AI-agenter for bedrifter, hva de klarer og hva de ikke klarer

En AI-agent er AI som selv bestemmer hvilke steg den skal ta for å nå et mål, og som bruker verktøy underveis, for eksempel nettsøk, filer og andre systemer. I dag er agenter gode på avgrensede oppgaver med et tydelig mål og et resultat du kan sjekke, som research, sortering, førsteutkast og å flytte data mellom systemer. De er fortsatt svake på lange oppgaver uten tilsyn, på vage mål og på handlinger som ikke kan angres. For de fleste bedrifter gir en automatisering med AI-steg mer enn en agent som får frie tøyler.

Vi bruker agenter hver dag i byrået, og vi bygger automatiseringer for bedrifter. Her er to lister, hva agentene klarer og hva de ikke klarer, med tall fra forskningen der det finnes.

Hva er en AI-agent?

Ordet brukes om alt mulig nå, så det er lurt å skille mellom tre ting.

Anthropic, selskapet bak Claude, skiller på samme måte. En arbeidsflyt følger steg som er bestemt på forhånd. En agent styrer selv hva den gjør og hvilke verktøy den bruker. Anthropic skriver også at friheten har en pris. Agenter koster mer, og feil kan forplante seg fra ett steg til det neste.

Hva AI-agenter klarer

Research

Gi en agent et spørsmål og tilgang til nettet, så søker den, leser, sammenligner og oppsummerer. En konkurrentanalyse som før tok dager, tar en ettermiddag. Når vi setter opp AI for en ny bedrift, kjører flere agenter samtidig. Én leser nettsiden, én ser på konkurrentene, og én henter språket kundene bruker i omtaler.

Sortering og oppsummering

Innboksen, møtenotater, kundehenvendelser og lange dokumenter. Agenten leser alt, sorterer etter det du har bedt om, og lager et sammendrag. Risikoen er lav, fordi ingenting skjer før du har lest det.

Førsteutkast

Tilbud, e-poster, annonser, rapporter og presentasjoner. Agenten henter det den trenger fra filene dine og lager et utkast. Hos oss lages tilbud når en forespørsel kommer inn, og en analyse av en kundes nettside og markedsføring er klar før første møte.

Flytte data mellom systemer

Fra et skjema til CRM-et, fra annonsekontoen til et regneark, fra en e-post til en oppgaveliste. Det er kjedelig arbeid som går fort galt når folk gjør det for hånd, og som agenter gjør bra.

Bygge enkle ting

Med verktøy som Claude Code bygger agenter nettsider, landingssider og små interne programmer. Slik lager vi en nettside på rundt ti minutter. Noen må fortsatt se over den før den publiseres.

Hva AI-agenter ikke klarer

Lange oppgaver uten tilsyn

Jo lengre oppgaven er, jo oftere går det galt. METR, et forskningsmiljø som måler hva AI-modeller får til, har vist at oppgavene agentene klarer, har blitt dobbelt så lange omtrent hver sjuende måned. Men det er stor forskjell på å klare noe halvparten av gangene og å klare det nesten hver gang. En av de sterkeste modellene i målingene deres lykkes i halvparten av forsøkene med oppgaver som tar en dyktig person rundt tolv timer. Skal den lykkes fire av fem ganger, går grensen ved litt over en time.

Ekte arbeid fra start til slutt

Når forskerne tester agentene på ekte jobber, er tallene nøkterne. I testen TheAgentCompany fra Carnegie Mellon, med 175 vanlige kontoroppgaver i et simulert selskap, fullførte den beste agenten rundt 30 prosent i 2025. I Remote Labor Index, der agentene får ekte frilansoppdrag, leverte den beste agenten i september 2026 akseptabel kvalitet på rundt 21 prosent av oppdragene. Det går raskt framover, men fire av fem oppdrag holdt fortsatt ikke mål.

Vage mål

«Gjør markedsføringen bedre» gir en agent ingenting å styre etter. Den velger noe, og det er sjelden det du hadde tenkt. Jo tydeligere målet er, og jo lettere det er å sjekke resultatet, jo bedre gjør den det.

Handlinger som ikke kan angres

Betale, slette, sende til kunder og endre budsjetter. En agent som gjør feil i et utkast, koster deg fem minutter. En agent som sender feil tilbud til hundre kunder, koster mye mer. La et menneske godkjenne alt som ikke kan angres.

Vite hva som er sant

Agenter arver svakheten til språkmodellene. Mangler de et svar, finner de gjerne på et, og når de jobber i mange steg, kan en feil tidlig i kjeden bli med helt til slutt. Mer om det i slik sjekker du om AI-en din finner på ting.

Ta ansvar og bruke skjønn

En misfornøyd kunde, et avvik fra rutinen eller en uskreven regel alle i bedriften kjenner. Det er der agenter oftest bommer, fordi de ikke vet det ingen har skrevet ned.

Hvorfor mislykkes så mange agentprosjekter?

Analyseselskapet Gartner spådde i juni 2025 at over 40 prosent av prosjektene med AI-agenter vil bli lagt ned innen utgangen av 2027, fordi kostnadene stiger, nytten er uklar eller risikoen ikke er godt nok håndtert. Gartner advarte også mot det de kaller «agent washing», der vanlige chatboter og automatiseringer selges som agenter. Ifølge analyseselskapet er bare rundt 130 av de mange tusen leverandørene som selger agenter, ekte.

Det går best når du starter med en liten oppgave som kan måles, ikke med en stor agent som skal gjøre alt.

Slik bør en bedrift starte

1. Start med en automatisering med AI-steg, ikke en fri agent. Den er lettere å teste og lettere å stole på.
2. Velg én oppgave som gjentar seg, og der det er lett å se om resultatet er riktig.
3. Gi lesetilgang først. La agenten lese e-poster og dokumenter lenge før den får lov til å sende eller endre noe.
4. Krev godkjenning før noe sendes, betales eller slettes.
5. Logg det agenten gjør, så du kan se hva som skjedde når noe går galt.
6. Sammenlign med hvordan oppgaven ble gjort før. Gir den verken spart tid eller bedre kvalitet, er den ikke verdt det.

En god første oppgave er ofte en rapport. Tallene hentes automatisk, AI-en skriver oppsummeringen, og ingenting skjer før du har lest den. Hvordan du setter opp en, står i slik setter du opp en ukentlig annonserapport med AI.

Agent eller automatisering?

For de fleste oppgaver i en bedrift holder det med en automatisering med AI-steg. Den gjør det samme hver gang, du vet hva den gjør, og den er lett å rette når noe endrer seg. Bruk agenter der stegene varierer fra gang til gang, som research og analyser.

Vil du ha hjelp til å finne de første oppgavene og bygge løsningene, er det dette vi gjør med custom automatiseringer.

Tilbake til bloggen