Hvad er en AI agent? Og hvad kan den i en virksomhed?

Af Anton Schwartz, medstifter af Konverto

Klokken er 21.40 en søndag. En kunde skriver til et tømrerfirma gennem kontaktformularen: en dør kan ikke lukke, og hun spørger hvad det koster. Fire minutter senere har hun et svar med to spørgsmål tilbage, hendes adresse står i systemet, og der er sat en besigtigelse tirsdag klokken 9 i firmaets kalender. Ingen har rørt en telefon.

Hvad er en AI agent? Kort sagt det, der lige skete. Og det er også dér forvirringen begynder, for det lyder som en chatbot, det kører på den samme slags model som ChatGPT, og resultatet minder om noget man kunne have bygget med regler i et automatiseringsværktøj.

Denne guide forklarer forskellen for en der driver en virksomhed og skal vurdere et tilbud, ikke for en der skal bygge systemet. Vi gennemgår definitionen, de fire ting der tit bliver blandet sammen, hvad værktøjer betyder i praksis, hvad agenten må gøre uden at spørge, hvorfor den tager fejl, hvad den koster at køre, og hvilke spørgsmål du skal stille en leverandør.

Hvad er en AI agent?

En AI-agent er et program der får et mål i stedet for en instruks, selv finder ud af hvilke skridt målet kræver, og bruger værktøjer i andre systemer til at tage dem. Den holder styr på, hvor den er i opgaven, og den stopper når målet er nået, eller når den rammer noget den ikke må gøre selv.

Tre dele skal være på plads, før ordet agent er retvisende.

En model der vælger. Under motorhjelmen sidder en sprogmodel, altså den samme slags program som ChatGPT bygger på. Modellens opgave i en agent er ikke kun at formulere en sætning, men at afgøre hvad der skal ske nu.

Værktøjer den kan nå. Adgang til et eller flere systemer, så den kan slå noget op eller ændre noget. Det er den del der skiller en agent fra alt andet, og den får sit eget afsnit længere nede.

En løkke med hukommelse. Agenten tager et skridt, ser resultatet, og bestemmer det næste. OpenAI formulerer det i deres egen dokumentation som at agenter kan planlægge og fuldføre opgaver ved brug af værktøjer og bevare kontekst på tværs af skridt (OpenAI, Agents).

Lovgivningen har sin egen definition, og den er værd at kende, fordi den afgør hvilke regler der gælder for dig. AI-forordningen definerer et AI-system som et maskinbaseret system, der er udformet med henblik på at fungere med en varierende grad af autonomi, og som ud fra det input det modtager udleder, hvordan det kan generere output såsom forudsigelser, indhold, anbefalinger eller beslutninger (forordning (EU) 2024/1689, artikel 3, nr. 1). Læg mærke til ordet autonomi. Det er juridisk sprog for præcis den egenskab, der gør en agent til en agent.

Og så den vigtigste afgrænsning med det samme: en agent er ikke en medarbejder. Den har ingen dømmekraft uden for det, du har givet den adgang til, og den opdager ikke selv, at en opgave er gået skævt.

Hvad er forskellen på en sprogmodel, en chatbot og en AI-agent?

Forskellen er, hvad der sker efter svaret. En sprogmodel producerer tekst. En chatbot producerer tekst i et samtalevindue. En AI-agent producerer tekst og ændrer samtidig noget i et andet system.

En sprogmodel er programmet der forudsiger og formulerer sprog. Det er motoren, ikke bilen. Sidder du i ChatGPT og beder om et svar til en kunde, får du en formulering, du selv skal kopiere videre, sende og følge op på. Modellen ved ikke, om du gjorde det.

En chatbot er en samtale i et vindue, typisk på en hjemmeside. Ældre chatbots følger faste samtalespor, hvor du vælger mellem knapper, og nyere kører på en sprogmodel og kan formulere frit. Fælles for dem er, at samtalen er produktet. Når fanen lukkes, er der ikke nødvendigvis sket noget. Hvad en chatbot konkret kan og ikke kan på en dansk hjemmeside, står i Chatbot til hjemmeside.

En AI-agent svarer også, men svaret er ikke slutproduktet. Målet er en tilstand i din virksomhed: en sag der er oprettet, en tid der er booket, en henvendelse der er videresendt til den rigtige. Når agenten er færdig, kan du se resultatet et andet sted end i chatten.

Spørgsmålet om forskellen på en AI-assistent og en AI-agent har samme svar. En assistent venter på dig og lægger resultatet i dine hænder. En agent tager det næste skridt selv. Det er ikke modellens intelligens der afgør, hvilken af de to du har købt, men om den har adgang til dine systemer og lov til at ændre noget i dem.

Agentic AI eller almindelig automatisering: hvad er forskellen?

Almindelig automatisering følger en kæde af skridt, du selv har skrevet på forhånd. Agentic AI betyder, at skridtene ikke er skrevet på forhånd: målet er bestemt, og vejen derhen bliver valgt undervejs.

Et eksempel gør det konkret. En regel kan lyde: kommer der en mail med ordet tilbud, så opret en opgave og send en kvittering. Den regel kører hurtigt, koster næsten ingenting, og gør det samme hver gang. Den går i stå i det øjeblik kunden skriver "kan I kigge på min dør", for ordet tilbud står ikke der.

En agent får i stedet målet: find ud af hvad henvendelsen handler om, skaf det der mangler, og book en tid hvis det er en opgave vi laver. Den vælger selv, om den skal spørge om adressen først eller slå kalenderen op først, fordi svaret afhænger af, hvad kunden skrev.

Det samme gælder over for RPA, altså software der klikker rundt i andre programmer som et menneske ville. RPA er præcis så længe skærmen ser ud som da den blev sat op. En agent er mere robust over for variation og mere uforudsigelig i detaljen.

Vælg derfor ikke efter, hvad der lyder mest moderne. Er opgaven ens hver gang, er en regel både billigere og mere forudsigelig. Er den forskellig hver gang i detaljerne men ens i formålet, er det en agent.

Ingen af de fire er bedre end de andre. De tre første i tabellen findes ofte i samme virksomhed, og en agent uden en regel til det kedelige er dyrere end nødvendigt.

Hvad betyder det, at en AI-agent har værktøjer?

Et værktøj er en konkret handling, agenten kan bede et andet system om at udføre: slå ledige tider op i en kalender, hente en kundes historik, oprette en sag, sende en sms. Modellen udfører ikke selv handlingen. Den beder om den, og et andet stykke software gør arbejdet.

Udbyderne kalder det function calling eller tool calling, og de bruger tre begreber, det er værd at kende, fordi de forklarer hvorfor en agent kan noget en chatbot ikke kan. Et værktøj er den funktionalitet, man fortæller modellen at den har adgang til. Et værktøjskald er modellens anmodning om at bruge den. Et værktøjssvar er det, din egen kode sender tilbage. Hele forløbet er fem trin: modellen får listen over værktøjer, den beder om et af dem, din kode udfører det, resultatet går tilbage til modellen, og modellen svarer eller beder om det næste værktøj (OpenAI, function calling).

Anthropic beskriver den samme rundtur for Claude og tilføjer en detalje, der har praktisk betydning: modellen afgør hvornår et værktøj skal kaldes ud fra brugerens anmodning og værktøjets beskrivelse (Anthropic, Tool use). Beskrivelsen af værktøjet er altså en del af opsætningen, ikke dokumentation. Er den upræcis, vælger agenten forkert værktøj, og det ser ud som en fejl i modellen.

Hos Konverto er det her, det bliver håndgribeligt. Når en henvendelse kommer ind på mail, sms, kontaktformularen, chatten på hjemmesiden eller som en besked på Facebook eller Instagram, har agenten adgang til nogle få, afgrænsede værktøjer: den kan læse hvad virksomheden har oplyst om sig selv, se hvilke tider der er ledige, lægge en tid ind, og give besked til ejeren. Den har ikke adgang til at flytte en eksisterende aftale eller sige en pris. Det er ikke en teknisk begrænsning, det er et valg, og grunden står i næste afsnit.

Tre spørgsmål afgør altså, hvad en agent reelt kan hos dig, og ingen af dem handler om modellen: hvilke systemer er den koblet på, hvad må den læse, og hvad må den ændre.

Hvad kan en AI-agent gøre uden at spørge, og hvad skal den spørge om?

Tommelfingerreglen er enkel: en agent kan læse frit og skrive begrænset. At slå noget op kan ikke gøre skade, og det er derfor det sjældent kræver godkendelse. At ændre noget kan gøre skade, og derfor skal grænsen ligge der.

Det er også sådan udbyderne har bygget det. OpenAI beskriver to mekanismer: guardrails, der automatisk validerer input, output eller et værktøjskald, og human review, der sætter kørslen på pause, så et menneske eller en nedskrevet politik kan godkende eller afvise en følsom handling. Deres egen anbefaling er at sætte pausen ind før bivirkninger som annulleringer og ændringer, og at placere kontrollen ved det værktøj, der skaber bivirkningen (OpenAI, guardrails og human review).

Omsat til en servicevirksomhed giver det tre bunker.

Må gøre selv. Læse henvendelsen, slå op hvad virksomheden har oplyst, se ledige tider, skrive et svar, spørge ind, sende en kvittering, give ejeren besked.

Må gøre selv, men med en grænse. Booke en tid. Det er en ændring, men en billig en: den kan flyttes. Grænsen er typisk hvilke tidsrum, hvilken medarbejder og hvor langt ud i kalenderen.

Skal spørge om. Sige en pris. Aflyse eller flytte en aftale en kunde har. Love en udkørsel samme dag. Svare på en klage. Alt der koster penge eller binder virksomheden. En pris sagt af en maskine bliver husket som et tilbud, og hvorfor et rigtigt tilbud kræver at nogen har set opgaven, står i AI til håndværkere.

Og én ting skal agenten altid oplyse, uanset hvad den ellers må. AI-forordningens artikel 50, stk. 1 kræver, at AI-systemer der er tilsigtet at interagere direkte med fysiske personer, udformes så personen oplyses om, at den interagerer med et AI-system, medmindre det er indlysende ud fra omstændighederne (forordning (EU) 2024/1689, artikel 50). Forordningen finder anvendelse fra den 2. august 2026 (artikel 113), så reglen gælder i dag. Digitaliseringsstyrelsen gengiver Kommissionens formulering af hensigten: brugerne bør vide, at de interagerer med en maskine (Digitaliseringsstyrelsen, Kommissionens Q&A).

Pligten ligger hos udbyderen af systemet, altså leverandøren, ikke hos dig der bruger det. Men det er dit firmanavn, kunden læser, så du skal kunne få svar på hvor og hvornår det bliver sagt.

Hvorfor tager en AI-agent fejl, og hvad gør du ved det?

Den tager fejl, fordi en sprogmodel producerer det mest sandsynlige svar, ikke det verificerede svar. Anthropic skriver det selv om deres egen model: selv de mest avancerede sprogmodeller kan generere tekst, der er faktuelt forkert eller i strid med den givne kontekst, og fænomenet kaldes hallucination (Anthropic, Reduce hallucinations).

I en agent har fejlen en konsekvens, den ikke har i en chat. Når modellen har værktøjer, bliver et forkert valg ikke en forkert sætning, men en forkert handling: en tid i den forkerte kalender, en sag på den forkerte adresse. Og fordi agenten arbejder i en løkke, kan et skævt skridt tre bære videre til skridt fire.

Det du kan gøre, falder i fire ting, og ingen af dem er at vente på en bedre model.

Giv den lov til ikke at vide. Anthropics første anbefaling er at give modellen eksplicit tilladelse til at sige, at den ikke har nok information. En agent der siger "det skal jeg have min kollega til at svare på", er bedre end en der gætter. Det er en indstilling i opsætningen, ikke en egenskab ved modellen.

Fastgør svaret i dine egne oplysninger. De to andre anbefalinger i samme dokumentation er at lade modellen citere ordret fra kilden, før den konkluderer, og at underbygge hver påstand med et citat. Praktisk betyder det, at agenten skal svare ud fra det, du har skrevet om din virksomhed, og ikke ud fra hvad den generelt ved om faget.

Sæt godkendelse ind, hvor det koster noget. Se bunken ovenfor. Fejl på de billige handlinger kan du leve med. Fejl på de dyre skal gennem et menneske.

Læs de første hundrede samtaler. Ikke stikprøver efter mavefornemmelse, men alle de første. Det er her du finder de tre spørgsmål, din vidensbase mangler svar på, og de koster dig kunder hver uge til de bliver skrevet ind.

AI-forordningen har i øvrigt en pligt, der peger samme vej. Artikel 4 siger, at både udbydere og idriftsættere af AI-systemer skal træffe foranstaltninger for så vidt muligt at sikre et tilstrækkeligt niveau af AI-færdigheder hos deres personale og andre, der er involveret i drift og anvendelse af systemet på deres vegne (forordning (EU) 2024/1689, artikel 4). Køber du en agent, er du idriftsætter, og den der læser samtalerne, skal forstå hvad hun læser.

Hvad koster en AI-agent at køre?

Prisen har tre dele: modellen, de systemer agenten slår op i, og leverandørens eget abonnement. Du betaler i praksis kun det sidste, men de to første forklarer hvorfor priserne mellem leverandører ser så forskellige ud.

Modellen afregnes pr. token, altså pr. orddel. En dansk sætning bliver delt op i stykker, og både det agenten læser (input) og det den skriver (output) tælles. Hos OpenAI er priserne oplyst pr. 1 mio. tokens, og output koster mere end input. Pr. 8. oktober 2026 koster den mindste af deres nye modeller 0,10 USD for en million tokens ind og 0,50 USD for en million ud, mens den største koster 10,00 USD og 50,00 USD for det samme. Genbrugt input er billigere end nyt (OpenAI, pricing).

To ting i det regnestykke overrasker tit.

Spændet mellem modellerne er hundrede gange, ikke tyve procent. Hvilken model en leverandør har valgt, betyder derfor mere for deres omkostning end næsten alt andet. Det er også grunden til, at en agent kan være rentabel på en lille model og tabsgivende på en stor.

En agent bruger modellen flere gange pr. opgave. Løkken er hele pointen: læs henvendelsen, beslut, kald et værktøj, læs resultatet, beslut igen. Hver runde koster. En opgave koster derfor mere end et enkelt svar i en chat, og det er ikke en fejl, det er prisen for at den gør noget.

Ovenpå ligger de systemer, agenten rører. En sms koster penge pr. stykke. En kalender eller et sagssystem koster typisk pr. bruger. Og ovenpå det igen ligger leverandørens model: pr. måned, pr. henvendelse, pr. minut eller en kombination.

Hos Konverto er det 1.000 kr. om måneden plus 15 kr. pr. henvendelse ekskl. moms, uden opstart og uden binding, og første måned er gratis inklusiv forbrug (Konverto, oktober 2026). Taler vi i stedet om en agent der tager telefonen, afregnes den typisk pr. taleminut, og de danske priser på det står i AI receptionist Danmark.

Det tal, der betyder noget, er ikke prisen pr. henvendelse. Det er prisen pr. booket aftale. En agent der koster 15 kr. pr. henvendelse og booker hver femte, koster 75 kr. pr. aftale i kalenderen.

Hvad skal servicevirksomheder spørge en leverandør om?

Spørg om adgang, grænser og ansvar, ikke om funktioner. En funktionsliste fortæller hvad systemet kan i princippet. De tre andre fortæller hvad der sker hos dig, når det går galt en tirsdag aften.

AI-forordningen bruger to ord, der er nyttige i den samtale. Udbyderen er den der udvikler systemet og bringer det i omsætning under eget navn, altså din leverandør. Idriftsætteren er den der anvender systemet under sin myndighed, altså dig (forordning (EU) 2024/1689, artikel 3, nr. 3 og nr. 4). Flere af pligterne i forordningen ligger hos udbyderen, men det er din virksomheds navn, kunden ser, så svarene skal du have.

Tag denne liste med til mødet:

• Hvilke af mine systemer får agenten adgang til, og hvad kan den læse i hvert af dem?
• Hvilke handlinger kan den udføre uden at spørge, og hvilke sætter den på pause til et menneske?
• Hvor og hvornår oplyser den kunden om, at den er et AI-system?
• Hvad sker der, når den ikke forstår henvendelsen? Siger den det, gætter den, eller sender den den videre?
• Kan jeg se hvert skridt den har taget i en konkret sag, inklusive de opslag den lavede?
• Hvem retter opsætningen, når de første hundrede samtaler viser at noget mangler, og hvad koster det?
• Hvor behandles og gemmes mine kunders oplysninger, hvor længe, og får jeg en databehandleraftale?
• Hvilken model kører den på, og hvad sker der med pris og kvalitet, hvis I skifter model?
• Hvad koster en booket aftale hos jer, ikke hvad koster en henvendelse?

Og ét svar skal du lytte særligt efter. Kan leverandøren ikke vise dig skridtene i en enkelt sag, kan du heller ikke finde ud af hvorfor agenten tog fejl den dag, den gør det.

Sådan gør du i praksis

Begynd med den opgave, du selv kan beskrive i én sætning. En agent sat til "hjælp med kundeservice" bliver aldrig god. En agent sat til "svar på nye henvendelser inden for fem minutter og book en besigtigelse" kan måles fra dag et.

Skriv ned, hvad der skal være sandt, før en opgave er løst. For en henvendelse er det typisk fire ting: hvad det handler om, adressen, hvor hurtigt det skal gå, og et tidspunkt. Det er den liste, agenten arbejder efter, og den er vigtigere end ordlyden af svarene.

Giv den færrest mulige værktøjer. Start med at læse og med at booke i ét afgrænset tidsrum. Udvid når du har læst samtalerne, ikke før.

Skriv din spørg-først-liste. Pris, aflysning, klage, og alt der binder virksomheden. Hold den kort nok til at du kan huske den udenad.

Mål på booket aftale, ikke på svartid. Svartiden er let at forbedre og let at blive glad for. Antallet af aftaler i kalenderen er det, der betaler for systemet.

Og læs de første hundrede samtaler igennem selv. Det tager en eftermiddag, og det er den eneste måde, du finder ud af hvad din virksomhed faktisk bliver spurgt om.

Vil du se, hvordan forløbet fra en skreven henvendelse til en booket besigtigelse hænger sammen hos os, ligger det trin for trin på Sådan arbejder Konverto.