgettet. Hvis budgettet er opbrugt, stopper agenten. Den færdigstiller sit arbejde og venter på næste periode.
Dette betyder ikke at I mister arbejde. Det betyder bare at agenten arbejder inden for rammer — som ethvert team medlem gør.
Konkret: hvis jeres Analyse-afdeling bruger for mange tokens på at læse eksterne kilder, kan I sætte en grænse på "maks 30 kilder". Eller "maks 3000 tokens per analyse". Agenten adapter sig.
Det vigtige er at budgetterne ikke er "forbud". De er "rammevilkår". Som når en marketingchef siger "vi bruger ikke mere end 50.000 kr på annoncering denne uge" — detaljerne styrer hun selv, men hun ved hvor grænsen er.
Et konkret eksempel: Fra ide til eksekveringsplan
Lad os sige jeres SLT skal evaluere om I skal være på TikTok.
Dag 1, mandag morgen. I sætter noden op på boardet: "Evaluér TikTok som distribution-kanal".
Systemet starter øjeblikkeligt.
Intelligens-agenten søger efter: hvem på TikTok sælger det I sælger? Hvad siger TikToks egen data om aldersgruppefordeling? Hvad har konkurrenter gjort? Den har kørsel nu — alligevel mens I drikker kaffe.
Analyse-agenten venter på at Intelligens er færdig (se topologisk sortering). Når det er tilfældet, læser agenten hvad Intelligens fandt. Skriver en kort analyse: "TikTok-brugere er primært under 30 år. Vi når ikke dem der køber. Konkurrenter der prøvede det, stoppede efter 3 måneder."
Udviklings-agenten læser Analyse. Designer tre scenarier: 1. Vi starter en testkanal, 3 måneder, 5000 kr/mdr budget 2. Vi hyrer agentur, de kører det, samme budget 3. Vi gør det ikke nu, evaluerer igen år 2027
Ledelsesagenten — og her stopper det. Dette punkt kræver menneskeligt skøn. Agenten har forberedt alt informationen. Men beslutningen skal træffes af jer.
Normalt ville I sige: "Vi gør 1. Vi bruger 3 måneder på at teste det."
Eksekverings-agenten starter så. Hvem skal lave det? Hvilken ressource? Hvornår starter vi? Hvad skal KPI'er være? Den bygger en tidsplan, assigner opgaver til de mennesker I har peget på.
Faciliterings-agenten logger alt dette og sender et wekly digest hver mandag: "TikTok-test starter næste uge, første post går live onsdag, første data kommer 30/4, review møde den 20/4."
Det hele tog mindre tid end et møde ville have taget.
Og hvis et møde aflyses? Faciliterings-agenten holder rede på det automatisk.
Hvorfor det slår "spørg ChatGPT"
Hver gang en leder i dag har et strategisk spørgsmål, sætter vedkommende sig ned og skriver et par sætninger til ChatGPT. ChatGPT giver et svar. Vedkommende læser det, vurderer det, husker det (eller glemmer det).
Det problem er:
- ChatGPT ved ikke hvad I ved i sidste uge — det er stateless
- ChatGPT har samme kontekst hver gang — det er ikke læring
- Det kræver at I husker at skulle spørge — hvis I glemmer, intet svar
- ChatGPT kan ikke prioritere mellem jeres strategiske prioriteter — alle spørgsmål er lige vigtige
Agenter løser alle fire problemer.
En agent husker hvad der blev sagt sidste uge (Knowledge Graph). En agent lærer hvad der fungerede (hvis prioriteringen sidste kvartal led til X%, noten det). En agent arbejder uafbrudt — I skal ikke huske at trigger det. Og agenten ved hvad der prioriteres øverst, fordi I har sat det op.
Andet ord: agenter er ChatGPT der faktisk arbejder for jer, ikke bare svar på spørgsmål.
Den eneste bestyrelse der aldrig sover
Hvis I bruger agenter rigtigt, har I praktisk set en strategisk afdeling der arbejder uden at skulle spørge. Den læser hvad der sker på markedet, vurderer hvad det betyder, skriver op hvad I skal overveje, prioriterer hvad der er kritisk, planlægger arbejdet, og holder rede på at det bliver gjort.
Det passer ikke til almindelige møder. Det passer til hvordan strategi burde virke — som et kontinuerligt arbejde, ikke en årlig øvelse.
Det betyder heller ikke at I ikke skal mødes. Det betyder at når I mødes, har I faktisk data at diskutere, i stedet for at bruge halvdelen af mødet på at bygge konteksten fra bunden.
Hvis det lyder som noget jeres virksomhed kunne bruge, kig på 360° Sprint. Og hvis det høres abstraktly, prøv at køre en strategi — så ser I præcis hvordan det virker.
Den afdeling der arbejder uden at skulle have lov. Det er det agenter kan være.