Agentisk AI (agentic AI) er AI, der arbejder hen imod et mål i stedet for at besvare ét spørgsmål. Du fortæller, hvad du vil have gjort. Den finder de oplysninger, den har brug for, beslutter trinene, bruger dine værktøjer (e-mail, dokumenter, CRM), tjekker sit eget arbejde og fortsætter, indtil opgaven er løst, eller den har brug for dig.
En chatassistent svarer og venter. Et agentisk system tager selv det næste skridt.
Én ting fortæller ordet dig ikke: om arbejdet er rigtigt, eller hvad systemet har lov til at røre ved. Det er to separate spørgsmål. Når de blandes sammen, opstår det meste af forvirringen om agentisk AI, så denne guide holder dem adskilt.
Hvad "agentisk" betyder
"Agentisk" (engelsk: agentic) kommer af agency: evnen til at handle på egen hånd for at nå et mål. Merriam-Webster opfører nu ordet som et trendord med betydningen "able to accomplish results with autonomy, used especially in reference to artificial intelligence" (dansk oversættelse: i stand til at opnå resultater selvstændigt, især brugt om kunstig intelligens), som AP skrev i november 2025.
Den mest brugbare måde at tænke på det: agentisk er en skala, ikke en ja-eller-nej-etiket. En artikel fra OpenAI fra 2023, Practices for Governing Agentic AI Systems, beskriver det som, hvor langt et system kan nå et svært mål i et rodet miljø, uden at nogen holder øje med hvert trin. Nogle værktøjer er lidt agentiske. De vælger et værktøj, når de bliver bedt om det. Andre er meget agentiske. De kan klare en lang opgave i mange trin med få tjek undervejs.
Så når et produkt kalder sig "agentisk", er det egentlige spørgsmål: hvor meget af opgaven klarer det faktisk selv?
Sådan virker agentisk AI
De fleste agentiske systemer kører på den samme slags AI-model som en chatbot. Forskellen er opsætningen omkring modellen. I stedet for at give ét svar arbejder modellen i en løkke.
Andrew Ng, som var med til at gøre begrebet populært, forklarede forskellen i et foredrag i 2024. At bruge en chatbot på den normale måde er som at bede nogen skrive et essay i ét hug, fra start til slut, uden nogensinde at trykke på slettetasten. En agentisk opsætning lader AI'en lave en disposition, researche, skrive et udkast, læse det igennem og rette det. Det er også sådan, mennesker skriver.
Den agentiske løkke tjekker tilladelse, før den handler. Efter hver handling afleverer den færdigt arbejde, går tilbage og planlægger næste trin eller holder pause for at få hjælp.
Her er løkken i klart sprog:
- Du sætter målet. Sig, hvad du vil have, og hvordan "færdig" ser ud. "Forbered mig til torsdagens fornyelsesmøde" er et mål. "Kig på denne kunde" er ikke.
- Den indsamler kontekst. Den læser det, opgaven afhænger af: de seneste e-mails, mødenoter, kundens post i CRM'et. Dette trin afgør det meste af kvaliteten. En god plan bygget på forkerte oplysninger er stadig forkert.
- Den planlægger. Den deler målet op i mindre trin.
- Den handler. Den bruger de værktøjer, den har adgang til: søger i indbakken, åbner dokumentet, skriver et udkast til e-mailen.
- Den tjekker. Den ser på, hvad der faktisk skete, ikke hvad den forventede. Hvis CRM'et ikke har nogen noter fra opkald, kigger den i det delte drev i stedet.
- Den afleverer arbejdet, eller stopper og spørger. Enten får du noget at gennemgå, eller også holder den pause, fordi der mangler adgang, målet er uklart, eller næste trin kræver dit OK.
Trin 6 rummer et valg, som mange springer over: hvilken form resultatet får. Den samme research kan blive til en besked på to linjer, et dokument, som andre kan kommentere, eller et kort slidedeck til et møde. Et rigtigt svar i det forkerte format betyder stadig, at en anden skal lave arbejdet om.
Agentisk AI vs. generativ AI vs. automatisering
De tre bliver ofte blandet sammen, så her er den korte version:
- Generativ AI skaber indhold, når du beder om det: tekst, billeder, kode. Så stopper den.
- Regelbaseret automatisering følger trin, som nogen har sat op på forhånd: "når der kommer en formular ind, så tilføj en række og send en e-mail." Hurtig og forudsigelig. Den går i stykker, når noget ikke passer til reglen.
- Agentisk AI bruger generativ AI inde i en løkke. Den beslutter selv næste trin, bruger værktøjer og tjekker resultatet.
Den nemmeste måde at skelne dem fra hinanden på er at spørge, hvem der beslutter næste trin. Med automatisering har nogen besluttet hvert trin på forhånd. Med en chatassistent beslutter du efter hvert svar. Med agentisk AI beslutter systemet, med kurs mod dit mål og inden for de grænser, du sætter.
Hvis du hellere vil se en video, dækker denne korte forklaring det samme skel godt:
YouTube · IBM Technology
Generative vs Agentic AI: Shaping the Future of AI Collaboration · 21. april 2025
En forklaring på syv minutter fra Martin Keen om, hvorfor generativ AI venter på din prompt, mens agentisk AI bliver ved med at arbejde hen imod et mål.
Du vil også høre ordet "AI-agent" brugt om den samme idé. Groft sagt: en AI-agent er det, der udfører arbejdet, og "agentisk" beskriver, hvordan det arbejder.
Tre separate spørgsmål: handlefrihed, pålidelighed, tilladelse
Når folk hører "mere agentisk", hører de ofte "bedre" eller "mere automatisk". Det er ingen af delene. Der gemmer sig tre forskellige spørgsmål i ordet:
- Handlefrihed (agency): hvor meget beslutter den selv?
- Pålidelighed: hvor ofte er resultatet rigtigt?
- Tilladelse: hvad må den røre ved?
"Agentisk" beskriver kun det første spørgsmål.
Mere handlefrihed betyder ikke mere pålidelighed. Hvert trin bygger på det forrige. Én forkert antagelse tidligt i forløbet kan ende i en poleret, selvsikker og forkert rapport. Selv folk, der bygger disse systemer til daglig, siger, at netop denne del er svær:
YouTube · LangChain
The Future of AI Agents with Andrew Ng | Interrupt 26 · 17. juni 2026
Ng: "building agentic workflows is hard." Han forklarer, at det kræver ægte forretningsindsigt og løbende test at gøre dem pålidelige.
Dansk oversættelse: Det er svært at bygge agentiske workflows.
Mere handlefrihed kræver ikke flere tilladelser. En AI kan udføre meget arbejde på egen hånd (læse, sammenligne, skrive udkast) og samtidig kun have lov til at gøre meget lidt, der forlader teamet. I samme foredrag påpeger Ng, at de fleste virksomheders tilladelser blev sat op til mennesker, ikke til AI (28:50), så det er værd at tage stilling til med vilje. Erfarne brugere holder det ofte stramt:
X · Simon Willison / @simonw · 23. oktober 2026
"I don't let my agents have production access to modify deployed services"
Dansk oversættelse: Jeg giver ikke mine agenter adgang til produktionsmiljøet, så de kan ændre tjenester, der er i drift.
Willison er en kendt softwareudvikler, og han talte om kodeagenter i en svartråd. I en forretningssammenhæng er idéen den samme: lad AI'en læse og skrive udkast frit, og lad "send", "betal", "udgiv" og "slet" blive hos et menneske, indtil du stoler på den til netop den opgave.
Et konkret eksempel: forberedelse til et fornyelsesmøde
Sådan ser det ud på en realistisk type opgave. Kunden, personerne og detaljerne nedenfor er opdigtede for at vise, hvordan trinene hænger sammen. Det er ikke et kunderesultat.
Opgaven. En account manager siger til Okou, den AI-kollega vi bygger: "Forbered mig til torsdagens fornyelsesmøde med Northwind, og skriv et udkast til den opfølgning, jeg sender bagefter." Okou kan læse hendes Gmail, det delte drev og CRM'et og kan oprette kladder i Gmail. Okou kan ikke sende e-mails eller ændre poster i CRM'et.
Konteksten ændrer planen. Ifølge CRM'et har kunden det godt, og der står en mersalgsmulighed. Men i e-mailtråden finder Okou en besked fra for tre uger siden: kundens driftsansvarlige skriver, at en lovet integration er forsinket, og beder om en ny dato. Ingen har svaret. Den ene e-mail ændrer hele mødet. Briefet åbner nu med det løfte, der ikke blev holdt, ikke med mersalget.
Det er netop den pointe, mange i branchen bliver ved med at fremhæve lige nu:
X · Aaron Levie / @levie · 6. november 2026
"Every AI agent deployment comes down to how successfully they can get access to the critical context to make a decision"
Dansk oversættelse: Enhver udrulning af AI-agenter afhænger af, hvor godt de kan få adgang til den kritiske kontekst, der skal til for at træffe en beslutning.
Levie leder Box, en virksomhed, der opbevarer forretningsdokumenter, så han har en egeninteresse i det synspunkt. Men fornyelseseksemplet viser, hvorfor det holder: AI'en kunne kun opdage problemet, fordi den kunne læse e-mailen.
Hvad der kommer tilbage, i den rette form til hver person.
- Til account manageren: et brief på én side, der skal læses før mødet (hvad der blev aftalt, hvad der har ændret sig, tre spørgsmål, der skal afklares).
- Til kunden: intet endnu, kun en Gmail-kladde, der venter på gennemsyn.
- Til teamet: et kort forslag til en note i CRM'et, som venter på, at en person godkender den.
Sådan ser en kladde, der venter på gennemsyn, ud i Okou (et andet opdigtet eksempel):
En rigtig Okou-kladde, der venter på gennemsyn: Gmail-kortet siger Draft, og det er personen, der skal trykke på Send. Modtager og indhold er fiktive demodata. Åbn skærmbilledet i fuld størrelse.
Personen beslutter, og bagefter genbruger teamet metoden. Account manageren beder i samme chat om at gøre indledningen blødere og fjerne en linje om pris. Okou har stadig den tidligere samtale, så Okou retter kladden uden at skulle briefes igen. Hun sender selv e-mailen og godkender noten i CRM'et.
Bagefter gemmer teamet metoden som et delt workflow (en gemt, genbrugelig måde at løse en opgave på): hvilke kilder der skal tjekkes, hvordan briefet ser ud, og reglen om, at opfølgninger forbliver kladder. Den næste account manager kører det på sine egne kunder med sin egen adgang. Hvis det skal køre hver mandag for de kommende fornyelser, tilføjer man en automatisering (en tidsplan eller en udløser, der starter workflowet).
To ting er værd at vide. En ny chat ser ikke automatisk en gammel chat; du henviser til den, hvis den er vigtig. Og når du deler et workflow, deler du metoden, ikke nogens indbakke eller login. Okous dokumentation forklarer begge dele: hvordan chatkontekst fungerer og hvad et team deler.
Hvornår agentisk AI hjælper, og hvornår den ikke gør
Agentisk AI passer til arbejde som fornyelsesmødet: flere trin, mere end ét værktøj, en vis vurdering undervejs og et resultat, som nogen kan tjekke. For eksempel:
- Drift: "Saml det, hvert team har leveret i denne uge, markér alt, der er blokeret, og post et overblik hver mandag."
- Marketing: "Sammenlign sidste måneds kampagneresultater med briefet, og skriv et udkast til de næste skridt til gennemsyn."
- Salg: "Vurdér denne uges indgående leads op imod vores ideelle kunde, og fortæl mig, hvem jeg skal ringe til, med begrundelser."
- Customer success: "Gruppér denne måneds supportsager efter årsag, og skriv udkast til opdateringer til de tre kunder med flest åbne sager."
Flere eksempler fordelt på teams: use cases for AI-agenter.
Det er det forkerte værktøj, når en opgave følger nøjagtig de samme trin hver gang (brug almindelig automatisering, det er billigere), eller når du kun har brug for ét svar (brug en chatassistent).
Analytikere har advaret mod overforbrug i et stykke tid. I juni 2025 forudsagde Gartner, at over 40 % af alle agentiske AI-projekter vil blive droppet inden udgangen af 2027 på grund af omkostninger, uklar værdi eller svag risikostyring. Det er en prognose, ikke et målt resultat. I juli 2026 kom Gartner med en beslægtet forudsigelse for salgsteams: i 2028 vil der være ti AI-agenter for hver sælger, men færre end 40 % af sælgerne vil sige, at agenterne har gjort dem mere produktive. Samme lære: flere agenter betyder ikke automatisk bedre arbejde.
Én vane, der skal ændres: agentisk arbejde kan tage minutter, ikke sekunder. Giv et klart mål, og bedøm så resultatet, ligesom du ville gøre med en kollega.
Sådan bevarer du kontrollen
Det nyttige spørgsmål er ikke "hvor autonom er den?" Det er "hvilke beslutninger træffer den, og hvilke kommer tilbage til mig?" Du bevarer kontrollen tre steder.
Hvad den kan nå. Giv kun adgang til det, opgaven kræver. I Okou giver du adgang ét værktøj og én handling ad gangen og vælger, hvor længe adgangen gælder. Okou kan altså have lov til at skrive en Gmail-kladde uden at have lov til at sende den. Se tilladelser i Okou.
Hvad der kræver dit OK. Risikable handlinger bør vente på et menneske. Når Okou har brug for en ny tilladelse, ser du præcis, hvad der bliver bedt om, før noget bliver givet:
En rigtig tilladelsesanmodning i Okou. Personen ser værktøjet, handlingen, hvor den gælder, og hvor længe den varer (1 time, 24 timer, 7 dage eller altid), før der bekræftes. Åbn skærmbilledet i fuld størrelse.
Hvad du gennemgår. Arbejdet skal komme tilbage som noget, du kan læse og ændre, med en oversigt over, hvad AI'en har gjort.
Er "et menneske i løkken" nok?
Ikke i sig selv, og det er et af de mere brugbare argumenter i debatten lige nu.
YouTube · IBM Technology
Human in the Loop Is Not a Governance Strategy for Agentic AI · 11. oktober 2026
Phaedra Boinodiris: "a human reviewed it is not the same as the system is governed." På fire minutter gennemgår hun, hvad en person, der gennemgår arbejdet, faktisk har brug for.
Dansk oversættelse: At et menneske har gennemgået det, er ikke det samme som, at systemet er under kontrol.
Hendes tjekliste i korte træk: den, der gennemgår, skal kunne se ræsonnementet, have magt til at stoppe det, vide, hvordan et godt resultat ser ud, og kunne sende rettelser tilbage.
Der er også et andet, mere stille problem: AI'en kan påvirke, hvad den, der gennemgår, tænker.
X · Ethan Mollick / @emollick · 27. oktober 2026
"experts working with AI agents are swayed by the positions of the AI, even if they think they are working independently"
Dansk oversættelse: Eksperter, der arbejder med AI-agenter, bliver påvirket af AI'ens holdninger, selv når de tror, at de arbejder uafhængigt.
Mollick, professor ved Wharton og forsker i AI på arbejdspladsen, opsummerede et studie, som han linkede til. Vi har ikke selv gennemgået studiet, så tag det som hans tolkning. Hans råd er alligevel praktisk: hvis din egen vurdering betyder noget, så beslut dig, før du ser på AI'ens udkast. Ved fornyelsesmødet betyder det, at account manageren beslutter, hvad mødet skal opnå, før hun læser Okous brief.
Folk ser allerede deres rolle ændre sig i den retning. I Microsofts Work Trend Index 2026 (udgivet i maj 2026; 20.000 medarbejdere, der bruger AI, i 10 lande) svarede 86 %, at de behandler AI-output som et udgangspunkt, ikke et endeligt svar. Det er, hvad folk selv fortæller, ikke et mål for kvalitet, men det peger i samme retning.
Et gennemsyn er altså reelt, når:
- Du kan se arbejdet bag resultatet: kilder, trin og hvad der blev ændret.
- Du kan stoppe eller ændre det: redigere kladden, afvise tilladelsen.
- Du ved, hvordan godt ser ud: et format til briefet, en tone, en regel som "opfølgninger forbliver kladder".
- Rettelser går ikke tabt: hvis du laver den samme rettelse hver uge, så skriv den ind i workflowet. I Okou sker det kun, når nogen opdaterer workflowet; en rettelse i én chat bliver ikke i det stille til en regel for hele teamet.
Mere om godkendelser i praksis: hvorfor din virksomhed skal have det sidste ord over AI-handlinger.
Spørgsmål, du bør stille, før du overlader arbejde til agentisk AI
- Kan jeg bare beskrive resultatet? Eller skal jeg forklare hvert eneste trin?
- Kan den læse det, opgaven afhænger af? Og fortæller den mig, hvad den ikke kunne finde?
- Kan jeg begrænse, hvad den gør? Kun læse, eller skrive udkast uden at sende?
- Hvad sker der, når den sidder fast? Spørger den, eller gætter den?
- Kan jeg se, hvad den har gjort? Kilder, trin, ændringer.
- Kan mit team genbruge et godt resultat? Med deres egen adgang?
Hvis et produkt ikke kan svare på disse spørgsmål, fortæller ordet "agentisk" dig ikke ret meget.
Sådan ser det ud med Okou
Okou er en AI-kollega for forretningsteams. Du giver Okou en opgave, ligesom du ville briefe en kollega. Okou samler det, opgaven kræver, fra dine forbundne værktøjer, arbejder sig igennem den i skyen (arbejdet fortsætter, selv hvis du lukker din bærbare) og afleverer noget, du kan gennemgå, i den form, der passer til den næste læser: en hurtig besked, et dokument, en webside, et slidedeck eller en kladde. Gode metoder bliver til delte workflows, og automatiseringer kører dem efter en tidsplan.
Med denne guides begreber: Okou skruer op for handlefriheden, når det gælder om at finde kontekst og klare benarbejdet, og holder tilladelserne der, hvor dit team sætter dem. Læs mere i Hvad er Okou, eller kom gratis i gang.
Ofte stillede spørgsmål
Hvad er agentisk AI forklaret enkelt?
AI, der arbejder hen imod et mål i trin. Du siger, hvad du vil have; den finder oplysningerne, bruger dine værktøjer, tjekker sit arbejde og fortsætter, indtil opgaven er løst, eller den har brug for dig. En chatbot svarer én gang og venter.
Hvad er forskellen på generativ AI og agentisk AI?
Generativ AI laver indhold, når den bliver bedt om det, og stopper så. Agentisk AI bruger den evne i en løkke: den beslutter næste trin, bruger andre værktøjer og tjekker, om målet er nået. At skrive en salgsmail er generativt. At læse kundens historik, skrive et udkast til mailen og foreslå en opdatering i CRM'et til din godkendelse er agentisk.
Hvad er forskellen på konversationel AI og agentisk AI?
Konversationel AI er bygget til at føre en samtale: du spørger, den svarer, du beslutter, hvad der skal ske. Agentisk AI er bygget til at få arbejde gjort: du sætter målet, den vælger og udfører trinene. Mange produkter gør begge dele, med en chat ovenpå og en agentisk løkke nedenunder.
Hvad er risiciene ved agentisk AI?
De kommer mest fra handling, ikke fra samtale. Fejl kan hobe sig op hen over trinene. Den kan handle på forkerte eller manglende oplysninger. Brede tilladelser kan lade en fejl nå ud til kunder eller penge. Omkostningerne kan stige, fordi hver opgave kræver mange trin. Begræns adgangen, lad et menneske godkende risikable handlinger, og gennemgå resultatet.
Hvilke typer opgaver er agentisk AI bedst til?
Opgaver med flere trin, mere end ét værktøj, en vis vurdering og et resultat, du kan tjekke: mødeforberedelse, ugentlige rapporter, research, der ender i et udkast, sortering af leads eller supportsager. Til de samme faste trin hver gang skal du bruge almindelig automatisering. Til ét enkelt spørgsmål skal du bruge en chatassistent.
Er mere agentisk AI altid bedre?
Nej. Mere handlefrihed betyder, at den beslutter mere på egen hånd. Det gør ikke beslutningerne mere præcise, og den bestemmer ikke selv, hvad den bør have lov til. Til det meste forretningsarbejde er den bedste opsætning en AI, der klarer research og udkast, og et menneske, der godkender det, der forlader teamet.
