Agentic AI

Hvad er agentic AI?

Agentic AI er AI-systemer der kan handle selvstændigt. De planlægger, træffer beslutninger, bruger værktøjer og udfører opgaver over flere trin uden at kræve konstant menneskelig styring. Det er springet fra AI som et spørgsmål-svar-værktøj til AI som en selvstændig aktør der kan løse komplekse opgaver.

Hvordan ser det ud i praksis? I Anatomien i en AI-agent går jeg gennem de dele, jeg bruger til én fast opgave.

Forskellen er fundamental. Traditionel AI (som en ChatGPT-samtale) er reaktiv: du stiller et spørgsmål, du får et svar. Agentic AI er proaktiv: du giver den et mål (“undersøg denne bug og fix den”), og den planlægger selv de nødvendige trin, udfører dem, evaluerer resultaterne og justerer sin tilgang undervejs.

Agentic AI har været det centrale begreb i AI-industrien siden 2024. Alle store AI-virksomheder (Anthropic, OpenAI, Google, Microsoft) investerer massivt i at gøre deres modeller mere agentiske.

Hvad gør AI agentisk?

1. Planlægning. Agenten kan dekomponere et komplekst mål i en sekvens af deltrin. “Book en rejse” bliver til: søg flybilletter → sammenlign priser → vælg den bedste → udfyld booking-formular.
2. Ræsonnement. Agenten tænker over sine handlinger: “Denne tilgang virker ikke. Lad mig prøve en anden.”
3. Værktøjsbrug. Agenten kan bruge eksterne værktøjer: søge på nettet, køre kode, læse filer, kalde API’er, sende emails.
4. Hukommelse. Agenten husker hvad den har gjort og lært i løbet af opgaven, og bruger den viden i efterfølgende trin.
5. Autonomi. Agenten kan handle uden at bede om godkendelse for hvert enkelt trin, inden for definerede grænser.
6. Fejlhåndtering. Agenten kan opdage fejl, diagnosticere dem og prøve alternative tilgange.

Agentic AI vs. traditionel AI

1. Interaktionsmodel. Traditionel AI: spørgsmål → svar. Agentic AI: mål → plan → handling → evaluering → justering → resultat.
2. Antal trin. Traditionel AI giver ét svar. Agentic AI kan udføre 10, 50 eller 100 trin for at nå et mål.
3. Værktøjsbrug. Traditionel AI genererer kun tekst. Agentic AI bruger værktøjer til at interagere med den virkelige verden.
4. Autonomi. Traditionel AI venter på dit næste prompt. Agentic AI kører selvstændigt til opgaven er løst.

Agentic AI i praksis

1. Kodning. Claude Code, GitHub Copilot Coding Agent og Cursor kan selvstændigt undersøge en kodebase, planlægge en implementation, skrive kode, køre tests og iterere på fejl.
2. Research. AI-agenter kan autonomt søge information fra mange kilder, syntetisere fund og producere research-rapporter.
3. Kundesupport. Agenter der ikke bare svarer på spørgsmål men aktivt løser problemer: slår ordrer op, udsteder returneringer, eskalerer til mennesker når nødvendigt.
4. Data-analyse. Agenter der modtager et datasæt og selvstændigt udforsker det, genererer visualiseringer og producerer indsigter.
5. Workflow-automatisering. Agenter der orkestrerer komplekse forretningsprocesser på tværs af flere systemer og API’er.

Grader af autonomi

Agentic AI er ikke binært. Det er et spektrum:

1. Copilot. AI foreslår, mennesket beslutter. Lav autonomi. (GitHub Copilot code suggestions)
2. Semi-autonom. AI handler selvstændigt men beder om godkendelse ved vigtige beslutninger. (Claude Code med human-in-the-loop)
3. Fuld autonom. AI handler helt selvstændigt inden for definerede grænser. (Automatiserede trading-bots, CI/CD pipelines)

De fleste nuværende agentic AI-systemer opererer i den semi-autonome zone. De kan handle selvstændigt men har guardrails og menneskelig overvågning.

Læs hos kilden

Anthropic om agenter og workflows.