Hvad er agentic AI? Forklaret for virksomheder

Agentic AI er kunstig intelligens, der ikke bare svarer på spørgsmål, men selv handler for at nå et mål. Hvor en almindelig AI-model venter på et prompt og giver ét svar ad gangen, kan et agentic AI-system selv planlægge, træffe beslutninger, bruge værktøjer og gennemføre en opgave i flere trin, uden at et menneske styrer hvert skridt. Kort sagt: fra AI der taler til AI der gør.

Definitionen, kort og præcist

“Agentic” betyder handlekraftig. Et agentic AI-system er kendetegnet ved fire ting:

• Mål frem for kommando. Du giver et ønsket udfald (“book et møde med kunden i næste uge”), ikke en enkelt instruktion.
• Planlægning. Systemet bryder målet ned i delopgaver og lægger en rækkefølge.
• Handling via værktøjer. Det kalder API’er, søger i databaser, sender mails, opdaterer systemer, det rører ved omverdenen.
• Feedback-loop. Det observerer resultatet af sine handlinger, vurderer om det kom tættere på målet, og justerer. Det kan prøve igen, hvis noget fejler.

Det er kombinationen af de fire, der gør AI’en agentic. En sprogmodel alene er hjernen; agent-laget er hænderne, hukommelsen og dømmekraften, der får hjernen til at udrette noget i den virkelige verden.

Agentic AI vs. almindelig AI og chatbots

Den nemmeste måde at forstå agentic AI på er at stille den op mod det, folk allerede kender: en chatbot.

En chatbot eller en klassisk sprogmodel er reaktiv. Den modtager en besked, genererer et svar og stopper. Den har ingen hukommelse på tværs af opgaven, ingen adgang til dine systemer, og den kan ikke selv beslutte at gøre noget. Spørger du en almindelig chatbot “hvornår er min pakke fremme?”, kan den forklare, hvordan man tjekker en pakke, men den kan ikke slå det op for dig.

En AI-agent er proaktiv. Den kan slå op i fragtsystemet, hente det konkrete svar, skrive tilbage til kunden og eventuelt oprette en sag, hvis pakken er forsinket. Den handler.

Et agentic system er flere agenter og værktøjer, der arbejder sammen mod et større mål, for eksempel en hel kundeservice-proces, hvor én agent forstår henvendelsen, en anden henter data, en tredje udfører handlingen og en fjerde kvalitetssikrer, før noget sendes til kunden.

	Chatbot / sprogmodel	AI-agent	Agentic system
Adfærd	Reaktiv, svarer	Proaktiv, handler	Orkestrerer flere opgaver
Initiativ	Venter på hvert prompt	Beslutter næste skridt selv	Koordinerer agenter og værktøjer
Værktøjer	Ingen	Kalder API’er, databaser, systemer	Mange, på tværs af systemer
Hukommelse	Kort/ingen	Husker opgavens kontekst	Deler kontekst mellem agenter
Fejlhåndtering	Ingen	Prøver igen, justerer	Kvalitetssikring og eskalering
Menneskets rolle	Stiller hvert spørgsmål	Sætter mål, godkender	Sætter rammer, fører tilsyn

Grænserne er glidende, men retningen er tydelig: jo mere selvstændigt systemet kan planlægge og handle mod et mål, jo mere agentic er det.

Hvordan handler en AI-agent autonomt?

Autonomien opstår ikke af magi, men af et gennemtænkt kredsløb. De fleste agentic systemer følger en variant af samme loop:

1. Forstå målet. Agenten fortolker, hvad der skal opnås.
2. Planlæg. Den lægger en strategi og vælger, hvilket skridt der giver mest mening først.
3. Handl. Den bruger et værktøj: søger, skriver, kalder et system.
4. Observér. Den læser resultatet: lykkedes det, kom der en fejl, mangler der information?
5. Vurdér og gentag. Den justerer planen og fortsætter, indtil målet er nået eller den støder på en grænse, hvor et menneske skal ind over.

Det, der binder loopet sammen, er tre byggeklodser: en sprogmodel som ræsonnement, værktøjer (også kaldet functions eller tools), der giver adgang til virkelige handlinger, og en hukommelse, så agenten kan holde styr på, hvad den allerede har gjort. Uden værktøjer er der ingen handling; uden hukommelse ingen sammenhæng over flere skridt.

Vigtigt for virksomheder: autonomi er ikke det samme som fravær af kontrol. Velbyggede agentic systemer har indbyggede grænser og godkendelsestrin, for eksempel at agenten selv må hente og forberede en handling, men et menneske skal godkende, før noget kritisk sendes eller ændres. Det kaldes ofte “human-in-the-loop”, og det er en forudsætning for at bruge agentic AI ansvarligt på opgaver, der rører ved kunder, penge eller data.

Eksempler på agentic AI i praksis

Agentic AI giver mest værdi på opgaver, der har flere trin, kræver opslag i systemer og gentages ofte. Nogle konkrete anvendelser:

• Kundeservice og telefoni. En AI-agent tager imod opkald eller henvendelser, forstår hvad kunden vil, henter oplysninger fra virksomhedens systemer, løser sagen eller booker en tid, og sender kun det videre til et menneske, der reelt kræver det.
• Salgsopfølgning. Agenten kvalificerer leads, følger op på henvendelser, opdaterer CRM’et og planlægger møder.
• Interne processer. Onboarding af nye medarbejdere, håndtering af fakturaer, udtræk og opsummering af data på tværs af flere systemer.
• Research og analyse. Agenten søger, samler og sammenfatter information fra mange kilder til et beslutningsgrundlag.

Fællesnævneren er, at agenten ikke bare foreslår et svar: den udfører arbejdet ende til ende, med mennesket som den, der sætter målet og fører tilsyn.

Vil du forstå den grundlæggende byggeklods bag alt det her, kan du læse vores gennemgang af hvad en AI-agent er, og hvad den kan for virksomheden.

Hvad betyder agentic AI for din virksomhed?

Skiftet fra svarende AI til handlende AI er det, der gør teknologien forretningsrelevant. En chatbot sparer tid på at finde svar; en AI-agent sparer tid på at udføre arbejde. Det ændrer, hvor værdien ligger.

For en virksomhed betyder det konkret:

• Kapacitet uden proportional bemanding. Rutineopgaver, der før krævede en medarbejder pr. sag, kan håndteres af agenter, der arbejder døgnet rundt, mens medarbejderne flytter fokus til det, der kræver menneskelig dømmekraft.
• Hurtigere svar til kunderne. Agenten handler i samme øjeblik, henvendelsen kommer, i stedet for at lægge sig i en kø.
• Færre systemer, folk skal jonglere. Agenten binder systemerne sammen bag kulisserne, så medarbejderne slipper for at hoppe mellem faner.

Men det stiller også krav. Agentic AI skal bygges op om klare mål, sikre grænser, adgang til de rigtige systemer og et tilsyn, der fanger fejl, før de rammer kunder. Det er her forskellen mellem en imponerende demo og en løsning, der faktisk kan sættes i drift, ligger. Succes handler mindre om selve modellen og mere om, hvor godt agenten er koblet på virksomhedens processer, data og kontroller.

Derfor er det sjældent et spørgsmål om at “købe en agentic AI”, men om at afklare: Hvilken proces? Hvilke systemer skal den røre? Hvor skal mennesket ind over? Og hvordan måler vi, at den gør sit arbejde rigtigt?

Kom godt fra start med agentic AI

Agentic AI er et af de mest markante skift i, hvordan virksomheder kan bruge kunstig intelligens: fra værktøj, man betjener, til medarbejder, man uddelegerer til. Men værdien kommer ikke af teknologien alene. Den kommer af at vælge den rigtige opgave, bygge agenten ansvarligt op om jeres processer og holde mennesket ved roret.

Hos Agent360 bygger vi AI-agenter (blandt andet til voice og automatisering) og rådgiver virksomheder om, hvor agentic AI reelt flytter noget, og hvordan det implementeres sikkert. Er du nysgerrig på, hvad en AI-agent kunne gøre i netop din virksomhed?

Book en uforpligtende AI-samtale hos Agent360, så kigger vi konkret på jeres processer og finder ud af, hvor en agent giver mening at starte.