Spring til hovedindhold
Sammenligning

RPA vs. agentic AI: fremtiden for automatisering

Forfatter: Agent360 Redaktion
Publiceret: 10. august 2026
Sidst opdateret: 23. oktober 2026
Læsetid: 7 min. læsning

Kort fortalt: RPA (Robotic Process Automation) automatiserer faste, regelbaserede opgaver ved at følge et scriptet flow: klik her, kopiér der, indsæt i felt X. Det kan være nyttigt, når processen er stabil og inputtet struktureret. Agentic AI bruger en sprogmodel og værktøjer til at arbejde mod et mål og kan behandle ustruktureret input og vælge næste skridt undervejs. Håndtering af uventede ændringer afhænger af opsætningen og skal afprøves; agenten kan også fejle eller have brug for et menneske. De to teknologier kan kombineres efter opgaven.

Hvad er RPA: regelbaseret automatisering af faste flows

RPA er software-robotter, der efterligner de klik og tastetryk et menneske ville lave i et system. En RPA-robot logger ind i et program, henter data fra ét felt, flytter det til et andet, sender en e-mail eller opdaterer en post, nøjagtigt som den er programmeret til. Afprøv, om de faste regler og den konkrete logning gør processen lettere at kontrollere i jeres virksomhed.

Styrken ved RPA ligger i det regelfaste. Har du en proces, der ser ens ud hver eneste gang (fakturaer i samme skabelon, dataoverførsler mellem to systemer, natlige batch-kørsler) kan RPA være en mulighed at sammenligne med andre løsninger på pris, vedligehold og kvalitet. Robotten kan køre uden for arbejdstid, udfører de samme trin hver gang og kan logge hvert skridt, den tager. For opgaver med et klart “hvis A, så B”-mønster er der sjældent grund til at bygge noget mere avanceret.

Hvor RPA typisk bruges

  • Overførsel af data mellem systemer, der ikke taler sammen (fx ERP og et ældre fagsystem)
  • Udtræk og indtastning af strukturerede data fra faste skabeloner
  • Rapport-generering og planlagte, gentagne kørsler
  • Simple godkendelses- og notifikationsflows med klare regler

Begrænsningerne ved RPA

RPA’s største styrke (at den følger reglerne præcist) er også dens svaghed. En RPA-robot forstår ikke, hvad den laver. Den udfører instruktioner uden kontekst, og det giver tre tilbagevendende udfordringer.

Skrøbelig ved ændringer. Fordi robotten typisk er bundet til en bestemt skærmopbygning eller feltplacering, kan selv en lille ændring vælte den. Flytter en leverandør en knap, omdøber et felt eller opdaterer sit brugerinterface, stopper robotten, eller værre, den udfører skridtet forkert uden at opdage det. Det skaber et løbende vedligeholdelsesbehov, som mange undervurderer, når de regner på gevinsten.

Kun struktureret input. RPA fungerer bedst, når data kommer i et forudsigeligt format. Så snart inputtet varierer: en e-mail formuleret i fri tekst, en faktura i et layout robotten ikke kender, et dokument hvor oplysningerne står forskellige steder, falder den klassiske RPA-robot fra. Den kan ikke fortolke; den kan kun matche mønstre, den er sat op til at genkende.

Ingen dømmekraft. Møder robotten en undtagelse, der ikke er beskrevet i reglerne, kan den ikke selv finde en vej. Den stopper og venter på et menneske. I processer med mange kantsituationer betyder det, at “automatiseringen” i praksis stadig kræver en del manuel håndtering.

Hvad agentic AI tilføjer

Agentic AI bygger på store sprogmodeller og er designet til at arbejde mod et mål frem for at følge et fast script. Hvor RPA får en trin-for-trin-opskrift, får en AI-agent en hensigt (“afstem denne faktura mod ordren og markér afvigelser”) og finder selv ud af, hvordan opgaven løses.

Den kan behandle kontekst. En agent kan læse og fortolke ustruktureret information: e-mails i fri tekst, dokumenter i vekslende layout, kundehenvendelser formuleret på almindeligt dansk. Den kan behandle indhold frem for blot at matche faste felter, men fortolkningen kan være forkert. Afprøv den på de input, opgaven faktisk indeholder.

Den kan tilpasse sig. Ved variation kan agenten foreslå et næste skridt ud fra den tilgængelige kontekst. Det er en mulighed, ikke en garanti for en korrekt løsning. Afprøv kendte undtagelser og fastlæg, hvornår agenten skal stoppe eller bede om hjælp.

Den kan vælge mellem handlemuligheder. En agent kan sammenholde kilder og foreslå eller vælge handlinger inden for aftalte rammer. Den kan sættes op til at eskalere til et menneske, men den kan også tage fejl uden selv at opdage det. Det flytter automatiseringen fra “gør præcis dette” til “opnå dette resultat”.

Til gengæld kræver agentic AI en anden form for styring. Fordi en agent træffer egne valg, skal den have klare rammer, mulighed for menneskeligt tilsyn ved vigtige beslutninger og gode kontroller, så man kan følge, hvad den har gjort og hvorfor. En agent er kraftfuld, netop fordi den ikke er fuldt forudsigelig, og det stiller krav til, hvordan man indfører den ansvarligt.

RPA vs. agentic AI: direkte sammenligning

Dimension RPA Agentic AI
Regler vs. mål Følger et fast, forudprogrammeret script trin for trin Arbejder mod et defineret mål og vælger selv fremgangsmåden
Robusthed ved ændringer Ændringer kan kræve nye regler eller tilpasning af robotten Kan forsøge en anden fremgangsmåde; resultatet kræver kontrol
Ustruktureret input Håndterer primært strukturerede, forudsigelige data Læser og fortolker fri tekst, dokumenter og varierende formater
Vedligehold Regler og integrationer skal vedligeholdes, når relevante systemer ændres Kræver vedligehold af værktøjer, styring, tilsyn og evaluering
Hvornår vælger man hvad Stabile, højvolumen, regelfaste opgaver med struktureret data Opgaver med variation, fortolkning, dømmekraft eller ustruktureret input

Tabellen viser en vigtig pointe: der er ikke en vinder på tværs af alle felter. Sammenlign RPA og agentic AI på pris, vedligehold, kontrol og håndtering af de input, opgaven faktisk indeholder. Afprøv begge tilgange mod samme succeskriterier. Valget afhænger af opgavens karakter, ikke af, hvilken teknologi der er nyest.

Sådan kan de to kombineres

I praksis er det sjældent et spørgsmål om enten RPA eller agentic AI. De to teknologier løser forskellige dele af den samme proces, og de bedste løsninger sætter dem sammen.

Et muligt mønster: AI-agenten foreslår fortolkning og næste skridt, mens RPA udfører en afgrænset, struktureret handling. Ved indgående fakturaer kan agenten forsøge at udtrække oplysninger på tværs af de formater, løsningen er afprøvet med. Usikre eller ukendte tilfælde sendes til et menneske, før en veltestet RPA-robot foretager indtastningen i økonomisystemet.

Fordelingen giver mening: agenten tager det, der kræver forståelse og dømmekraft; robotten tager det gentagne, regelfaste skridt, den udfører efter de fastlagte regler. Du får fleksibiliteten fra agentic AI dér, hvor virkeligheden er rodet, og pålideligheden fra RPA dér, hvor processen er fast.

For de fleste virksomheder er den realistiske vej derfor ikke at rive eksisterende RPA ned. Det er at beholde den, hvor den fungerer, og lægge et intelligent lag ovenpå til de dele af arbejdsgangene, hvor regler ikke slår til. Sådan modner man automatiseringen trin for trin frem for at satse alt på én omlægning.

Hvad betyder det for din virksomhed

Hvis du allerede kører RPA og oplever, at robotterne ofte går i stå på undtagelser, kræver konstant vedligehold eller ikke kan håndtere de e-mails og dokumenter, der kommer i fri form, så er det ofte dér, agentic AI giver mest værdi. Omvendt: har du en stabil, regelfast proces, der bare skal køre, er der sjældent grund til at gøre den mere avanceret, end den behøver at være.

Det rigtige første skridt er som regel at kigge på en konkret arbejdsgang: hvor er den regelfast, og hvor kræver den fortolkning og dømmekraft? Den opdeling afgør, hvad der skal automatiseres med hvad, og hvordan de to lag spiller sammen.

Book en AI-samtale

Agent360 kan bygge AI-agenter og automatisering til jeres konkrete opgave. Vi kan sammen afklare behovet for RPA, agentic AI eller en kombination og aftale integrationer, kontrol og drift.

Book en uforpligtende AI-samtale, så gennemgår vi jeres processer og peger på, hvor der er reel værdi at hente, uden overflødig teknologi.

Hvilke af jeres manuelle skridt kan forsvinde?

Vi kortlægger hvor data flyttes i hånden mellem jeres systemer, og hvad der realistisk kan automatiseres.