AI-agenter: när en modell ska få utföra arbete, inte bara svara

En assistent svarar. En agent gör. Skillnaden låter liten och är det inte: i det ögonblick en modell får skriva till ett system, skicka ett mejl eller ändra en post har den slutat vara ett förslag och blivit en anställd utan ansvarsförsäkring.

Det finns flöden där det är precis rätt, och betydligt fler där det inte är det. Den här artikeln handlar om hur man ser skillnaden.

Vad en agent faktiskt är

Praktiskt: en modell som får ett mål, tillgång till ett antal verktyg — läs ur databasen, skicka mejl, skapa ett ärende, uppdatera en post — och som själv bestämmer i vilken ordning den använder dem tills målet är uppnått.

Ett konkret exempel. En faktura kommer in. Agenten läser den, matchar den mot en inköpsorder, kontrollerar att beloppen stämmer, bokför den på rätt konto om allt går ihop, och lägger den i en granskningskö om något avviker. Fem steg, flera system, ett beslut i varje steg.

Det som gör detta värdefullt är samtidigt det som gör det riskabelt: ingen har skrivit ordningen i förväg.

Flöden som passar

De fungerande fallen delar tre egenskaper.

• Varje steg går att kontrollera efteråt. Det finns ett facit — beloppen stämmer eller inte, ordern finns eller inte.
• Ett fel går att rätta. En felbokförd faktura rättas. Ett felaktigt utskickat mejl till en kund gör det inte.
• Volymen motiverar bygget. Ett flöde som går tio gånger om året ska inte automatiseras, hur roligt det än vore.

Flöden som inte passar

• Allt som når kunden utan mellanled. Utskick, prisändringar, avbokningar. Låt agenten förbereda och en människa trycka på knappen.
• Allt som rör pengar ut ur bolaget. Betalningar, krediteringar, återbetalningar.
• Allt som inte kan ångras. Radering, arkivering, uppsägningar av abonnemang.
• Flöden som ser olika ut varje gång. Där finns inget mönster, bara kostnad.

De fyra skydden

Innan en agent går skarpt ska fyra saker finnas. Saknas något av dem är lösningen inte färdig, hur bra den än fungerar i demo.

1. Loggning av vad som gjordes. Varje steg, varje verktygsanrop, varje beslut, sparat och läsbart. Utan detta går ett fel inte att utreda, bara att upptäcka.
2. En gräns för räckvidden. Agenten får de behörigheter uppgiften kräver och inte fler. Samma princip som för en anställd, av samma skäl.
3. En nödbroms. Ett sätt att stoppa allt omedelbart, som fungerar även när den som trycker inte är utvecklare.
4. En människa på det som avviker. Agenten hanterar det normala och lämnar över det som inte ser normalt ut. Att den vet skillnaden är en del av bygget, inte något modellen sköter av sig själv.

Börja med det tråkiga steget

Det vanligaste misstaget är att bygga hela kedjan direkt. Det som fungerar är att låta agenten köra flödet i skuggläge först: den gör allt utom det sista steget, och en människa jämför förslaget med vad som faktiskt borde ha hänt.

Efter ett par veckor vet ni exakt hur ofta den har rätt, var den brukar gå fel och om det är värt att släppa fram den. Det är samma nollmätning som gäller för alla AI-projekt, bara med högre insats.

Behöver det vara en agent?

Ofta inte, och det är värt att fråga innan bygget. Är stegen alltid desamma i samma ordning är ett vanligt automatiserat flöde både billigare och stabilare — det behöver ingen modell alls, och det går aldrig sönder för att en leverantör bytte version.

En agent är rätt svar när ordningen faktiskt varierar och när besluten kräver att någon läser och tolkar text. Uppfylls inte båda är det en integration ni vill ha. Hur den byggs beskrivs under systemutveckling, och avvägningen kring modeller och leverantörer i bygga eller köpa AI.