Fremtidens virksomhed kører på en AI agent-organisation: sådan bygger du laget

En AI agent-organisation er et lag af AI-agenter, der selv afgør, hvornår dine færdigbyggede AI-løsninger skal køre. Tænk en CEO, en CMO og en CFO, der ikke udfører arbejdet, men dirigerer det. De kender dine skills og automatiseringer, og de trigger dem, når noget i forretningen kalder på det. Du leverer retningen og de gode idéer. De leverer timingen og eksekveringen.

Laget bliver først relevant, når du har bygget nok AI-løsninger til at drukne i dine egne godkendelser. Her er hvordan du bygger det, og hvad der stadig kræver et menneske.

Den nye flaskehals er dig selv

Lad os sige, du har gjort arbejdet. Du har kortlagt dine processer og bygget AI-løsninger til de fleste af dem. Sig 0 arbejdsopgaver i din hverdag, og du har bygget robuste løsninger til 0 af dem. AI kan nu køre dem end-to-end, og du er human-in-the-loop på størstedelen.

Det lyder som drømmen. Så rammer problemet. Du skal stadig trigge, godkende og holde øje med snesevis af processer. Du får besked efter besked: godkend det her, godkend det her, godkend det her. Flaskehalsen er ikke længere, om AI kan udføre opgaven. Flaskehalsen er dig.

Det knækker på to måder. Tidsmæssigt, fordi ingen har tid til at godkende 60 forespørgsler om dagen. Og kognitivt, fordi hvert skift mellem to vidt forskellige processer koster fokus. Du har flyttet kapaciteten væk fra dine hænder og lige ind i din kalender.

Hvad en AI agent-organisation er

Svaret er at bygge endnu et lag. Du skal ikke bygge flere skills. Du skal bygge noget, der styrer dem.

En AI agent-organisation er modelleret som en rigtig virksomhed. En CEO-agent forankret i det, du står for. En CMO, en CFO, en Chief of Staff. Du sidder som bestyrelse og sætter missionen. Hver agent får adgang til dine færdige løsninger og en klar beskrivelse af, hvad hver enkelt kan, og hvornår den skal bruges.

Jeg har bygget min egen. En CEO-agent uddelegerer til ledere, lederne uddelegerer til workers, og en agent på toppen kan hyre og fyre andre agenter, efterhånden som behovet skifter. Et alignment-lag, som kun jeg kan redigere, holder det hele på plads. Det er stadig en prototype, ikke en færdig maskine. Men princippet holder.

Pointen er arbejdsdelingen. 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.

Eksempel: CMO-agenten og nyhedsbrevet

Tag e-mail marketing. Jeg lader aldrig AI finde på, hvad mit nyhedsbrev skal handle om. Idéen kommer fra mig, for det er der, nuancen og værdien ligger. Jeg åbner en app, taler min tanke ind via tale-til-tekst og forklarer det nyhedsbrev, jeg vil have. Måske smider jeg et par billeder og links ind. Så beder jeg om et godt nyhedsbrev på det grundlag.

Fra den idé til en sendt mail ligger der et bjerg af beslutninger. Hvilken hook. Hvilken emnelinje. Hvilken icebreaker. Hvornår den skal sendes, og til hvem. Alt det håndterer min automatisering og mine workflows. Det kører på menneske-input, og når jeg har givet det, kører resten.

Her kommer agent-laget ind. Lad os sige, vi lige har landet en stor kunde, og jeg har skrevet et LinkedIn-opslag om det. CMO-agenten ser opslaget og tænker, at det kunne blive et nyhedsbrev. Den fanger noget, jeg selv havde glemt. Den skriver ikke nyhedsbrevet ud af det blå. Den spørger mig i stedet, om jeg har en idé til ugens nyhedsbrev. Eller den beder mig om ti vinkler til næste måned, så vi ikke står tomhændede.

CMO-agenten opfinder ikke indholdet. Den bevogter rytmen og trigger skillen, når der er noget at sende. Jeg leverer frøet. Den klarer timingen.

To fejl der vælter det hele

Fejl 1: At slippe en agent løs på alle dine mapper

Den første fejl er at tro, du kan springe det hårde arbejde over. Du peger en autonom agent mod alle dine mapper, beder den regne det hele ud og lader den køre.

Den drukner i fejl. Agenten er ikke dum. Den forstår bare ikke dine processer. Og her er den ubehagelige del. Det gør du heller ikke selv, før du har skrevet dem ned. Det er svært at beskrive en proces præcist, mens du sidder midt i den. Derfor starter alt med proces-mapping. Jeg har skrevet om, hvordan du kortlægger dine processer, i indlægget om proces mapping med AI.

Fejl 2: At lade AI finde på idéerne

Den anden fejl handler om al ekstern kommunikation. Folk beder AI om at finde på emnerne, vinklerne, nyhederne. Lad være.

En sprogmodel er autoregressiv. Den forudsiger det næste ord ud fra sandsynlighed. Den kan tage din nyhed og gengive den skarpt og på en ny måde. Den kan ikke finde på selve nyheden. Den ægte værdi, den uventede vinkel, holdningen der rammer, kommer fra et menneske, der har stået i virkeligheden. Giv AI frøet. Lad den ikke plante det.

Rækkefølgen er hellig: skills i hånden først, harness bagefter

Sekvensen er ikke til forhandling. Først bygger du dine løsninger i hånden og hærder dem, til de virker hver gang. Så lægger du orkestreringslaget ovenpå.

At hærde en skill betyder at køre processen igennem manuelt tre, fire, fem gange. Hver kørsel afslører en edge case, du ikke havde set, og den skriver du ind i skillen. Først når skillen står robust, må en agent overtage den.

Logikken er enkel. En god, gennemtestet skill kan godt drives af en fejlbar agent, fordi fejlhåndteringen ligger i skillen. Den omvendte vej virker ikke. En fejlbar agent oven på svage skills bygger fejl oven på fejl.

Den overraskende sandhed: harness'et er den nemme del

De fleste tror, det svære er at få en AI til at orkestrere sig selv. Det er det ikke. At lægge et harness omkring noget, der allerede virker, er ligetil.

Det hårde og langsomme er at bygge løsningerne. De skal funderes på virkeligheden, på dine processer, dine opgaver og de muligheder, AI åbner for dig. Det kan ingen agent gøre for dig, for det kræver, at nogen forstår forretningen indefra. Orkestreringen er toppen af isbjerget. Det meste af arbejdet ligger under vandet.

Fremtidens virksomhed og din rolle i den

Tag tanken videre. Når orkestreringslaget modnes, kører en stor del af en virksomheds daglige drift af sig selv. Agenterne afgør hvornår, skillsene udfører, og mennesket bliver kun trukket ind, når det gælder.

I mit eget regnestykke dækker skillsene 0 % af mine opgaver. Agent-laget kan køre omkring halvdelen af dem autonomt. Det frigør cirka 0 % af min tid. Ikke fordi AI kan mere, men fordi friktionen ved at orkestrere er væk.

Så hvor går grænsen? AI overtager det gentagne, det proces-tunge, det der kan beskrives og testes. Den overtager ikke det, der kræver, at nogen forstår en kunde, mærker en stemning eller tør en holdning. Den kan ikke fundere noget i virkeligheden af sig selv.

Vores rolle flytter sig. Fra arbejdsbi til dirigent. Vi går fra at udføre opgaverne til at sætte retningen, levere de gode idéer og holde fast i missionen. Human-in-the-loop bliver smallere, men vigtigere. Vi sidder ikke længere og trykker godkend hele dagen. Vi sidder i bestyrelsen.

Sådan kommer du i gang

Start ikke med agent-organisationen. Start med løsningerne.

Kortlæg dine processer. Byg robuste skills og automatiseringer til de opgaver, der gentager sig og ikke kan vælte forretningen. Kør dem manuelt, til de er hårde. Først når du har et bibliotek af løsninger, der virker, giver det mening at lægge et orkestreringslag ovenpå.

Vil du have hjælp til hele rejsen, så se frameworket på Skalér din forretning med AI. Jeg tager på Danmarksturné og bygger løsningerne sammen med virksomheder on-premise, mens jeg holder workshop hos jer.

Ofte stillede spørgsmål

Hvad er en AI agent-organisation?

En AI agent-organisation er et lag af orkestrerende AI-agenter, modelleret som en virksomhed med roller som CEO, CMO og CFO. Agenterne udfører ikke selv arbejdet. De afgør, hvornår dine færdigbyggede AI-løsninger skal køre, og trigger dem efter behov, mens mennesket sætter retning og mission.

Kan AI overtage mine arbejdsopgaver helt uden mig?

Nej. En stor del af de gentagne, proces-tunge opgaver kan køre autonomt, men ikke alt. AI kan ikke opfinde idéer, vinkler eller strategi, og den kan ikke fundere noget i virkeligheden af sig selv. Mennesket leverer kreativiteten, dømmekraften og missionen.

Skal jeg bygge agent-organisationen før eller efter mine skills?

Efter. Byg og hærd dine skills i hånden først, så de virker hver gang. En god skill kan drives af en fejlbar agent, men en fejlbar agent oven på svage skills drukner i fejl. Orkestreringslaget kommer altid ovenpå løsninger, der allerede virker.

Hvad kan AI-agenter ikke håndtere?

De kan ikke erstatte den menneskelige dømmekraft, der kræves for at forstå en kunde, finde på en nyhed eller turde en holdning. AI er autoregressiv og gengiver mønstre. Den skaber ikke ægte ny værdi af sig selv. Det kreative frø skal komme fra et menneske.