Denne klumme er et debatindlæg og er alene udtryk for forfatterens synspunkter.
Forleden var jeg til konference med AI-agenter i spotlyset.
Over en hel dag berettede otte store danske virksomheder om deres agent-erfaringer. Tunge spillere fra brancher som life science, transport, sundhed og juridisk rådgivning. Flere hundrede tusinde ansatte. Milliarder i omsætning.
Man kunne fristes til at tro, at sådan en dag ville handle om teknologi, modeller, data, systemarkitektur og integrationer.
Det gjorde den ikke.
Den handlede om mennesker, ledelse og om, hvorfor så mange AI-projekter aldrig kommer ud at leve i hverdagen.
Ikke én af virksomhederne beskrev teknologien som den største barriere. De fortalte i stedet om organisationer, der tumler med klassiske udfordringer, der langtfra er unikke for AI-agenter:
Hvem skal eje løsningen?
Hvem træffer beslutningen om, at den er klar til at sætte i drift?
Hvem har ansvaret, når den tager fejl?
AI er ikke en ny printer
Mange virksomheder behandler stadig AI som et klassisk it-projekt. Som noget, der kan bygges færdigt nede i IT-afdelingen, testes af et par specialister og rulles ud til resten af organisationen. Lidt som en ny printer, alle bare skal lære at bruge bagefter.
Men AI-agenter er ikke printere.
De minder mere om nye digitale kolleger – og de skal ledes på samme måde: med veldefinerede opgaver, klare rammer og en tydelig plads i arbejdsdelingen.
Agenten skal have en nærmeste leder med indsigt i opgaverne, beslutningskompetence og et klart svar på, hvem tager over, hvis agentens menneske-buddy skifter job.
Strategien opstår, når folk bruger værktøjerne
De virksomheder, der er kommet længst, var dem, der har givet medarbejderne adgang til simple AI-værktøjer i hverdagen.
Ikke i sig selv var den store transformation, men det gør teknologien konkret. Og når medarbejdere bruger AI i praksis, ændrer deres spørgsmål sig.
De går fra at spørge, om AI mon kan noget for dem, til at pege på en konkret proces med fjorten manuelle trin og sige: Her er de tre steder, hvor en agent kunne hjælpe.
Ledelsen skal eje forandringen
Et andet mønster gik igen hos forgangs-virksomhederne: De byggede ikke bare én AI-agent ad gangen. De byggede den platform, der gør det muligt at bygge mange agenter sikkert og hurtigt.
Det er i høj grad en ledelsesbeslutning. En fælles infrastruktur med styr på teknologi, governance og udgiftsstyring kræver mere disciplin i starten, men gør det langt nemmere at skalere bagefter.
Det samme gælder pilotfasen. Mange AI-projekter dør ikke med et brag, men visner langsomt i møder, evalueringer og forlængede testforløb, indtil projektlederen skifter job, og energien forsvinder.
De virksomheder, der lykkes, sætter en kort deadline, går i drift med monitorering og guardrails og sørger for, at der er en tydelig ejer fra dag ét.
Når jeg om et år sidder i det samme rum med de samme virksomheder, vil jeg håbe, at samtalen har flyttet sig fra ambitioner til erfaringer.
Fra “hvad kan AI-agenter bruges til?” til “hvad har vi lært, efter de er blevet en del af hverdagen?”
For spørgsmålet til en million kroner er ikke, om AI-agenter virker. Det gør de. Spørgsmålet er, om organisationerne omkring dem kan følge med.
Klummer er læsernes platform på Computerworld til at fortælle de bedste historier, og samtidig er det vores meget populære og meget læste forum for videndeling.
Har du en god historie, eller har du specialviden, som du synes trænger til at blive delt?
Læs vores klumme-guidelines og send os din tekst, så kontakter vi dig - måske bliver du en del af vores hurtigt voksende korps af klummeskribenter.
