Agentisk AI: definition, funktion og eksempler

Detaljeret definition

Agentisk AI (agentic AI på engelsk) betegner kunstig intelligens-systemer, der er designet til at nå et mål over flere trin, med begrænset menneskelig supervision. IBM definerer det som et system, der kan opfylde et specifikt mål med begrænset supervision ved at vurdere flere mulige handlinger og vælge den mest relevante. Microsoft er på linje og taler om AI-systemer, der har agens, altså evnen til selvstændigt at beslutte og handle for at forfølge et mål.

Det er ikke et produkt, det er en kategori. Man kan bygge en chatbot, der ikke har noget agentisk over sig, og man kan bygge en agent, der er fuldt ud agentisk. Det, der placerer et system i den agentiske kategori, er tre elementer sammen: et givet mål frem for blot ét spørgsmål, evnen til at nedbryde dette mål i på hinanden følgende handlinger, og en reel udførelse af disse handlinger via værktøjer, ikke bare et tekstsvar.

Begrebet er ikke opstået med LLM'er. Det viderefører en ældre idé inden for kunstig intelligens, den om den rationelle agent formaliseret af Russell og Norvig: en agent opfatter sine omgivelser gennem sensorer og handler på dem gennem aktuatorer, mens den søger det bedst mulige resultat ud fra det, den ved. Det, der ændrer sig med de nyere sprogmodeller, er, at agentens "hjerne" nu kan ræsonnere i naturligt sprog, læse dokumentation og beslutte at kalde et værktøj uden en regel kodet på forhånd for hvert tilfælde. Se også siden Generativ AI vs. agentisk AI for den fulde sammenligning af de to begreber.

Sådan fungerer det

De tekniske beskrivelser konvergerer mod en løkke i fire trin. Microsoft opsummerer den sådan: opfattelse (indtagelse af data og signaler), ræsonnement (opbygning af en plan), handling (udførelse via værktøjer og API'er) og til sidst refleksion (evaluering af resultatet og justering). Google Cloud beskriver en lignende løkke, opfattelse, beslutning, handling, med en tilbagekobling der fører til den næste opfattelse.

Fire byggesten gør denne løkke mulig:

• Planlægning: systemet nedbryder et diffust mål i en række konkrete trin og kan revidere planen, hvis et trin fejler.
• Brug af værktøjer: agenten kalder API'er, forespørger databaser, sender beskeder, i stedet for blot at beskrive, hvad der burde gøres.
• Hukommelse: kortsigtet for at holde tråden i en igangværende opgave, langsigtet for at huske konteksten af et projekt fra session til session.
• Autonomi, som ikke er alt eller intet: den spænder fra den simple assistent, der foreslår en handling til validering, til agenten der udfører og kun eskalerer de virkelig kritiske beslutninger.

Det er her, den reelle skillelinje i markedet i dag går: på den ene side de asynkrone autonome agenter, der modtager et grundlæggende mål, selv vælger deres rute for at nå det, kører kontinuerligt i deres eget udførelsesmiljø og kun involverer mennesket ved en præcis beslutning; på den anden side de udløste agent-workflows, bygget på værktøjer som Make, n8n, Zapier, Lindy, Copilot Studio eller Agentforce, hvor en trigger igangsætter en stort set foruddefineret sekvens af trin. Begge kategorier er legitime og opfylder forskellige behov, det handler ikke om, hvilket værktøj der er bedst eller dårligst, men om hvilken granularitet af autonomi du søger.

Konkret eksempel fra Atako

Hos Atako kører en agent, som en virksomhed opretter, i sit eget isolerede udførelsesmiljø, ikke i en delt pool af workers. Denne vedholdenhed ændrer alt: agentens hukommelse, filer og planlagte opgaver overlever dens pauser og genstarter, præcis det man forventer af et system, der forfølger et mål over tid frem for at svare én gang og så glemme alt.

Konkret modtager en og samme AI-agent sine henvendelser via fire kanaler, der alle fodrer den samme hukommelse: chat, e-mail, webhooks og cron. Cron-kanalen illustrerer godt den agentiske logik: den planlagte opgave bliver ikke sat op i en formular af et menneske, den oprettes af agenten selv, når den beslutter, at et regelmæssigt tjek er en del af dens plan for at nå målet. Ved komplekse delopgaver kan agenten også uddelegere til en midlertidig underagent, hvis arbejde vises som trin i dens egen aktivitetstidslinje.

Denne autonomi forbliver rammesat. Hvert tool call går gennem et eksplicit grant (agent, forbindelse, præcis handling, omfang af læse- eller læse-skriveadgang), afvist som standard indtil det er givet. En use case som CI-triage og incident response viser denne funktion i praksis: agenten overvåger en pipeline, krydstjekker fejlen med de seneste commits, notificerer teamet og udarbejder en rapport, flere trin kædet sammen mod et mål, med menneskelige kontrolpunkter bevaret dér, hvor det tæller.

Almindelige fejl

Den mest almindelige forveksling er at kalde ethvert værktøj, der svarer intelligent på en prompt, for "agentisk". En god chatbot, der opsummerer et dokument, er ikke agentisk, hvis den ikke planlægger noget og ikke handler på noget uden for samtalen. Omvendt er en rækkefølge af faste regler, der er automatiseret fra start til slut, heller ikke agentisk i fuld forstand, selv hvis den kører uden supervision: den mangler beslutningen.

Anden fejl er at tro, at autonomi er en simpel kontakt, alt eller intet. I praksis er det en skala: et system kan planlægge sine handlinger og foreslå en validering før hver følsom udførelse, eller gå meget længere og kun eskalere de kritiske beslutninger. At forveksle de to yderpunkter fører enten til at undervurdere et reelt autonomt system eller til at oversælge en simpel copilot, som om den handlede alene.

Tredje faldgrube er at tro, at "agentisk" og "generativ" står i modsætning til hinanden. I virkeligheden overlapper de to begreber i høj grad og fungerer ofte sammen, som IBM påpeger: den generative model fungerer som ræsonnementsmotor inde i det agentiske system. Se den detaljerede sammenligning på siden Generativ AI vs. agentisk AI.

Lær mere

Vil du dykke ned i skellet til simple generative modeller, uddyber siden Generativ AI vs. agentisk AI, hvor den ene slutter, og den anden begynder, med samme omhu for ikke at stille de to unødigt op mod hinanden. Vores blogartikel om emnet, Generativ AI vs. autonome agenter, de reelle forskelle, tager samme vinkel med bredere eksempler end Atakos egne. Den samlede ordliste dækker de øvrige beslægtede begreber, som agentorkestrering eller autonom AI-agent, for at placere agentisk AI i det samlede ordforråd på området.