Ordlista
Ordlista för agentisk AI
Alla begrepp inom agentisk AI har inte en fast definition. Den här ordlistan förklarar dem ett i taget, med källor som har bred konsensus.
Den här ordlistan samlar de begrepp som dyker upp oftast när man pratar om AI-agenter: autonom agent, multiagentorkestrering, MCP, RAG, tool calling, BYOK, human-in-the-loop, observerbarhet samt skyddsräcken och styrning. Vissa kommer från akademisk forskning, andra från de stora modellleverantörernas tekniska dokumentation, ytterligare andra från nya regleringsramverk. Ordförrådet inom området rör sig snabbt, och samma ord används ibland på olika sätt beroende på leverantör.
Varje sida utgår från samma princip: först undersöka vad de mest tongivande källorna säger om ämnet (officiell dokumentation, grundläggande forskningsartikel, reglerande text), flagga när två seriösa källor inte berättar exakt samma sak, och sedan förklara begreppet på ett enkelt sätt, med ett konkret exempel snarare än en abstrakt definition. När det är relevant utgår exemplet från hur en autonom AI-agent på Atako faktiskt fungerar, utan att hitta på något som inte är dokumenterat.
Tanken är inte att ersätta en ordboksdefinition, utan att ge tillräckligt för att förstå ett begrepp snabbt nog för att fortsätta läsningen någon annanstans, oavsett om det är en teknisk artikel, en produktdokumentation eller ett samtal med ett team. Varje sida länkar också vidare till näraliggande begrepp, så att man kan navigera mellan olika begrepp utan att tappa tråden.
Alla begrepp
Agentisk AI: definition, funktion och exempel
Agentisk AI är paradigmet för AI-system som uppfattar sin omgivning, planerar en följd av åtgärder och utför dem med verktyg, med sikte på ett mål över flera steg i stället för att bara svara en gång på en enskild förfrågan, med begränsad men justerbar mänsklig tillsyn.
Agentorkestrering: definition, funktion och användningsfall
Agentorkestrering beskriver koordinationen av flera AI-agenter eller underagenter inom samma system: fördelning av uppgifter, sekvensering av steg, tillsyn av utförandet och sammanställning av resultat. En orkestrerare, centraliserad eller distribuerad, avgör vilken agent som agerar, när, och hur resultaten kombineras.
AI-agent: definition, funktion och exempel
En AI-agent är ett program som uppfattar sin omgivning, beslutar om en åtgärd och utför den, ensamt eller via externa verktyg, för att nå ett mål. Den skiljer sig från en klassisk chattbot genom förmågan att länka samman flera steg och agera, med en autonominivå som varierar mellan plattformar.
Autonom AI-agent: definition och skillnad mot ett workflow
En autonom AI-agent driver ett långsiktigt mål, väljer själv kedjan av åtgärder för att nå det, och körs kontinuerligt i sin egen miljö i stället för att väckas för en enskild förfrågan. Den involverar en människa bara för specifika beslut, till skillnad från ett workflow som triggas av en enstaka händelse.
BYOK: driva en AI-agent med din egen API-nyckel
BYOK (Bring Your Own Key) är ett alternativ som gör det möjligt att driva en AI-agent eller ett AI-verktyg med en personlig API-nyckel från en modelleverantör (OpenAI, Anthropic, Mistral AI), i stället för med den åtkomst som ingår i abonnemanget. Faktureringen av modellen går då direkt via leverantörens konto, utanför plattformens paket.
Generativ AI vs agentisk AI: vad är skillnaden?
Generativ AI producerar innehåll (text, bild, kod) som svar på en enskild förfrågan. Agentisk AI planerar en följd av åtgärder och utför dem med verktyg för att nå ett mål över flera steg. Den andra använder oftast den första som intern resonemangsmotor.
Human-in-the-loop: att behålla en människa i loopen hos en AI-agent
Human-in-the-loop (människa i loopen) är en designprincip där en person behåller befogenheten att validera, korrigera eller blockera ett beslut eller en åtgärd som genererats av en AI, vid en exakt punkt i processen, innan den får verklig effekt. Det är en kontrollmekanism, inte en kontinuerlig övervakning av varje steg.
MCP (Model Context Protocol): definition, funktion och exempel
MCP (Model Context Protocol) är ett öppet protokoll, skapat av Anthropic i slutet av 2024, som standardiserar hur en modell eller AI-agent kopplas till datakällor och externa verktyg. Det ersätter skräddarsydda integrationer, en per verktyg, med ett gemensamt språk mellan AI-applikationer och tredjepartssystem.
Multiagentsystem: definition, funktion och exempel
Ett multiagentsystem samlar flera autonoma AI-agenter som arbetar tillsammans på samma komplexa uppgift. Varje agent har en specialiserad roll, utbyter information med de andra och fattar egna beslut. Den här fördelningen av arbetet gör det möjligt att hantera workflows som en enskild agent inte klarar effektivt på egen hand.
Observerbarhet för AI-agenter: se vad en agent gör i realtid
Observerbarhet för agenter är förmågan att i detalj följa en AI-agents aktivitet: dess verktygsanrop, beslut och fel, med ursprung och resultat, vanligtvis via loggar, en händelsetidslinje eller spårningar (traces). Det gör det möjligt att förstå varför en agent agerade som den gjorde och att upptäcka ett problem innan det förvärras.
RAG (Retrieval-Augmented Generation): definition och funktion
RAG (Retrieval-Augmented Generation) är en metod som kombinerar en dokumentsökmotor och en språkmodell: innan den svarar söker modellen efter relevanta avsnitt i en extern databas, och genererar sedan sitt svar utifrån dessa avsnitt. Det begränsar påhitt och gör det möjligt att använda aktuell eller intern företagsinformation.
Skyddsräcken och styrning för AI-agenter: definition och mekanismer
Skyddsräcken och styrning avser alla regler, behörigheter och kontroller som avgör vad en AI-agent har rätt att göra, före, under och efter att en åtgärd utförs. Det täcker behörigheter per åtgärd, mänsklig validering av känsliga beslut, granskning av det som hänt, och möjligheten att stänga av åtkomsten när som helst.
Tool calling: hur en AI-agent anropar externa verktyg
Tool calling (verktygsanrop, även kallat function calling) är en språkmodells förmåga att identifiera att en förfrågan kräver en extern åtgärd, som att läsa en databas eller skicka ett meddelande, och att producera en strukturerad anropsbegäran med argument. En applikation utför sedan anropet och skickar tillbaka resultatet till modellen.
Vanliga frågor
Vad är en AI-agent, i en mening?
En AI-agent är ett system som körs kontinuerligt, fattar beslut och kan agera på verkliga verktyg för att nå ett mål, i stället för att bara svara på en fråga i en enskild konversation. Sajtens pelarsida går igenom definitionen mer i detalj och förklarar vad som skiljer en autonom agent från en vanlig konversationsassistent.
Vad är skillnaden mellan en AI-agent och klassisk generativ AI?
Klassisk generativ AI svarar på en enskild förfrågan utan minne eller förmåga att agera bortom den genererade texten. En AI-agent behåller ett minne mellan interaktionerna, kan anropa externa verktyg och fortsätter att arbeta efter det första svaret, tills målet är uppnått eller en människa griper in.
Uppdateras den här ordlistan regelbundet?
Ja, varje term visar datum för senaste uppdatering och bygger på referenskällor som anges längst ner på sidan, till exempel modellleverantörernas officiella dokumentation eller etablerade ramverk för AI-styrning. Ordförrådet inom området förändras snabbt, och definitionerna ses över löpande.
Läs härnäst
CTO på Atako
Det här innehållet skrevs av Atakos AI-agenter och granskades, korrigerades och godkändes sedan av Romain Laodicina, CTO för Atako.