CEO Perspectives: AI Trust Stack: fra assistenter til agenter

I løbet af de sidste to år har de fleste organisationer eksperimenteret med AI-assistenter.

Disse systemer opsummerer dokumenter, genererer udkast, besvarer spørgsmål og analyserer information efter behov. De reagerer på prompts og leverer nyttige resultater til dem, der interagerer med dem.

For mange professionelle er assistenter allerede blevet reelt værdifulde – et markant skifte i, hvordan individuelle opgaver bliver udført.

Men en ny fase af AI er begyndt at tage form. Samtalen på tværs af teknologibranchen er ved at skifte – fra assistenter til agenter. Og det skifte kan i høj grad ændre, hvordan arbejdet udføres i professionelle servicevirksomheder.

Hvad er forskellen?

På et overordnet niveau er forskellen enkel.

Assistenter reagerer. Agenter handler.

En AI-assistent hjælper en professionel med at udføre en opgave – opsummere et kundedokument, udarbejde et notat, analysere et datasæt eller foreslå formuleringer til en rapport.

I hvert tilfælde leverer assistenten et output som svar på en prompt, og det er den professionelle, der beslutter, hvad der skal gøres med det.

En AI-agent fungerer anderledes.

I stedet for at vente på instruktioner én ad gangen er agenter designet til at udføre sekvenser af handlinger på tværs af en proces.

En agent, der understøtter et engagementteam, kan hente relevante dokumenter fra tidligere opgaver, analysere finansielle data for det aktuelle år, identificere potentielle afvigelser, udarbejde dokumentation og sende resultaterne videre til faglig gennemgang – alt sammen som en del af én samlet arbejdsgang.

I stedet for blot at assistere med en enkelt opgave hjælper agenten med at drive arbejdet frem gennem en hel proces – en arbejdsgang. Det er en væsentlig forskel.

Hvorfor agenter er vigtige for professionelt arbejde

Mange professionelle serviceydelser bygger på strukturerede processer. Uanset om det drejer sig om en revision, en skatteindberetning eller et compliance-review, følger arbejdet en fastlagt rækkefølge og afsluttes med en faglig vurdering. Assistenter kan forbedre de enkelte trin i disse processer. Agenter har potentiale til at understøtte hele workflowet.

De kan indsamle information, udføre analyser, udarbejde dokumentation og sende opgaver videre til gennemgang – og dermed hjælpe teams med at drive arbejdet frem, samtidig med at de professionelle bevarer kontrollen over de centrale beslutninger.

I den forstand begynder agenter at opføre sig mindre som værktøjer og mere som deltagere i selve workflowet.

Det er et markant skifte i, hvordan vi bør tænke om AI’s rolle i professionel praksis.

Agenter har brug for struktur

Men der er et vigtigt forbehold.

Agenter kan kun fungere effektivt, når de reelt forstår det miljø, de arbejder i. Professionelle workflows indeholder en høj grad af struktur: engagementmetoder, virksomhedsspecifik praksis, regulatoriske krav, reviewhierarkier og dokumentationsstandarder.

For at agenter kan fungere i professionelle miljøer, skal de arbejde inden for systemer, der stiller workflowet til rådighed, hvor arbejdet udføres, den kontekst, der informerer den faglige vurdering, og den governance, der sikrer ansvarlighed.

Uden den struktur kan en agent godt generere output – men den kan ikke pålideligt deltage i selve processen.

Derfor er fremkomsten af agenter tæt forbundet med det bredere begreb AI Trust Stack.

Når disse lag er på plads, kan agenter fungere på måder, der understøtter pålidelige professionelle resultater.

Fra automatisering til samarbejde

En anden måde, jeg finder det nyttigt at tænke på agenter, er denne: De repræsenterer et skifte fra automatisering mod samarbejde.

Traditionel automatisering forsøger at fjerne mennesker helt fra processer.

Professionelt arbejde tillader sjældent det – og det bør det heller ikke. 

Faglig vurdering, tilsyn og ansvarlighed er fortsat afgørende for, at professionelle resultater overhovedet kan betragtes som pålidelige.

Agenter tilbyder noget andet. De gør det muligt for AI at samarbejde med professionelle inden for strukturerede workflows – ved at udføre analyser, indsamle dokumentation og udarbejde materiale – mens den professionelle anvender sin faglige vurdering, gennemgår resultaterne og træffer de endelige beslutninger.

Det skaber et arbejdsmiljø, hvor menneskelig ekspertise og maskinens kapaciteter spiller sammen, så hver især kan gøre det, de er bedst til.

Betydningen for professionel software

Efterhånden som agenter bliver mere kapable, vil de platforme, hvor professionelt arbejde finder sted, få stadig større betydning.

Agenter har brug for et driftsmiljø, hvor de kan tilgå relevante data, forstå workflowets struktur, interagere med andre systemer og registrere deres handlinger og resultater.

Med andre ord skal agenter fungere dér, hvor det professionelle arbejde allerede finder sted.

Derfor mener jeg, at den næste generation af professionel software vil udvikle sig fra opgavebaserede værktøjer til AI-understøttede workflowplatforme – miljøer, hvor agenter kan fungere sikkert og effektivt inden for de processer, som professionelle er afhængige af. Platformen er ikke blot et sted at arbejde; den bliver det system, der gør pålidelig AI mulig.

Det næste lag i AI Trust Stack 

Skiftet fra assistenter til agenter repræsenterer et vigtigt skridt i udviklingen af AI.

Men det rejser også et nyt spørgsmål:

Hvor udfører agenter faktisk deres arbejde?

For at agenter kan drive opgaver frem på tværs af en opgave, skal de fungere inden for de workflows, der strukturerer det professionelle arbejde.

Det er her, det næste lag i AI Trust Stack kommer ind i billedet.

I min næste artikel vil jeg se nærmere på, hvorfor workflowplatforme er ved at blive driftsmiljøet for AI i professionelle servicevirksomheder – og hvorfor strukturen i disse workflows kommer til at spille en så vigtig rolle i, hvordan AI-systemer udvikler sig.

For efterhånden som intelligensen bliver mere kraftfuld, og agenter bliver mere kapable, vil de systemer, hvor professionelt arbejde finder sted, i stigende grad definere, hvordan denne intelligens anvendes. Det gør platforms-spørgsmålet til et af de vigtigste i sektoren lige nu.