Hvad er en AI-agent? Forklaret uden buzzwords

Hvad er en AI-agent?

En AI-agent er et softwareprogram der er instrueret med et mål og selvstændigt kan planlægge og udføre de skridt der kræves for at nå det.

Tre ting adskiller en agent fra et almindeligt AI-program:

Den er målorienteret. Du beskriver hvad der skal opnås - ikke trin for trin hvad der skal gøres. "Gennemgå de indkomne fakturaer fra de seneste 30 dage, klassificer dem og flag dem der mangler godkendelse" er et mål. Agenten finder selv vejen dertil.

Den bruger værktøjer. En agent kan kalde på eksterne funktioner: søge i en database, sende en e-mail, opdatere et regneark, hente data fra en API, læse en PDF. Det er det der giver agenten evnen til at gøre noget i jeres systemer frem for kun at producere tekst.

Den tilpasser sig undervejs. Hvis et skridt fejler eller giver et uventet resultat, kan agenten justere og forsøge en anden tilgang. Den reagerer på hvad den finder, frem for at følge en fast opskrift blindt.

Hvad er forskellen på en AI-agent og en chatbot?

En chatbot er et spørgsmål-svar-system. Den modtager input, genererer et svar, og stopper der. Den gør ikke noget i jeres systemer - henter ikke data, sender ikke e-mails, opdaterer ikke noget.

En AI-agent kan gøre alt det. Når en agent "besvarer" en kundehenvendelse, kan den have hentet kundens ordrehistorik fra CRM'et, tjekket lagerstatus og oprettet en serviceopgave - alt som del af den samme handling.

Mange produkter markedsføres som "AI-agenter" men er i praksis chatbots med adgang til en søgefunktion. Den praktiske test: kan systemet udføre handlinger i jeres eksisterende systemer, eller kan det kun beskrive hvad det ville gøre?

Hvad er forskellen på en AI-agent og et automatiseringsflow?

Et automatiseringsflow - som dem I bygger i n8n, Make eller Zapier - følger en fastlagt sti. Når A sker, udfør B, derefter C. Det er deterministisk: samme input giver altid samme output.

En AI-agent bruger en sprogmodel til at beslutte næste skridt baseret på hvad den finder undervejs. Stien er ikke fastlagt på forhånd.

Det gør agenter mere fleksible, men også langsommere og dyrere at køre end et fast flow. Valget afhænger af opgaven: brug et automatiseringsflow til processer der er ensartede og forudsigelige. Brug en agent, når inputtet varierer og opgaven kræver vurdering undervejs.

Hvad består en AI-agent af?

En AI-agent er typisk bygget af tre komponenter:

En sprogmodel. Det er kernen der planlægger, ræsonnerer og beslutter næste skridt. Sprogmodellen er det der giver agenten evnen til at forstå variabelt input og formulere svar.

Et sæt værktøjer. Funktioner agenten har adgang til: søgefunktioner, database-opslag, API-kald, filhåndtering. Uden værktøjer er agenten en chatbot.

Kontekst og hukommelse. Information om hvad der er sket hidtil i opgaven - hvad der er forsøgt, hvad resultatet var, hvad der mangler. Det er det der gør det muligt at fortsætte og tilpasse sig frem for at starte forfra ved hvert skridt.

Mange agentimplementeringer bruger desuden et eksternt orchestration-lag - f.eks. LangChain eller n8n's agent-node - der håndterer loop-logik og fejlhåndtering.

Hvornår giver det mening at bruge en AI-agent?

En AI-agent er det rigtige valg, når opgaven kombinerer disse karakteristika:

• Variabelt input: dokumenter, e-mails eller data der ankommer i mange formater og kræver fortolkning
• Beslutninger undervejs: systemet skal vurdere hvad der skal gøres baseret på hvad det finder, ikke bare flytte data fra A til B
• Interaktion med flere systemer: agenten skal hente fra ét sted og skrive til et andet, eller koordinere på tværs af platforme

Det giver sjældent mening at bygge en agent til processer der er identiske hver gang. Her er et deterministisk automatiseringsflow hurtigere, billigere og lettere at fejlfinde. En agent er ikke et universalværktøj - det er svaret på en specifik type opgave.

Hvad bruges AI-agenter til i praksis?

Her er opgavetyper vi implementerer hos danske SMV'er:

• Fakturahåndtering: agenten modtager fakturaer i varierende format, udtrækker leverandør, beløb og forfaldsdato, checker mod ordresystemet og godkender eller flagger til manuel gennemgang
• Kundeserviceagent: agenten læser en indgående henvendelse, henter kundens historik fra CRM'et og formulerer et svar - eller eskalerer, hvis henvendelsen kræver menneskelig vurdering
• Tilbudsassistent: agenten modtager en forespørgsel, henter relevante produktspecifikationer og priser og genererer et første udkast til tilbud i jeres skabelon
• Dokumentgennemgang: agenten gennemgår kontrakter eller interne proceduredokumenter og markerer afsnit der afviger fra jeres standardvilkår

Fælles for dem: inputtet varierer fra sag til sag, og opgaven kræver vurdering for at blive behandlet rigtigt.

Hvad koster det at bygge en AI-agent?

En simpel agent - veldefineret opgave, 2-3 værktøjer, en enkelt datastrøm - kan typisk bygges og testes på 2-3 dage. En kompleks agent med fejlhåndtering, logging og integration mod flere systemer tager 1-3 uger.

Hos OCHO bygger vi AI-agenter som del af implementeringsprojekter fra 25.000 kr. Driftsomkostningerne (API-kald til sprogmodellen) afhænger af volumen, men er typisk 300-1.500 kr./md. for SMV-skala.

For en bredere gennemgang af hvad AI-projekter koster, se prisguiden for AI automation.

Hvad er næste skridt?

Har I en konkret opgave I tror egner sig til en AI-agent, starter det med at vurdere om den faktisk gør det - og hvilken tilgang der giver bedst ROI. Det er præcis hvad en kortlægning hos OCHO afdækker.

Læs om AI-implementering hos OCHO eller book en uforpligtende konsultation.

Kilder og metode

Definitioner og tekniske beskrivelser er baseret på vores egne implementeringsprojekter samt anerkendte tekniske beskrivelser af agent-arkitektur (2024-2026). Prisintervaller er baseret på OCHOs egne projekter.