Fra AI-automation til en organisation af AI-agenter
Jeg byggede mit første agentiske system i 2020 på GPT-3, og i dag kører en stor del af min virksomhed på agenter. Her kan du se, hvordan jeg tænker om dem, de fem niveauer jeg deler dem op i, hvad jeg selv har bygget, og hvordan jeg kan hjælpe dig.
Mine tanker om AI-agenter
Når en agent fejler, skyldes det oftest, at processen bag den er dårligt beskrevet, eller at ingen har besluttet, hvem der bestemmer hvad.
(…) flaskehalsen jo ikke længere sidder i teknologien. Den sidder i, hvor god du er til at give en opgave videre. Kunne du uddelegere til et menneske, så kan du også til en AI.LinkedIn, juli 2026 →
Og allerede når processen bliver lavet, tager du stilling til, hvor meget agenten må gøre på egen hånd, så governance er en naturlig del af arbejdet med operativsystemet.LinkedIn, oktober 2026 →
AI-agenter, det er altså ikke chatbots, der svarer. AI-agenter er et helt andet paradigme.Prompt til Profit, afsnit 3 →
Agenterne skal ikke finde på, hvordan en opgave løses. Det ligger i skillen, som du har bygget og testet. Agenterne skal afgøre én ting: hvornår.Bloggen →
Start ikke med agent-organisationen. Start med løsningerne.Bloggen →
Vælg CLI først. Findes der ingen brugbar CLI, så kig efter et API. Derefter kommer MCP. Computer eller browser use er min sidste udvej.Bloggen →
De 5 niveauer af AI-agenter
Når nogen siger "AI-agent", kan de mene fem vidt forskellige ting. Derfor tegnede jeg dem op, fra den simpleste automation til en hel organisation af agenter.
For hvert niveau stiger agentens frihed, og det samme gør kravet til, hvor godt processen og reglerne er beskrevet. Derfor starter jeg med løsningerne på de første niveauer, før vi taler om en hel organisation af agenter.
Klik for at se tegningen i fuld størrelse.
- 1
AI-automation
- Forudsigeligt flow med fuld kontrol
- En sprogmodel bearbejder data
- Fast defineret input og output
Input går ind, en sprogmodel gør én ting ved det, og output kommer ud. Et Excel-ark med søgeord bliver til et blogindlæg pr. søgeord. Der er ingen beslutninger undervejs, og det er netop styrken, fordi du altid ved, hvad der kommer ud.
- 2
Agentic workflow
- Styret flow med definerede veje
- Sprogmodellen vælger retning
- Beslutninger på bestemte punkter
Nu træffer sprogmodellen en beslutning, men kun mellem veje, du selv har bygget. Den vurderer, om et søgeord er top eller bund af tragten, og sender det videre til det workflow, der skriver den rigtige type indlæg.
- 3
AI-agent
- Selvstændig beslutningstager
- Hjerne (sprogmodel) og hukommelse (database)
- Værktøjer via API'er og integrationer
Agenten får et mål frem for en opskrift. Den kan selv analysere søgeintentionen, søge efter konkurrenterne på Google, hente sitets tone of voice i sin hukommelse, skrive indlægget og sende det til WordPress. Den vælger selv, hvilke værktøjer den bruger og i hvilken rækkefølge.
- 4
Multi-agent system
- Flere agenter, der samarbejder
- En manager-agent koordinerer
- Agenterne sender beskeder til hinanden
En manager-agent lægger planen og fordeler arbejdet mellem specialister: én til søgeordsanalyse, én til intern linkbuilding, én til blogindlæg og én til billeder og video. De taler sammen i en fælles agent-chat, og manageren giver besked, når noget skal publiceres.
- 5
AI-agent organisation
- Autonome, agentdrevne virksomheder
- Et alignment-lag med værdier og etik
- Kan selv oprette nye agenter efter behov
Øverst sidder en alignment-bestyrelse med formål, etik og værdier. Under den en CEO-agent og direktører for marketing, økonomi, salg og produkt, og en Chief Agents Officer, der tilføjer, fjerner og optimerer agenter. Lagene dirigerer arbejdet frem for selv at udføre det.
Agenter, jeg har bygget
Fra den første agent i Tabtimize til de systemer, jeg bygger og driver i dag.
- 2020Min første agentNiveau 3
Tabtimize
I Tabtimize, Danmarks første AI-drevne marketingværktøj, byggede vi på GPT-3 et system, der handlede på vores brugeres vegne. Man gav det sin URL, og så fandt det relevante sider til linkbuilding, lavede et resumé af dem og skrev personlige outreach-pitches. Det hele foregik med et kontekstvindue på 2.048 tokens.
- 2025Open source-prototypeNiveau 5
OrgAgent ↗
En selvorganiserende agent-organisation med alignment-bestyrelse, CEO, en Chief Agents Officer, der hyrer og fyrer agenter, og et dashboard. Det er niveau 5 fra tegningen bygget i kode, og den er stadig en prototype.
- 2025Open source på npmNiveau 4
AI Advisory Board ↗
Et panel af AI-rådgivere med hver sin persona, som diskuterer dine forretningsspørgsmål over flere runder. En orkestrator styrer ordet, rådgiverne spørger ind, når de mangler noget, og en beslutningscoach holder dine egne principper op mod svaret.
- 2025AI-direktørNiveau 3-4
Vallora AI ↗
Vallora AI analyserer servitutter og andre ejendomsdokumenter til ejendomshandler. Som AI-direktør og medejer står jeg for AI-strategien og designet af de agentiske systemer.
- 2026Gratis værktøjNiveau 3
JBS Vibe Editing ↗
Et lokalt AI-værktøj, hvor du prompter dig til videoredigering. Det laver captions, b-roll, voice overs og færdige videoer ud fra dine optagelser.
- 2026Mit driftssystem som produktNiveau 4-5
AGM AI OS ↗
Jeg driver selv min virksomhed på agenter, der laver mine opslag om til indhold på fire kanaler, finder leads, bygger annoncer, strukturerer bogføringen og klipper video. I august klarede de opgaver, der ville have taget mig 473 timer, for 2.323 kr. Systemet er nu pakket som AGM AI OS, så du kan installere det hos dig og følge med i Kontrolrummet, hvad agenterne har lavet, og hvor meget tid de har sparet.
Det kan jeg hjælpe dig med
Fra den første snak om, hvor agenter giver mening, til de kører i hverdagen og jeres folk selv kan bygge videre.
Strategi
Vi finder de processer, hvor en agent giver mest værdi, og lægger en rækkefølge, så I starter med løsningerne og ikke med organisationen.
Design
Vi skriver processen ned og vælger det rigtige niveau. Det er sjældent niveau 5. Vi beslutter også, hvilke værktøjer agenten må bruge, og hvor et menneske skal godkende.
Udvikling
Jeg bygger agenterne og de skills, de kører på, med fejlhåndtering, logning og den rigtige adgang: CLI først, derefter API, MCP og browser til sidst.
Implementering
Vi sætter agenten i drift i jeres hverdag, måler tiden, den sparer, og justerer på det, den laver, indtil I stoler på den.
Undervisning
Workshops, kurser og AI Agent Skolen, så jeres egne folk kan bygge og vedligeholde agenterne selv, ligesom kursisterne i mine cases har gjort.
Klar til at komme i gang?
Fortæl mig, hvilke opgaver der fylder mest, så finder vi ud af, hvilket niveau der giver mening for jer.
Kontakt migForretninger, jeg er en del af
Jeg underviser i det, jeg selv bygger og driver hver dag.
AI Growth Minds
Kursusplatformen og communityet, hvor over 3.000 professionelle har lært at bruge AI i deres arbejde.
ai-growth-minds.dk MedstifterAI Agent Skolen
Onlinekurset, hvor du lærer at bygge AI-agenter, der løser rigtige problemer i din virksomhed og kommer i drift. Det kræver ingen kodning.
aiagentskolen.dk Mit eget produktAGM AI OS
Det system, jeg selv driver min virksomhed med, pakket, så du kan installere det hos dig. Agenterne laver arbejdet, og du godkender det, der skal ud.
Kom i gang fra 299 kr./md Medstifter og direktørAI Dagen
Konferencen om AI i praksis, som jeg har stiftet sammen med to partnere. Første gang er 11. marts 2027 i Musikhuset Esbjerg.
aidagen.dkOfte stillede spørgsmål
Hvad er forskellen på en AI-automation og en AI-agent?
En AI-automation følger en fast opskrift: input ind, sprogmodellen gør én ting, output ud. En AI-agent får et mål og vælger selv, hvilke værktøjer den bruger, og i hvilken rækkefølge, og den har en hukommelse at slå op i.
Skal vi starte med en hel organisation af AI-agenter?
Nej. Start med de enkelte løsninger, og byg og test dem, til de virker. En agent-organisation kan først dirigere arbejdet, når de løsninger, den skal dirigere, findes.
Kræver det, at vi kan kode?
Nej. Mange af mine kursister har bygget agenter uden en teknisk baggrund. Det svære er at beskrive processen godt nok til, at den kan gives videre.