AI-agenter
AI-agenter med ét ansvar, fuld log og menneskelig godkendelse
AI-agenter er sprogmodeller, der har fået adgang til værktøjer og kan løse en opgave i flere trin. Jeg bygger dem afgrænset, med log på hvert skridt og et menneske ind over der, hvor det betyder noget. Erfaringen kommer fra 400+ projekter siden 2010.
- Få svar samme dag
- Få en fast pris på din opgave
AI-agenter
Hvad agenter er gode til
Agenter fungerer bedst på arbejde, hvor trinene er kendte, men rækkefølgen afhænger af, hvad man finder undervejs. Et menneske ville kigge tre steder i den rækkefølge, der giver mening ud fra det, der dukker op, og det kan en agent efterligne.
De fungerer dårligt på arbejde uden et rigtigt svar, eller hvor en fejl først opdages langt senere. Skøn, prioritering mellem kunder og alt der kræver dømmekraft bør blive hos mennesker, og det siger jeg fra starten.
Typiske opgaver for en agent
- Kundeservice: undersøge en sag på tværs af ordresystem, fragt og mailhistorik og lægge et svarudkast klar til godkendelse.
- Dokumenthåndtering: journalisere, navngive og fordele indkommende filer efter indhold.
- Interne værktøjer: vedligeholde data ved at finde dubletter, udfylde huller og markere det, der ser forkert ud.
- Integration med eksisterende systemer: arbejde gennem API'er i jeres CRM, økonomisystem eller webshop.
Godkendelse og kontrol
Den mest brugbare opsætning er sjældent den mest autonome. Ofte er det den, hvor agenten gør arbejdet færdigt og lægger det til godkendelse, så et menneske bruger to minutter i stedet for fyrre.
Den model er også lettere at komme i gang med, fordi ingen behøver slippe noget løs på dag ét. Tilliden vokser, i takt med at man kan se i loggen, hvad agenten gør, og hvorfor.
Det får du
Konkrete leverancer, ikke en rapport med anbefalinger nogen andre skal nå at udføre.
- Én afgrænset agent
En agent med ét klart ansvarsområde, en grænse for antal trin og en måde at stoppe den midt i en opgave.
- Værktøjslag
Adgang til jeres systemer, adskilt i læsning og skrivning, hvor skriveadgang først gives, når læsedelen har bevist sig.
- Fuld log
Hvert trin, hvert værktøjskald og begrundelsen bag, så I kan fejlsøge og altid svare på, hvad der skete.
- Godkendelsesflow
De steder hvor konsekvensen er stor, lægger agenten sit arbejde til godkendelse i stedet for at udføre det selv.
Sådan foregår det
Fire trin. Du ved hvad der sker hvornår, og du kan stoppe efter hvert af dem.
- 01
Udpeg processen
Sammen finder vi det stykke arbejde, der gentager sig ofte nok til, at automatisering kan betale sig. Jo mere afgrænset opgaven er, jo hurtigere kommer den første version i drift.
- 02
Sæt en baseline
Vi noterer, hvor lang tid opgaven tager i dag, hvor ofte den forekommer, og hvor mange fejl der slipper igennem. Uden de tal kan ingen bagefter afgøre, om løsningen var indsatsen værd.
- 03
Byg mod et testsæt
Jeg samler rigtige eksempler fra jeres hverdag og tester hver ændring af prompt og model op imod dem. Det holder kvaliteten stabil, når der senere bliver skruet på løsningen.
- 04
Drift med log og nødstop
Løsningen bliver koblet på jeres eksisterende systemer med fuld logning og en kontakt, der kan slukke den. Jeg dokumenterer opsætningen og lærer en hos jer op i at vedligeholde den.
Brands jeg har arbejdet med
Ofte stillede spørgsmål
- Hvad er en AI-agent helt kort?
- En sprogmodel med adgang til værktøjer, som må bruge dem i flere trin, indtil opgaven er løst. Den kan slå op i systemer, samle information og foreslå eller udføre handlinger. Forskellen fra en chatbot er, at den arbejder selv i stedet for kun at svare.
- Hvad koster en AI-agent?
- Prisen afhænger af, hvad agenten skal kunne. Det der betyder mest, er hvor mange systemer den skal arbejde i, om systemerne har et API, og hvor meget godkendelsesflow der skal bygges omkring den. Send en beskrivelse af opgaven, så vender jeg tilbage samme dag med afklarende spørgsmål og derefter et fast tilbud.
- Hvad hvis agenten gør noget forkert?
- Så skal fejlen kunne opdages og rulles tilbage. Netop derfor starter jeg med læseadgang og bygger skriveadgang på bagefter, én handling ad gangen, med log på det hele.
- Hvilke systemer kan en agent arbejde i?
- Alt med et API: Shopify, Google Workspace, HubSpot, e-conomic, Jira eller jeres eget system. Mangler API'et, kan der ofte bygges et lag imellem, men det skal med i estimatet, fordi det tit er den største del af opgaven.
- Hvad med GDPR, når en agent har adgang til kundedata?
- Agenten får kun adgang til de felter, den skal bruge, og alt den foretager sig bliver logget. Loggen hjælper i sig selv på dokumentationskravene. Persondata kan ofte maskeres, inden de sendes til modellen, og jeg gennemgår opsætningen med jer, inden noget går i drift.
- Bygger du agenter for virksomheder uden for hovedstadsområdet?
- Ja, det meste af arbejdet foregår alligevel på afstand. Jeg har kunder i Aarhus, Aalborg og Odense, som jeg primært mødes med over video. Sidder I i nærheden af København, tager jeg gerne ud til jer til opstartsmødet.
- Hvor lang tid tager det at bygge en agent?
- En afgrænset agent på ét system er typisk to til fire uger inklusive test. Skal den arbejde på tværs af flere systemer, sætter integrationerne tidsplanen snarere end AI-delen.
- Kan agenten arbejde uden for arbejdstid?
- Ja, og det er ofte pointen. Sager der kommer ind om aftenen, kan være undersøgt og forberedt, når nogen møder ind om morgenen. Selve afgørelsen kan stadig ligge hos et menneske.