Fra prompt til agent: hvorfor AI kræver mere end værktøjer
Der er stor forskel på at kunne skrive en god prompt og at have en agent, der løser opgaver i en organisation. Vejen fra det ene til det andet handler om opgaver, grænser, ansvar og design.
I mange organisationer er AI lige nu en samling af individuelle færdigheder. Nogle medarbejdere er blevet dygtige til at skrive prompts og bruger sprogmodeller dagligt. Andre rører dem aldrig. Resultatet er en skæv og skrøbelig brug af teknologien: Værdien afhænger af, hvem der tilfældigvis sidder med opgaven.
Hvis AI skal skabe varig værdi, skal den flyttes fra det individuelle niveau til organisationsniveauet. Det er her, agenter kommer ind i billedet — og det er en større øvelse, end den lyder.
En prompt er en personlig færdighed
Når en medarbejder skriver en god prompt, sker der noget værdifuldt — men det er værdi, der er bundet til personen. Prompten ligger i medarbejderens hoved eller i en privat note. Kvaliteten svinger med dagsformen. Og der er ingen kontrol med, om resultaterne er korrekte, konsistente eller i overensstemmelse med organisationens retningslinjer.
Det er ikke en kritik af medarbejderne. Det er et vilkår ved individuel brug af generelle værktøjer.
En agent er et organisatorisk aktiv
En agent ser anderledes ud. Her er der taget stilling til:
- Opgaven: Hvilken konkret arbejdsgang understøtter agenten?
- Inputtet: Hvilke data og hvilken viden bygger den på — og er den opdateret?
- Grænserne: Hvad må agenten gøre selv, hvornår skal den spørge, og hvornår overtager et menneske?
- Kvaliteten: Hvordan kontrolleres output, og hvem har ansvaret for det?
- Ejerskabet: Hvem vedligeholder, forbedrer og fører tilsyn med agenten?
Forskellen kan virke bureaukratisk, men den er det modsatte. En gennemtænkt agent gør AI lettere at bruge, ikke sværere: Medarbejderen skal ikke selv opfinde fremgangsmåden, vurdere risikoen eller huske konteksten. Det er bygget ind.
Eksempel: fra "spørg chatbotten" til vidensagent
Tag et almindeligt scenarie: Medarbejdere bruger en offentlig chatbot til at finde svar på faglige spørgsmål. Det fungerer nogenlunde — men svarene bygger ikke på organisationens egne procedurer, og ingen ved, hvilke svar der bliver givet videre til kunder.
Den samme opgave løst som agent: en intern vidensagent, der svarer ud fra organisationens egne dokumenter, politikker og FAQ'er. Den angiver kilder, så medarbejderen kan kontrollere svaret. Den er afgrænset til de emner, hvor materialet er retvisende. Og der er en ansvarlig, som holder vidensgrundlaget opdateret.
Samme teknologi. Helt anden værdi — og helt anden tryghed.
Hvad kræver flytningen?
At flytte AI fra prompts til agenter kræver tre ting, som ingen af dem er teknologi:
Procesforståelse. Man skal kende arbejdsgangen, før en agent kan understøtte den. Hvem gør hvad, i hvilken rækkefølge, med hvilke undtagelser? Det lyder banalt, men de fleste arbejdsgange er aldrig blevet beskrevet.
Design. En god agent er designet til sin opgave: det rigtige vidensgrundlag, de rigtige grænser, det rigtige sted i arbejdsgangen. Design er forskellen på en agent, der bliver brugt, og en, der bliver omgået.
Drift og forankring. Selv den bedste agent skal introduceres, trænes ind i hverdagen og holdes i live. Medarbejdere skal vide, hvad de kan forvente — og nogen skal have ansvaret for, at agenten bliver ved med at virke.
Værktøjerne er på plads. Det, der adskiller organisationer, som får værdi af AI, fra dem, der ikke gør, er evnen til at omsætte værktøjer til agenter med en rolle i arbejdet. Det arbejde kan man ikke købe sig til med en licens — men man kan gribe det struktureret an.