← Tilbage til forsiden
Forklaring
AI-agenter

AI-agenter til virksomheder: hvad de er, og hvad du kan forvente

En AI-agent gør mere end at svare: den bruger tools og udfører trin i dine systemer. Det giver meget og medfører reelle risici. Her handler det om begge dele, med udgangspunkt i det, vi selv har bygget i drift.

Af Assim ElHammouti, Grundlægger og lead engineer, NordbeamOpdateret

Kort svar

Hvad er en AI-agent?

En AI-agent er software, hvor en sprogmodel selv vælger, hvilke tools den bruger, og hvilke trin den tager for at nå et mål, i stedet for at følge fast kode. Nordbeam, et AI-udviklingsstudie i Göteborg og Malmö, bygger AI-agenter til drift med adgang til tools, menneskelig godkendelse, evalueringer og revisionsspor.

Forskel fra en chatbot
Bruger tools og udfører trin
Sikkert design
Godkendelse pr. skriveoperation
Opstart
AI Workflow Sprint fra 45.000 SEK

01 — Definition

Hvad er en AI-agent?

Anthropic skelner i sin vejledning til at bygge agenter mellem to ting. I en workflow styrer faste kodestier sprogmodellen og tools. I en agent bestemmer modellen selv sin proces og sin brug af tools. Begge dele er "AI-automatisering", men de opfører sig vidt forskelligt, så snart noget uventet sker.

En praktisk definition for en virksomhed: en AI-agent er et system, der får et mål, kalder tools i dine systemer (regnskab, CRM, sagsstyring, dokumenter), vurderer resultatet af hvert trin og først stopper, når målet er nået, eller når den har brug for et menneske.

a.

Chatbot

Svarer på spørgsmål med tekst. Rører ikke dine systemer og husker lidt uden for samtalen.
b.

Automatisering (workflow)

Udfører en fast sti, nogle gange med en sprogmodel i ét trin, som at klassificere eller opsummere. Forudsigelig og let at teste.
c.

Assistent med tools

Henter aktuelle data og foreslår handlinger, men et menneske udfører.
d.

Agent

Vælger selv næste trin, bruger flere tools efter hinanden og kan udføre handlinger inden for de grænser, du sætter.

02 — Funktion

Hvordan virker en AI-agent?

01

Mål og kontekst

Agenten får en opgave, instruktioner og de data, den må se.
02

Vælge tool

Modellen vælger et tool, for eksempel 'find åbne fakturaer', og leverer input.
03

Vurdere resultatet

Tool'et returnerer et resultat. Modellen afgør: nok information, endnu et trin eller en fejl?
04

Stoppe eller aflevere

Løkken slutter med et svar, en foreslået handling til godkendelse eller en overdragelse til et menneske.

Forbindelsen til dine systemer går i stigende grad gennem Model Context Protocol (MCP): en åben standard, som en agent bruger til at finde og kalde tools. Selve agenten er så primært en løkke med stopbetingelser. Anthropic anbefaler at bygge stopbetingelser (for eksempel et maksimalt antal iterationer) eksplicit ind og at designe tools, så fejl er svære at begå.

Eksempel · agentens løkke
1 · Mål

Opgave og kontekst

Find forfaldne fakturaer

2 · Tool

Kalder et tool

fortnox.list_overdue_invoices

3 · Vurdér

Vurderer resultatet

Nok information, eller endnu et trin?

4 · Afslut

Svar eller forslag

En skrivning går videre til godkendelse

Menneskelig godkendelse

Oprette 3 betalingspåmindelser?

Godkend
  • ✓ stopbetingelse: maks. antal iterationer
Agenten gentager tool-kald og vurdering, til målet er nået eller en stopbetingelse rammes. Skrivning forlader aldrig løkken uden godkendelse.

03 — Anvendelser

Hvad kan virksomheder bruge AI-agenter til?

Opgaver med meget variation, meget læsning og lidt tillid til en fast sti.
a.

Økonomistyring og administration

Gennemgå betalingsændringer, forfaldne fakturaer, omkostningsafvigelser og åbne spørgsmål og præsentere dem som strukturerede observationer med dokumentation. Skrivning kun efter godkendelse.
b.

Dokumentbehandling

Læse fakturaer, kontrakter og bilag, udtrække felter og forberede dem til et system, mens et menneske vurderer afvigelser.
c.

Kundekontakt og interne spørgsmål

Klassificere henvendelser, formulere svar ud fra vidensbaser og sende videre til en medarbejder, når agenten er usikker.
d.

Koblinger mellem systemer

En agent, der arbejder på tværs af ERP, CRM og e-mail i stedet for én integration pr. spørgsmål.

Det fælles for opgaverne: resultatet kan kontrolleres, en fejl kan rettes, og værdien ligger i den tid, et menneske ellers bruger på at lede og forberede. Til en fast, forudsigelig proces er almindelig AI-udvikling og automatisering ofte det bedre valg end en agent.

04 — Risiko

Hvorfor fejler AI-agentprojekter?

Agency

Excessive agency · OWASP

3
årsager: for meget funktionalitet, for brede rettigheder, for megen autonomi
3
designvalg i hver agent, som vi bygger den

Mønsteret er forudsigeligt: en demo virker på den lykkelige sti, derefter kommer kanttilfælde, uventede omkostninger og handlinger, ingen kan fortryde. OWASP kalder det i sin liste over risici for LLM-applikationer excessive agency: et system, der kan kalde funktioner uden tilstrækkelige sikkerhedsforanstaltninger. Der er tre årsager: for meget funktionalitet, for brede rettigheder og for megen autonomi uden menneskelig kontrol før handlinger med stor effekt.

Det omsætter vi til tre designvalg i hver agent:

a.

Et menneske godkender skriveoperationer

Agenten foreslår. Brugeren ser, hvad der præcis ændres, og bekræfter netop den handling. Først derefter går der noget til systemet.
b.

Evalueringer før og efter hver ændring

Et fast sæt opgaver med kendte udfald, der køres igen ved hver ændring af prompt, model eller tool. Så ser du en forringelse, før en kunde gør.
c.

Et revisionsspor

Hvem bad om hvad, hvilke tools blev kaldt, hvilken dokumentation lå bag observationen, og hvad blev godkendt eller afvist.

05 — Praksis

Hvordan ser en AI-agent med godkendelse ud? Nordsynk

Nordsynk (nordsynk.se), bygget og drevet af Nordbeam, forbinder Fortnox med Claude, ChatGPT og Cursor gennem en hostet MCP-server. Designet holder opdagelse, læsning, forslag og skrivning adskilt. Læsning sker gennem den autentificerede runtime, forslag kommer fra assistenten, og en ændring i Fortnox kræver udtrykkelig skriveintention og en godkendelse, der er låst til netop den forespørgsel, der udføres.

Ved siden af assistenten findes en skrivebeskyttet finance control-preview: et dagligt drejebog, der gennemgår betalingsændringer, forfaldne fakturaer, omkostningsafvigelser og åbne regnskabsspørgsmål og lægger resultatet i en kø af observationer, beslutninger og feedback. Hver observation peger tilbage på det Fortnox- eller Nordsynk-objekt, der understøtter den. Tillidsgrænsen i én sætning: læs godkendte data, vis dokumentationen, husk menneskers beslutninger og kræv udtrykkelig godkendelse, før noget ændres.

Illustration · eksempeldata
Claude

Hvilke kundefakturaer er forfaldne med mere end 30 dage?

⚙ fortnox.list_overdue_invoices

3 fakturaer er forfaldne, i alt 127.500 kr.:

Beta Konsulent ApS
52.500 kr.
Acme A/S
45.000 kr.
Gamma I/S
30.000 kr.

Oprette 3 betalingspåmindelser?

Skriver til Fortnox · kræver din godkendelse

Godkend
Log
  1. 10:42læste fakturaer (3)
  2. 10:42dokumentation koblet på
  3. 10:43skrivning anmodet
  4. 10:44godkendt af økonomi
  5. 10:443 påmindelser oprettet

Hver handling logges med bruger, tidspunkt og handling.

Agenten foreslår, et menneske godkender, og hele forløbet kan spores bagefter.

06 — Samarbejde

Hvordan kommer du i gang med en AI-agent?

Én arbejdsgang, gjort ordentligt, er det bedste første skridt.

Fra 45.000 SEK

AI Workflow Sprint

Kortlæg én arbejdsgang, dens systemer, risici og ROI. Du får en produktionsarkitektur og et fokuseret proof of concept.

Tal om dette forløb →

Fra 180.000 SEK

Production Agent Pilot

Lancér én værdifuld arbejdsgang med integrationer, godkendelser, evalueringer, sporbarhed, deployment og overdragelse.

Tal om dette forløb →

1–3 dage om ugen

Fractional AI Product Lead

Senior produkt- og engineeringledelse med arkitektur, implementering, beslutninger og opkvalificering af teamet.

Tal om dette forløb →

Vil du bygge din egen MCP-server, så kunder kan bruge deres data i AI-værktøjer, kan du læse om MCP-serverudvikling. Mere om vores AI-arbejde finder du under AI-udvikling.

07 — FAQ

Ofte stillede spørgsmål om AI-agenter

Hvad er en AI-agent?

En AI-agent er et system, hvor en sprogmodel selv afgør, hvilke trin og tools den bruger for at nå et mål, i stedet for at følge en fast rækkefølge. Den bruger tools (for eksempel dit regnskabssystem eller CRM), vurderer resultatet af hvert trin og beslutter, hvad der sker derefter.

Er ChatGPT en AI-agent?

I sin enkleste form er ChatGPT en chatgrænseflade til en model. Den bliver først agentlignende, når den kan kalde tools og gennemføre flere trin på egen hånd. Forskellen handler altså ikke om et mærke, men om modellen udfører handlinger og selv vælger rækkefølgen.

Hvad er forskellen på en AI-agent og automatisering?

Klassisk automatisering følger en forudbestemt sti: hvis A, så B. En agent vælger selv sit næste trin undervejs. Det gør agenter egnede til opgaver med variation (ustrukturerede dokumenter, spørgsmål på almindeligt sprog), men også mindre forudsigelige. Til faste processer er almindelig automatisering ofte bedre, billigere og lettere at kontrollere.

Hvad koster en AI-agent?

Prisen afhænger af integrationerne, risikoen ved handlingerne og den evaluering, du har brug for. Hos Nordbeam starter en AI Workflow Sprint fra 45.000 SEK og en Production Agent Pilot fra 180.000 SEK. Dertil kommer løbende udgifter til modelbrug og vedligeholdelse.

Kan en AI-agent selv udføre handlinger i mine systemer?

Teknisk set ja, men vi anbefaler det kun for handlinger med lav risiko, der er nemme at rulle tilbage. Ved ændringer med økonomiske, juridiske eller kundemæssige følger bør agenten foreslå, og et menneske udtrykkeligt godkende, hvorefter systemet udfører netop den ene handling.

Hvordan ved jeg, om en agent er pålidelig nok?

Ved at måle. Sammensæt på forhånd et sæt eksempelopgaver med den ønskede udgang (et evalueringssæt), kør agenten på dem ved hver ændring, og fastlæg, hvilken fejlmargin der er acceptabel. Uden et evalueringssæt ved du kun, at demoen virkede.

Hvem bygger AI-agenter til virksomheder?

Nordbeam, et AI-udviklingsstudie i Göteborg og Malmö (Sverige), bygger AI-agenter til drift: sikker adgang til tools, menneskelig godkendelse, evalueringer og revisionsspor. Beviset er Nordsynk, en hostet Fortnox-MCP-server, som Nordbeam har bygget og selv driver. Vi svarer inden for 24 timer på hello@nordbeam.io.

Hvad er human in the loop ved AI-agenter?

Human in the loop betyder, at et menneske gennemser og godkender en handling fra agenten, før den udføres. Hos os ser brugeren den foreslåede ændring i almindeligt sprog og bekræfter netop den ene handling; godkendelsen og udførelsen logges i et revisionsspor. Det følger også anbefalingen i MCP-specifikationen om, at et menneske skal kunne afvise værktøjskald.

Hvordan kommer jeg i gang med en AI-agent i min virksomhed?

Vælg ét forløb med en tydelig ejer og et målbart resultat. En AI Workflow Sprint (fra 45.000 SEK) giver en fungerende prototype med evaluering; en Production Agent Pilot (fra 180.000 SEK) sætter én agent med godkendelse og revisionsspor i drift.

Hvad siger EU's AI-forordning om menneskeligt tilsyn?

For højrisiko-AI-systemer kræver artikel 14 i AI-forordningen menneskeligt tilsyn: den ansvarlige skal forstå systemets begrænsninger, kunne tilsidesætte resultatet og kunne standse systemet. Mange virksomhedsagenter hører ikke til den kategori, men et design med godkendelse og revisionsspor er under alle omstændigheder et godt udgangspunkt. Dette er ikke juridisk rådgivning.

Kontakt os

Hvilken arbejdsgang bør AI forbedre først?

Book en praktisk gennemgang af en værdifuld arbejdsgang. Du taler direkte med Assim, Nordbeams grundlægger og lead engineer.
Send e-mail direkte
E-mail
hello@nordbeam.io
Lokationer
Göteborg & Malmö, Sverige
Svartid
Inden for 24 timer