En nyttig AI-agent tager udgangspunkt i en præcis, hyppig opgave, der er let at kontrollere, ikke i et moderigtigt værktøj. Skriv ned, hvad den må læse og gøre, forbind den med dine værktøjer, så et menneske godkender dér, hvor en fejl ville blive dyr, og test den på dine egne sager, før den går i drift. Følg derefter dens resultater, og tilføj opgaver én ad gangen.
Hvad er en AI-agent i praksis?
En AI-agent er et program, der bruger en sprogmodel, for eksempel fra OpenAI eller Anthropic, til at udføre en opgave i flere trin. Den læser en forespørgsel, beslutter, hvad der skal ske, bruger værktøjer (din e-mail, dit CRM, et dokumentarkiv) og leverer et resultat.
Forskellen fra en assistent som ChatGPT kan siges med to ord: forbundet og afgrænset. Agenten afhænger ikke af, hvad nogen indsætter i en chat. Den når de data, du åbner for den, følger nedskrevne regler og handler i dine værktøjer inden for de grænser, du sætter.
Hvilken opgave skal du starte med?
En første agent lykkes eller fejler på den opgave, du vælger. Kig efter noget, teamet gør ofte, hvis resultat kan kontrolleres på få sekunder, og hvis regler du kunne forklare en nyansat. Undgå i starten sjældne beslutninger med store konsekvenser og skøn, der er svære at skrive ned.
- Hyppig: den dukker op hver dag eller hver uge
- Kontrollerbar: et menneske ser med det samme, om resultatet er rigtigt
- Forklarlig: reglerne kan stå på én side
- Tilgængelig: de data, den kræver, ligger i værktøjer, som agenten kan læse
- Til at rette op på: en fejl kan rettes, før den gør skade
Hvilke regler skal du fastlægge, før du bygger den?
Skriv reglerne før den første kodelinje. De bruges til at bygge agenten, til at teste den og til at forklare teamet, hvad den gør. De besvarer også GDPR-spørgsmålene: hvilke persondata agenten behandler, til hvad, og hvem der kan se dem.
- Hvad den må læse: de godkendte postkasser, mapper og tabeller og intet andet
- Hvad den må gøre: oprette en post, skrive et udkast til et svar, arkivere et dokument
- Hvornår den spørger et menneske: før den sender, betaler eller sletter
- Hvad den logger: hvert trin, hvert værktøjskald, hver beslutning
- Hvilken modeludbyder der behandler hvilke data, og hvor
Hvordan forbinder du agenten med dine værktøjer?
De fleste forretningssystemer har et API: det er sådan, agenten læser og skriver. Når flere værktøjer er involveret, kæder et automatiseringsværktøj som n8n trinene sammen og kalder modellen på det rigtige tidspunkt. Ved mere omfattende forretningslogik eller store mængder tager specialudvikling over.
Giv agenten så lidt adgang som muligt og sin egen konto. Hvis den en dag tager fejl, forbliver skaden lille, og loggene viser præcis, hvad den gjorde.
Hvordan tester du en AI-agent, før den går i drift?
Saml rigtige sager fra din egen historik, skriv det rigtige resultat ned for hver af dem, og kør agenten på dem. Tag lette sager med, tvetydige sager og sager, den bør afvise. Fastlæg succeskriterierne, før du kører testen: ellers ser ethvert resultat lovende ud.
Kør det samme sæt sager igen efter hver ændring af instruktioner, model eller værktøj. Det er det, der gør det muligt at udvikle agenten uden at ødelægge det, der allerede virkede.
Hvad sker der, når agenten er i drift?
En agent i produktion følges som en ny kollega. Se hver uge på, hvad den har håndteret, hvad den har sendt videre til et menneske, og hvor den tog fejl. Føj hver fejl til testsættet, ret den, og udvid derefter agentens område én opgave ad gangen, når teamet har tillid til den.
Skal du bygge agenten selv?
Til en enkel opgave mellem to almindelige værktøjer er et n8n-workflow med et AI-trin ofte nok, og dit team kan læse det. Så snart agenten rører følsomme data, flere systemer eller beslutninger, der forpligter virksomheden, bør du få hjælp: det svære er ikke at kalde en model, men at afgrænse, hvad den gør.
Det vigtigste
- Tag udgangspunkt i en hyppig opgave, der er let at kontrollere, og hvor fejl kan rettes, ikke i et værktøj
- Skriv ned, hvad agenten må læse, gøre og logge, før du bygger den
- Lad et menneske godkende dér, hvor en fejl ville blive dyr
- Test på dine egne sager, og udvid derefter én opgave ad gangen
FAQ
Hvad koster en AI-agent?
Det afhænger af opgaven, de værktøjer, der skal forbindes, og mængden. Omkostningen dækker udviklingen, forbruget af modellen for hver håndteret opgave og opfølgningen over tid. Beskriv opgaven, hvis du vil have et præcist tal: et tilbud bygger på et skriftligt omfang.
Skal man have tekniske kompetencer for at bygge en AI-agent?
Til et enkelt workflow nej: værktøjer som n8n sættes op visuelt. Til en agent, der er forbundet med flere systemer, med adgangsregler og logs, skal du have kompetencer inden for udvikling og sikkerhed.
Kan en AI-agent tage fejl?
Ja. Derfor testes den på rigtige sager, før den går i drift, et menneske godkender fortsat vigtige handlinger, og hvert trin logges, så dens fejl kan forstås og rettes.
Hvor bliver vores data behandlet?
Der, hvor du beslutter: modeludbyderen, stedet, hvor den behandler data, og de data, agenten kan læse, vælges, før der bygges, med GDPR og virksomhedens interne regler for øje.