Agent, workflow og multi-agent bliver ofte brugt som synonymer i markedet. Det er de ikke. Og når begreberne flyder sammen, bliver det sværere at vurdere potentiale, risiko og næste skridt.
Peter Wind
Partner
For beslutningstagere er det afgørende ikke at kende alle tekniske detaljer, men at kunne stille ét konkret spørgsmål: Hvem styrer næste skridt - et designet flow, eller AI'en selv?
Den forskel afgør ikke kun, hvad løsningen kan. Den afgør, hvad der skal være på plads, før det holder i drift - og hvad der typisk går galt, hvis man vælger et forkert niveau. Denne artikel giver et praktisk overblik over det agentiske spektrum: hvad de forskellige niveauer løser, hvad de kræver, og hvornår hvert niveau er det rigtige valg.
Der er grundlæggende to måder at bygge AI-systemer på, og det er vigtigt at holde dem adskilt:
Workflow-logik: Rækkefølgen er bestemt på forhånd. Mennesker designer flowet, og systemet følger det. AI kan indgå i enkelttrin, men det er flowet, der styrer, hvad der sker hvornår. Succes handler primært om procesdesign, integration og robust håndtering af undtagelser.
Agent-logik: Målet er defineret, men ikke nødvendigvis den præcise vej derhen. AI'en vurderer situationen, vælger næste skridt og itererer inden for de rammer, man har sat. Succes handler om styringsrammer, datagrundlag, sporbarhed og klar afgrænsning af, hvor autonomien skal stoppe.
Det er forskellen på et system, der følger en plan, og et system, der i et vist omfang selv finder vejen. Meget af det, markedet kalder "agenter", er i virkeligheden workflows med AI i enkelte led. Det er ikke en svaghed - det er ofte den rigtige løsning. Men det er afgørende at kunne skelne, fordi kravene ændrer sig markant, når AI begynder at styre kontrolflowet selv.
AI-automatisering er et spektrum - fra det enkle til det autonome. Vi inddeler det i fem niveauer, der giver et praktisk sprog for de valg, I faktisk skal træffe.
Det første niveau er den enkleste form for AI-anvendelse. En sprogmodel klassificerer en mail, opsummerer et dokument, udtrækker felter fra tekst eller formulerer et første udkast. Der er ingen længere proces og ingen selvstændig beslutning om næste skridt.
Hvornår giver det mening? Når opgaven er klart afgrænset, og når I hurtigt vil teste, om AI skaber reel værdi i et konkret trin.
Et workflow følger en fast rækkefølge. Systemet ved på forhånd, hvad næste skridt er, og hvilke regler eller forgreninger der gælder. AI kan indgå i udvalgte trin, men det er stadig flowet, der styrer.
Fordi flowet er designet af mennesker, er workflows typisk de mest forudsigelige, sporbare og driftssikre løsninger.
Hvornår giver det mening? Når processen er veldefineret og gentager sig. Godkendelser, dokumenthåndtering, sagsoverdragelser og datavalidering er ofte bedre workflow-kandidater end agent-kandidater.
Det agentiske workflow er for mange virksomheder det mest interessante niveau. Her er målet og rammerne stadig kendte, men AI'en får frihed til at styre dele af kontrolflowet inden for disse rammer.
Resultatet er en løsning, der kombinerer workflowets kontrol med agentens fleksibilitet - og det er typisk her, man finder den bedste balance mellem handlekraft og styrbarhed.
Et eksempel: en virksomhed, der behandler indgående kundeklager på tværs af tre systemer, kan ikke låse processen til et fast flow, fordi hvert tilfælde kræver forskellig information og involverer forskellige afdelinger. Med et agentisk workflow vurderer systemet selv, hvilken information der mangler, hvilken afdeling der skal involveres, og hvad næste skridt er - inden for de rammer, man har defineret. Koordineringsarbejdet flyttes fra mennesker til systemet; den faglige vurdering forbliver hos mennesker.
Hvornår giver det mening? Når processen er veldefineret i sin struktur, men for kompleks eller variabel til et rent fast flow. For mange virksomheder er dette det naturlige startpunkt, hvis ambitionen er intelligent automatisering i drift.
En agent er mere end en sprogmodel. Den har adgang til værktøjer, data og kontekst, og den kan selv planlægge, huske, handle og justere undervejs. Den bærer kontekst med sig på tværs af trin og sessioner og vælger selv fremgangsmåde inden for de rammer, man har sat.
Det giver fleksibilitet. Men det øger også kravene til:
Datakvalitet og adgangsstyring
Hukommelse og kontekststyring - agenten husker og bruger kontekst på tværs af interaktioner
Validering, logning og sporbarhed
Klar afgrænsning af, hvor autonomien skal stoppe
Hvornår giver det mening? Når opgaven er så uforudsigelig, at det reelt ikke giver mening at designe hele forløbet på forhånd. Det kan være research-assistance, kompleks sagsbehandling, support med adgang til flere systemer eller opgaver, hvor næste skridt afhænger af, hvad AI'en finder undervejs.
Et multi-agent system sætter flere specialiserede agenter til at arbejde sammen om en fælles opgave. Én kan koordinere, mens andre analyserer, søger, validerer eller udfører afgrænsede dele af arbejdet parallelt
Det er det mest avancerede niveau i spektret. Det kan være stærkt, når opgaven kræver specialisering eller stor skala. Men det er også her, kompleksiteten vokser hurtigst.
Hvornår giver det mening? Når én agent bliver en flaskehals, eller når opgaven kræver samtidig indsigt og handling på tværs af flere domæner eller systemer. Det er normalt et senere trin, ikke et naturligt sted at starte.
Hvis næste skridt er bestemt af et designet flow, er I i workflow-logikken.
Hvis næste skridt bestemmes af AI'en ud fra mål, kontekst og værktøjer, er I i agent-logikken.
Det er ikke defensivt. Det er god styring. Jo mere autonom en løsning er, jo større krav stiller den til integration, kvalitetssikring, kontrol og organisatorisk ansvar.
I praksis betyder det:
Start med enkeltstående AI-opgaver eller workflow, når processen er afgrænset og veldefineret.
Flyt mod agentisk workflow, når variationen gør faste flows for stive.
Gå til egentlige agenter, når opgaven kræver løbende vurdering og valg af fremgangsmåde.
Brug multi-agent systemer selektivt, når specialisering eller skala gør det nødvendigt.
Det er sjældent de mest autonome løsninger, der giver værdi først. Det er de bedst valgte.
Hos Immeo tager vi udgangspunkt i forretningen, ikke i teknologien. Vi vurderer sammen med jer, hvilke processer der egner sig til intelligent automatisering, hvor AI skaber reel værdi, og hvilket niveau i spektret der er det rigtige at starte på.
Målet er ikke den mest avancerede løsning. Målet er den brugbare, styrbare og værdiskabende løsning - en, der holder i drift og kan tilpasses, når forretningen udvikler sig.
