AI-agent: klar definition og konkrete eksempler
Ordet 'AI-agent' bliver brugt om alt og ingenting. Her får du en ærlig definition, den reelle forskel til en chatbot, konkrete eksempler og det regulatoriske rammeværk, så du kan vurdere, hvad disse værktøjer faktisk kan i 2026, og hvad de ikke kan.
1. AI-agent: definitionen uden buzzwords
En AI-agent er et program bygget på en stor sprogmodel (LLM), som er sat op til at løse en bestemt opgave. Den får en rolle, nogle regler, referencedokumenter og nogle gange adgang til at trække på eksterne værktøjer: CRM-systemet, mailen, en database. Forskellen fra en almindelig chat er ét ord: vedholdenhed. Agenten sættes op én gang og udfører derefter sin opgave hver gang, uden at du skal forklare konteksten på ny.
Ordet dækker over to forskellige ting. Den samtalebaserede agent svarer, når du spørger den: den skriver, analyserer og rådgiver inden for sit felt. Den autonome agent går et skridt videre: den vurderer en situation, planlægger trin, sætter handlinger i gang i eksterne systemer og justerer undervejs, uden direkte overvågning. Det kaldes ofte perception-reasoning-action-loopet. Langt de fleste agenter, der reelt bruges i danske SMV'er i dag, hører til i den første kategori.
2. AI-agent, chatbot, assistent: hvem er hvad
Den klassiske chatbot følger et fastprogrammeret beslutningstræ. Skriver kunden 'levering', får han leveringssiden op. Boten forstår ikke sproget, den matcher nøgleord med færdige svar. En generel AI-assistent (ChatGPT, Claude, Gemini brugt direkte) forstår naturligt sprog, men starter fra bunden hver gang. Den kender ikke din virksomhed, dine regler eller dine dokumenter.
AI-agenten kombinerer begge fordele: sprogforståelsen fra en LLM og specialiseringen fra en vedholdende opsætning. Hos OpenAI kaldes det en tilpasset GPT. Hos Google en Gem. Hos Anthropic et Project. I GPTPro er det en agent, du selv sætter op på den model, du foretrækker. Fire navne, samme idé: en assistent, der kender sin rolle og dine dokumenter uden at du skal gentage dem hver gang.
Et multi-agent-system går endnu videre: flere specialiserede agenter koordineres af et overordnet lag. Hver agent klarer sin del, og en styrende agent samler resultaterne. Renault har fra slutningen af 2025 kørt en sådan arkitektur på renault.fr med askrnlt, en flerlags agentisk agent bygget på Gemini, der guider kunden gennem hele forløbet.
3. Sådan fungerer en AI-agent i praksis
Motoren i en agent er en LLM: GPT, Claude, Mistral, Gemini eller Llama, afhængigt af opsætningen. Motoren får et systemprompt (rollen og reglerne), referencedokumenterne og brugerens spørgsmål. Den genererer et svar eller vælger at kalde et værktøj.
Værktøjerne er API'er eller connectorer: en produktdatabase, et CRM-system, en mailboks, en søgemaskine. Agenten kalder dem, henter data og indarbejder dem i sit svar. Model Context Protocol (MCP), udgivet af Anthropic i november 2024 og siden blevet en de facto-standard, definerer, hvordan agenter og eksterne værktøjer taler sammen. Version 2026-07-28 strammer op på autorisation og sikkerhed i disse forbindelser.
Kvaliteten af en agent afhænger kun i mindre grad af, hvilken model der er valgt, og meget mere af opsætningen: en klar rolle, tydelige regler, opdaterede dokumenter, eksempler på gode svar. En dårligt sat op agent er bare en generisk chatbot med en mere kompliceret brugerflade.
4. Konkrete eksempler på AI-agenter i virksomheder
Support-agenten på første niveau: fodret med FAQ og prisliste for en mindre virksomhed, svarer den på de gængse spørgsmål og sender de svære sager videre til et menneske. Det franske TV-selskab TF1 lancerede i november 2025 Autopilot Agentic, en samtalebaseret agent til at optimere seerplanlægning og rapportering af annoncekampagner.
Salgsagenten: den forbereder research om målkunder og skriver et første udkast til en personlig henvendelse. Sælgeren læser korrektur og sender selv. HR-agenten: den sorterer ansøgninger efter skrevne kriterier og sender de indledende svar. Vigtigt: en HR-agent, der påvirker en ansættelsesbeslutning, rykker over i kategorien højrisiko-system under AI Act, med krav om menneskeligt tilsyn og dokumentation.
Dokumentanalyse-agenten: en rådgivningsvirksomhed fodrer den med kontrakter, og den trækker de kritiske klausuler ud efter en tjekliste. Skriveagenten: den producerer briefs, referater og førsteudkast i virksomhedens tone, baseret på eksempler den er trænet på. Inden for supply chain lancerede FourKites i juli 2025 tre agenter til det europæiske marked (planlægning, dokumenter, kundekommunikation).
Det, alle eksemplerne har fælles: et snævert ansvarsområde, skrevne regler og et menneske, der har den endelige beslutning. Det kaldes human-in-the-loop, og det er et krav for højrisiko-systemer under AI Act.
5. Udbredelsen af AI-agenter: hvor langt er virksomhederne kommet
18 % af de franske virksomheder med mindst 10 medarbejdere brugte mindst én AI-teknologi i 2025, mod 10 % i 2024 og 6 % i 2023. Det er en tredobling på to år. Andelen stiger til 58 % for virksomheder med 250 medarbejdere eller flere (mod 33 % i 2024). Tallene stammer fra den franske TIC-undersøgelse 2025, offentliggjort af Insee i juli 2026, men de peger på en tendens, der genkendes i det meste af Europa.
Sektoren for information og kommunikation ligger i front med 59 % udbredelse i Frankrig. Mindre virksomheder under 50 medarbejdere halter fortsat efter. Forskellen mellem store virksomheder og SMV'er er tydelig: det, der afgør udfaldet, er ressourcer til opsætning, test og vedligeholdelse, ikke selve adgangen til modellerne. På EU-niveau brugte 20 % af virksomhederne med mindst 10 medarbejdere AI-teknologier i 2025, ifølge Eurostat, et niveau der også dækker Danmark som EU-medlem.
På markedssiden sad OpenAI, Google og Anthropic samlet på over 84 % af markedet for AI-agenter i maj 2026, ifølge en udtalelse fra den franske konkurrencemyndighed Autorité de la concurrence offentliggjort 17. juli 2026. Den koncentration er en identificeret risiko for hele det europæiske marked, herunder danske virksomheder: afhængighed af få leverandører og høje barrierer for alternative udbydere.
6. Det, en AI-agent ikke gør
En agent erstatter ikke en medarbejder. Den tager de repetitive opgaver fra en stilling, typisk kun nogle få timer om ugen i starten. Den tager stadig fejl: på uklare spørgsmål eller ting uden for dens dokumenter kan den svare skråsikkert med noget, der er forkert. Guldreglen: ingen agent uden en klar sikkerhedsregel ('sig det, hvis du ikke ved det') og uden menneskelig gennemlæsning på output med reel betydning.
En agent uden præcise instruktioner og referencedokumenter er bare en generel assistent i forklædning. Selve opsætningsarbejdet, en velbrugt halv dag, gør hele forskellen. En dårligt afgrænset agent giver svar ude af kontekst, hallucinationer og hurtigt mistet tillid hos brugerne.
Fuld autonomi er stadig sjælden og risikabel. En agent, der tager beslutninger med stor betydning uden menneskeligt tilsyn, skaber et compliance-problem. AI Act kræver menneskeligt tilsyn for højrisiko-systemer. En agent til finansiel scoring eller HR-forsortering hører til i den kategori.
7. Det, AI Act betyder for AI-agenter
Den europæiske AI-forordning (AI Act) trådte i kraft 1. august 2024. Den bygger på en risikobaseret tilgang. Samtalebaserede agenter, der interagerer med fysiske personer, skal være transparente: brugeren skal vide, at hun taler med et AI-system. Denne pligt har gjaldt siden 2. august 2026.
Agenter, der påvirker beslutninger med stor betydning (ansættelse, kreditscoring, kreditvurdering), klassificeres som højrisiko. De kræver menneskeligt tilsyn (Artikel 14), dokumentation af træningsdata og robusthedstest. En autonom HR-agent, der sorterer ansøgninger uden menneskelig gennemlæsning, er ikke i overensstemmelse med reglerne.
I Danmark fører Datatilsynet tilsyn med behandlingen af persondata, og Forbrugerombudsmanden holder øje med kommercielle henvendelser og markedsføring. Før du sætter en agent i drift på kundedata eller HR-beslutninger, er et hurtigt juridisk tjek en god investering.
8. Sådan kommer du konkret i gang
Vælg en repetitiv opgave med kendte regler: svar på ofte stillede spørgsmål, førsteudkast til mails, opsummering af interne dokumenter. Sæt en agent op på den: en klar rolle, tydelige regler, tre til fem referencedokumenter, eksempler på gode svar. Test på virkelige sager, justér instruktionerne, og tag den i brug.
Valget af model afhænger af opgaven. Claude er stærk til analyse af lange dokumenter. Mistral er relevant, hvor data skal blive i Europa. GPT-4o er alsidig til tekst og opsummering. Gemini passer godt ind, hvis du allerede kører på Google Workspace. Den bedste tilgang er at teste på dine egne sager i stedet for at følge generiske ranglister.
No-code-værktøjer (n8n, Flowise, Dust) gør det muligt at koble en agent til dine forretningssystemer uden at skrive kode. Til enkle opgaver kan du sætte en agent op i GPTPro på få minutter, på den model du foretrækker. Vores modelguider går i detaljer med styrker og svagheder for hver.
En AI-agent er en sprogmodel, der er afgrænset til en bestemt opgave: hverken magi eller bare en chatbot. Værdien kommer fra opsætningen (rolle, regler, dokumenter), langt mere end fra selve teknologien. De eksempler, der fungerer, deler et snævert ansvarsområde, skrevne regler og et menneske i loopet på de beslutninger, der betyder noget.
For at få en konkret fornemmelse: tag en repetitiv opgave fra din arbejdsuge, sæt en agent op på den i GPTPro, og bedøm resultatet på en time. Udbredelsen vokser hurtigt i Europa (18 % af de franske virksomheder i 2025 ifølge Insee, mod 6 % i 2023), men kløften mellem store virksomheder og SMV'er er reel. Bremseklodsen er ikke adgangen til modellerne. Det er tiden til opsætning og disciplinen i afgrænsningen.
Ofte stillede spørgsmål
Hvad er en AI-agent, kort forklaret?
En sprogmodel, der er sat op varigt til en bestemt opgave: en rolle, nogle regler, dine dokumenter, og samme adfærd hver gang, uden at du skal forklare konteksten på ny.
Hvad er forskellen mellem en AI-agent og ChatGPT?
ChatGPT er en generel assistent, der starter fra bunden hver gang. En agent er specialiseret og vedholdende: den kender sin rolle og dine dokumenter, uden at du skal give dem igen. Man kan faktisk lave agenter direkte i ChatGPT (de såkaldte GPTs), ligesom med de andre store modeller.
Bruger virksomheder allerede AI-agenter i praksis?
Ja. 18 % af de franske virksomheder med mindst 10 medarbejdere brugte mindst én AI-teknologi i 2025, mod 6 % i 2023 (Insee Première nr. 2120, juli 2026). Tallene er franske, men tendensen ses bredt i Europa. Konkrete eksempler findes allerede: Renault med askrnlt, TF1 med Autopilot Agentic, og en lang række mindre virksomheder på support- og skriveopgaver.
Er en AI-agent underlagt regler og lovgivning?
Ja. Den europæiske AI-forordning (AI Act) kræver siden 2. august 2026, at enhver agent, der interagerer med fysiske personer, gør det klart for brugeren, at hun taler med et AI-system. En agent, der påvirker HR- eller finansielle beslutninger, klassificeres som højrisiko: menneskeligt tilsyn og dokumentation er obligatorisk. I Danmark er Datatilsynet og Forbrugerombudsmanden de relevante myndigheder.
Hvor lang tid tager det at bygge en brugbar AI-agent?
En halv dag er nok til en enkel og velafgrænset opgave: definér rollen, skriv reglerne, læg tre til fem referencedokumenter ind, test på virkelige sager. Selve opsætningen gør hele forskellen mellem en brugbar agent og en generel assistent i forklædning. No-code-værktøjer som GPTPro, n8n eller Flowise kræver ingen udviklerkompetencer.
