En nyttig AI-agent starter med en presis, hyppig oppgave der resultatet kan kontrolleres, ikke med et verktøy som er i skuddet. Skriv ned hva den kan lese og gjøre, koble den til verktøyene dine med et menneske som godkjenner der en feil ville bli dyr, test den på egne tilfeller før den settes i drift, og følg deretter med på resultatene og legg til én oppgave om gangen.
Hva er en AI-agent i praksis?
En AI-agent er et program som bruker en språkmodell, for eksempel fra OpenAI eller Anthropic, til å utføre en oppgave i flere steg. Den leser en forespørsel, bestemmer hva den skal gjøre, bruker verktøy (e-posten din, CRM-systemet, et dokumentarkiv) og leverer et resultat.
Forskjellen fra en assistent som ChatGPT handler om to ord: tilkoblet og avgrenset. Agenten er ikke avhengig av hva noen limer inn i en chat. Den når dataene du gir den tilgang til, følger skriftlige regler og handler i verktøyene dine, innenfor grensene du setter.
Hvilken oppgave bør du begynne med?
En første agent lykkes eller mislykkes på grunn av oppgaven du velger. Se etter noe teamet gjør ofte, der resultatet kan kontrolleres på sekunder, og der du kunne forklart reglene for en nyansatt. Unngå i starten sjeldne beslutninger med store konsekvenser eller skjønn som er vanskelig å skrive ned.
- Hyppig: den dukker opp hver dag eller hver uke
- Kontrollerbar: et menneske ser med én gang om resultatet er riktig
- Forklarbar: reglene får plass på én side
- Tilgjengelig: dataene den trenger, ligger i verktøy agenten kan lese
- Reparerbar: en feil kan rettes før den gjør skade
Hvilke regler bør du sette før du bygger den?
Skriv reglene før den første kodelinjen. De brukes til å bygge agenten, til å teste den og til å forklare teamet hva den gjør. De svarer også på GDPR-spørsmålene: hvilke personopplysninger agenten behandler, til hva, og hvem som kan se dem.
- Hva den kan lese: de godkjente e-postkassene, mappene og tabellene, og ingenting annet
- Hva den kan gjøre: opprette en post, skrive utkast til et svar, arkivere et dokument
- Når den spør et menneske: før den sender, betaler eller sletter
- Hva den loggfører: hvert steg, hvert verktøykall, hver beslutning
- Hvilken modelleverandør som behandler hvilke data, og hvor
Hvordan kobler du agenten til verktøyene dine?
De fleste forretningssystemer har et API: det er slik agenten leser og skriver. Når flere verktøy er involvert, kobler et automatiseringsverktøy som n8n sammen stegene og kaller modellen på riktig tidspunkt. For mer omfattende forretningslogikk eller store volumer tar skreddersydd utvikling over.
Gi agenten minst mulig tilgang, med en egen konto. Hvis den noen gang tar feil, blir skaden liten, og loggene viser nøyaktig hva den gjorde.
Hvordan tester du en AI-agent før den settes i drift?
Samle ekte tilfeller fra din egen historikk, skriv ned riktig resultat for hvert av dem, og kjør agenten på dem. Ta med enkle tilfeller, tvetydige tilfeller og tilfeller den bør avvise. Bestem suksesskriteriene før du kjører testen: ellers ser ethvert resultat lovende ut.
Kjør det samme settet med tilfeller på nytt etter hver endring av instruksjoner, modell eller verktøy. Det er det som gjør at agenten kan utvikles uten at det som allerede fungerte, går i stykker.
Hva skjer etter at den er satt i drift?
En agent i produksjon følges opp som en ny kollega. Se hver uke på hva den har håndtert, hva den har sendt videre til et menneske, og hvor den har tatt feil. Legg hver feil inn i testsettet, rett den, og utvid deretter ansvarsområdet én oppgave om gangen, når teamet stoler på den.
Bør du bygge agenten selv?
For en enkel oppgave mellom to vanlige verktøy holder det ofte med en arbeidsflyt i n8n med et AI-steg, og teamet ditt kan lese den. Så snart agenten berører sensitive data, flere systemer eller beslutninger som forplikter bedriften, bør du få hjelp: det vanskelige er ikke å kalle en modell, men å avgrense hva den gjør.
Det viktigste
- Start med en hyppig oppgave som kan kontrolleres og repareres, ikke med et verktøy
- Skriv ned hva agenten kan lese, gjøre og loggføre før du bygger den
- La et menneske godkjenne der en feil ville bli dyr
- Test på egne tilfeller, og utvid deretter én oppgave om gangen
Spørsmål og svar
Hva koster en AI-agent?
Det avhenger av oppgaven, verktøyene som skal kobles til, og volumet. Kostnaden dekker utviklingen, modellbruken for hver oppgave som håndteres, og oppfølging over tid. Beskriv oppgaven for å få et presist tall: et tilbud bygger på et skriftlig omfang.
Trenger du tekniske ferdigheter for å bygge en AI-agent?
For en enkel arbeidsflyt nei: verktøy som n8n konfigureres visuelt. For en agent som er koblet til flere systemer, med tilgangsregler og logger, trenger du kompetanse på utvikling og sikkerhet.
Kan en AI-agent gjøre feil?
Ja. Derfor testes den på ekte tilfeller før den settes i drift, et menneske godkjenner fortsatt viktige handlinger, og hvert steg loggføres, slik at feilene kan forstås og rettes.
Hvor behandles dataene våre?
Der dere bestemmer: modelleverandøren, hvor den behandler dataene, og hvilke data agenten kan lese, velges før utviklingen starter, med GDPR og de interne reglene deres i tankene.