Fra viden til handling: AI-agenter flytter ind i virksomhedernes kerneprocesser

AI-agenter er på kort tid rykket fra eksperimenter og enkeltstående chatløsninger til et strategisk tema for virksomheder på tværs af brancher. Hvor de første løsninger primært hjalp medarbejdere med at formulere tekst eller finde information, bevæger udviklingen sig nu mod agenter, der kan forstå en opgave, inddrage relevant viden og understøtte sammenhængende arbejdsprocesser.

Vidensagenter er et naturligt sted at begynde. I mange organisationer er vigtig viden spredt på tværs af dokumenter, mails, procedurer, manualer, systemer og erfarne medarbejdere. En vidensagent kan samle relevante informationer og gøre dem tilgængelige i den konkrete arbejdssituation. Det gælder, uanset om brugeren er servicetekniker, indkøber, økonomimedarbejder, salgsansvarlig eller projektleder.

Behovet er tydeligt i energisektoren og fremstillingsindustrien, hvor store mængder teknisk dokumentation og specialistviden skal være tilgængelig for ingeniører og teknikere. Samtidig skal kritisk erfaring fastholdes, når specialister forlader arbejdsmarkedet. Her kan vidensagenter gøre det hurtigere at finde standarder, instruktioner og tekniske krav.

Fra svar til selvstændig handling

Udviklingen inden for agentisk AI handler netop om bevægelsen fra at levere svar til også at kunne planlægge og udføre handlinger inden for definerede rammer. McKinsey peger på, at virksomheder får størst effekt, når AI ikke bare lægges oven på eksisterende processer, men bruges til at gentænke konkrete arbejdsgange. Specialiserede og funktionsnære anvendelser har potentiale til at skabe en mere målbar forandring end brede løsninger uden klart ejerskab eller formål. (Seizing the agentic AI advantage).

I en produktionsvirksomhed kan en agent eksempelvis hjælpe med at finde en vedligeholdelsesprocedure. Næste skridt kan være en handlende agent, der opretter en arbejdsordre, undersøger reservedelsbeholdningen eller starter et godkendelsesflow. På længere sigt kan flere specialiserede agenter arbejde sammen på tværs af vedligehold, lager, indkøb, forecast og produktionsplanlægning.

Teknologien er kun en del af løsningen

Jo mere agenterne kan gøre, desto vigtigere bliver det at have styr på rammerne omkring dem. Datakvalitet, adgangsrettigheder, sikkerhed, governance, integrationer og tydeligt ejerskab skal udvikles parallelt med de tekniske løsninger. Samtidig skal organisationen tage stilling til, hvilke beslutninger en agent må træffe, hvornår et menneske skal involveres, og hvordan agentens handlinger dokumenteres.

Det er her, Columbus kombinerer kompetencer inden for AI, data, forretningsprocesser, teknologiplatforme og branchespecifik rådgivning. Målet er ikke blot at bygge en teknisk prototype, men at forbinde teknologien med de processer, systemer og operationelle udfordringer, der findes i den enkelte virksomhed. Columbus’ tilgang er at identificere et konkret problem, begynde med en afgrænset agent og derefter udvide funktionaliteten, når værdien er dokumenteret, og organisationen er klar. 

Som Christoffer Kobberø formulerer det:
“Man skal tænke stort, starte småt og skalere. Begynd med en vidensagent, og udvid gradvist med handlinger, efterhånden som organisationen bliver klar.”

Byg selv en AI-agent på én dag

I november afholder Columbus seks Agent in a Day-workshops i Aarhus og København. Deltagerne får hands-on erfaring med Microsoft Copilot Studio og prøver selv at bygge en AI-agent med støtte fra Columbus’ instruktører. Workshopperne kræver ikke teknisk erfaring og er fordelt på tre spor: Energisektoren, Manufacturing og et tværgående spor for virksomheder i alle brancher.

Læs mere og tilmeld dig her

Workshopperne afholdes:

• Energisektoren: Aarhus den 11. november og København den 18. november
• Manufacturing: Aarhus den 12. november og København den 17. november
• For virksomheder i alle brancher: Aarhus den 13. november og København den 19. november