En KI-agent er programvare som tar imot et mål, finner ut hvilke steg som trengs, bruker verktøyene dine til å gjennomføre dem, sjekker resultatene og fortsetter til jobben er gjort eller til den trenger at du tar en avgjørelse. En chatbot svarer på spørsmålet ditt. En agent prøver å gjøre ferdig jobben.
Det er det korte svaret. Problemet er at «agent» nå står på nesten alle KI-produkter, så merkelappen alene forteller deg veldig lite. Så hva er en KI-agent i praksis? Denne guiden følger én ekte arbeidsoppgave fra start til slutt, slik at du ser hva en agent gjør i hvert steg, hvor den trenger deg, og hvordan du skiller en ekte agent fra en chatbot med nytt navn.
Hva er en KI-agent?
En KI-agent er et KI-system du gir et mål i stedet for ett enkelt spørsmål. Den bestemmer hva den skal gjøre videre, gjør det i verktøyene dine, ser på hva som skjedde, og justerer kursen.
Ordet «agent» er gammelt. En klassisk lærebok i kunstig intelligens, Artificial Intelligence: A Modern Approach (første gang utgitt i 1995), beskriver en agent som alt som oppfatter omgivelsene sine og handler ut fra dem. Etter den definisjonen er en termostat en agent.
Det nye er hjernen. Dagens agenter bruker en stor språkmodell (den typen KI som ligger bak ChatGPT og Claude) til å bestemme neste steg. En forskningsartikkel fra 2022 som heter ReAct, viste et enkelt mønster som fikk dette til å fungere bedre: tenk, handle, se på resultatet, tenk igjen. De fleste agentprodukter i dag følger en eller annen variant av den sløyfen.
Ulike selskaper bruker ulike definisjoner. AWS sier det enkelt: "Humans set goals, but an AI agent independently chooses the best actions it needs to perform to achieve those goals." (Mennesker setter målene, men en KI-agent velger selv de beste handlingene for å nå dem.) LangChain legger til et nyttig poeng: selvstendighet er en skala, ikke et ja eller nei. Noen agenter følger en vei som et menneske har staket ut. Andre planlegger, handler og endrer kurs på egen hånd. De fleste nyttige agentene for bedrifter ligger et sted midt imellom. De gjør grovarbeidet og stopper opp for et menneske når det betyr noe.
Hvis du heller vil se enn lese, dekker IBMs korte forklaringsvideo det grunnleggende godt. Den er fra 2024, så se på den som en innføring i selve ideen, ikke et bilde av dagens produkter.
YouTube · IBM Technology
What are AI Agents? · 15. juli 2024
En 12 minutter lang forklaring på tavle. Maya Murad viser hvorfor en modell alene svarer feil på et enkelt spørsmål om feriedager, og hvordan det løser seg når modellen får en plan, verktøy og hukommelse. Mot slutten beskriver hun "a sliding scale of AI autonomy" (en glidende skala for hvor selvstendig KI er).
En rask test for ethvert produkt som kaller seg en agent: Velger det neste steg selv? Kan det handle i verktøyene dine, ikke bare skrive tekst? Sjekker det sitt eget arbeid før det leverer tilbake? Jo flere ja, desto mer agent.
Slik fungerer KI-agenter: fem deler, én oppgave
Her er oppgaven vi skal følge. Det er et eksempel laget i Okous demo-arbeidsområde med oppdiktede data, ikke en kundehistorie.
Du leder markedsføringen i et lite programvareselskap. Du vil samarbeide med noen innholdsskapere som lærer bort praktiske KI-arbeidsflyter til driftsteam. Du skriver:
Finn fem innholdsskapere som når driftsledere og passer til produktet vårt. Legg dem inn i partneroversikten vår med lenker og begrunnelse for hvorfor de passer. Skriv et utkast til en første e-post til hver av dem, og la utkastene ligge til jeg har gått gjennom dem.
En chatbot ville gitt deg noen navn fra hukommelsen og en mal for e-post. En agent behandler dette som en jobb. For å gjøre den godt trenger den fem ting: et mål, kontekst, verktøy, en måte å handle og sjekke på, og tilbakemeldinger. Disse fem er vår måte å dele det opp på, ikke en offisiell standard, men hvis du kan se alle fem i en oppgave, kan du se hva agenten faktisk gjorde.
1. Et mål: hvordan «ferdig» ser ut
Målet er resultatet sagt med enkle ord: fem innholdsskapere, en utfylt oversikt, ett e-postutkast til hver. Et godt mål har også grenser. «La utkastene ligge til jeg har gått gjennom dem» er en grense. Det er også «lever færre enn fem hvis du ikke finner gode treff».
De fleste problemer starter her. Agenter fyller hull med gjetninger, så et vagt mål gir deg gjetninger. Si hva du vil ha, hvor det skal havne, og hvem som sjekker det.
2. Kontekst: hva agenten vet om situasjonen din
Kontekst er bakgrunnen en ny kollega ville trengt: produktbeskrivelsen, merkevareguiden, notater fra tidligere samarbeid og det du allerede har sagt i samtalen.
Kontekst endrer beslutningene, ikke bare ordlyden. I eksempelet vårt ber kampanjebeskrivelsen om innholdsskapere som lærer bort praktiske KI-arbeidsflyter, så de som bare lærer bort koding, blir valgt bort. Notatene om samarbeid sier at honorarer og vilkår ikke er avtalt ennå, så e-postene inviterer til en samtale i stedet for å oppgi en pris. Merkevareguiden ber om konkrete påstander, så hver e-post nevner skaperens faktiske arbeid i stedet for å rose det «fantastiske innholdet» deres.
Okou leser fem dokumenter fra en Drive-mappe du har gitt tilgang til, oppsummerer hva hvert av dem sier, og flagger et spørsmål som må avklares før noen kontaktes. Ekte Okou-app, oppdiktede dokumenter. Se i full størrelse
Kontekst har også grenser. I Okou husker en chat det som ble sagt i den chatten. En ny chat starter på nytt. Hvis diskusjonen fra forrige uke er viktig, viser du til den tidligere chatten eller legger ved beskrivelsen. Slik vet du alltid hva agenten jobbet ut fra.
3. Verktøy: hva agenten kan bruke og endre
Verktøy er måten en agent får ting gjort på. For denne oppgaven: søke på nettet etter innholdsskapere, åpne sidene deres for å sjekke nylig arbeid, legge til rader i et delt Google-regneark og lage utkast i Gmail.
Dette er den største forskjellen fra en chatbot. En chatbot kan beskrive en god oversikt. En agent med tilgang til regnearket ditt kan fylle den ut. Det er også der risikoen ligger, så vær bevisst på hvilken tilgang du gir.
Okous liste over apper du kan koble til, tatt 5. oktober 2026, med kontodetaljer sladdet. At en app står på listen, betyr ikke at en agent allerede kan bruke den. Se i full størrelse
I Okou kobler du til en konto, lar en agent bruke den og tillater deretter bestemte handlinger, for eksempel «lag et Gmail-utkast». Du kan tillate en handling i en time, en dag, en uke eller permanent (slik fungerer tillatelser). For denne oppgaven ville du tillatt lesing av Drive-mappen, skriving til oversikten og oppretting av utkast, men ikke sending. Hvis agenten trenger noe du ikke har tillatt, stopper Okou og spør.
4. Handling: jobb, sjekk, gjenta
Nå jobber agenten. Den kjører ikke et fast skript. Den tar et steg, ser på resultatet og bestemmer hva den skal gjøre videre.
I eksempelet vårt: Den søker etter innholdsskapere og åpner hver profil. Én har ikke publisert noe på et år, så agenten dropper vedkommende og søker på nytt. En annen passer godt, men har ingen offentlig e-postadresse for forretningshenvendelser, så agenten noterer det som et åpent spørsmål i stedet for å gjette en adresse. Den legger hver bekreftede innholdsskaper inn i oversikten med lenker, og skriver så et e-postutkast som nevner det faktiske arbeidet deres.
Sjekk-steget er det som gjør dette til en agent. Et verktøy som kjører én gang og håper på det beste, er nærmere en knapp. I oppgaven vår er en enkel sjekk: «Har hver innholdsskaper i oversikten en kildelenke?» Hvis ikke, går agenten tilbake og finner en, eller dropper den skaperen.
Fordi denne sløyfen tar tid, kjører Okou den i skyen. Arbeidet fortsetter etter at du har lukket laptopen, og du kommer tilbake til resultatet.
Den samme oppgaven i seks steg. Gult er din del, blått er agentens arbeidssløyfe, grønt er det den leverer tilbake. Se i full størrelse
5. Tilbakemelding: fra arbeidet og fra deg
Tilbakemeldinger kommer fra to steder. Arbeidet gir motstand: Et søk finner ingenting, en side vil ikke lastes, publikummet til en innholdsskaper er et annet enn bioen tilsier. En god agent justerer seg selv.
Det andre stedet er deg. Hvordan en agent holder deg oppdatert, betyr like mye som hvor smart den er. En utvikler ga nylig den samme researchoppgaven til tre agentprodukter og delte hva som skjedde:
X · Kun Chen (@kunchenguid) · 5. oktober 2026
"it kept giving me updates about its progress, which was useful"
(Oversettelse: «den ga meg stadig oppdateringer om hvor langt den hadde kommet, og det var nyttig»)
I testen hans, slik vi leser den, hoppet den raskeste agenten over et krav han hadde stilt helt i starten. De som stilte spørsmål først og delte fremdriften, lot ham korrigere kursen tidlig. Han kaller det "a one-off experience" (en enkeltstående erfaring) som bør tas "with a grain of salt" (med en klype salt), og det er én persons mening, ikke en benchmark. Men det gir deg tre gode ting å se etter: Bekrefter agenten målet? Respekterer den grensene dine? Viser den arbeidet sitt mens det ennå er tid til å rette opp?
Hvordan agenten leverer arbeidet tilbake, betyr også noe. Ulike folk trenger ulike ting. I oppgaven vår får teamet ditt oversikten, hver innholdsskaper får et e-postutkast, og du får en kort liste over åpne spørsmål. Okou er laget for å velge formatet som passer den som skal lese.
Så går du gjennom resultatet. Du kan si «start e-posten til Mara med intervjuveiledningen hennes» eller «dropp den andre innholdsskaperen, vi jobber allerede med vedkommende». Agenten reviderer i samme chat. Og ingenting forlater selskapet før du sender det:
Okou legger igjen et Gmail-utkast og forklarer hvorfor forslaget passer. Du bestemmer om det skal sendes. Ekte Okou-app, oppdiktet innholdsskaper. Se i full størrelse
Etter oppgaven: gjør den gjenbrukbar
Her er noe de fleste forklaringer hopper over. Rettelsene dine forbedrer denne oppgaven, men de blir ikke automatisk teamets måte å gjøre det på. Hvis en kollega ber om kontakt med innholdsskapere neste måned i en ny chat, vet ikke agenten hva du rettet opp.
Så det siste steget er å bestemme hva som skal tas vare på. I Okou lagrer du metoden som en arbeidsflyt (workflow): stegene, referansedokumentene, utdataformatet og regelen «bare utkast, et menneske sender». En kollega kan så kjøre den samme metoden med sin egen Gmail og sine egne tillatelser. Når du deler en arbeidsflyt, deler du metoden, ikke innboksen eller chattene dine. Hvis du vil at den skal kjøre hver mandag, legger du til en automatisering (automation). Arbeidsflyten er metoden. Automatiseringen er tidsplanen.
Det er forskjellen på en agent som hjalp én gang, og en som gjorde teamet bedre til noe.
Når er en KI-agent riktig verktøy?
Ikke alle oppgaver trenger en agent. Hvis stegene alltid er de samme, er en enkel automatisering billigere og mer forutsigbar. Agenter gjør seg fortjent til plassen sin når oppgaven krever skjønn.
Barry Zhang fra Anthropic ga en tydelig sjekkliste i et foredrag i 2025. Hans første punkt: "don't build agents for everything" (ikke bygg agenter for alt) (0:52).
YouTube · AI Engineer
How We Build Effective Agents: Barry Zhang, Anthropic · 4. april 2025
Et 15 minutter langt foredrag fra en ingeniør i Anthropic. De første fem minuttene er en sjekkliste for å avgjøre om en oppgave i det hele tatt trenger en agent, og den er nyttig langt utenfor ingeniørfaget.
I forretningstermer kan du stille fire spørsmål:
- Krever oppgaven skjønn? Hvis du kan skrive ned hvert steg på forhånd, bruk en fast prosess.
- Er resultatet verdt innsatsen? En ukentlig kundeoppsummering er det. Å sortere supporthenvendelser i mapper er det sannsynligvis ikke.
- Klarer agenten den vanskelige delen godt? Test det først. Hvis den ikke finner de riktige kildene, gjør oppgaven mindre.
- Hva koster en feil? Hvis den er dyr eller vanskelig å oppdage, la agenten bare lese og lage utkast, og la et menneske ta det siste steget.
Oppgaven vår med innholdsskapere består testen. Ingen vet på forhånd hvem som er de riktige skaperne, et godt samarbeid er verdifullt, research og utkast er ting agenter gjør godt, og sendingen blir hos et menneske.
Hvordan skiller en KI-agent seg fra en chatbot eller en automatisering?
| Chatbot | Regelbasert automatisering | KI-agent | |
|---|---|---|---|
| Du gir den | Et spørsmål | En utløser og faste steg | Et mål, bakgrunn og tilgang til verktøy |
| Hvem bestemmer stegene | Du, én melding om gangen | Den som bygde automatiseringen | Agenten, innenfor grensene dine |
| Når noe uventet skjer | Den svarer på neste melding fra deg | Den feiler eller hopper over steget | Den justerer seg eller spør deg |
| Du får tilbake | Tekst du må kopiere | Det samme resultatet hver gang | Ferdig arbeid, pluss det den ikke kunne bekrefte |
Ekte produkter visker ut disse skillene. I juli 2025 la for eksempel OpenAI til en agentmodus i ChatGPT. Så vurder et produkt ut fra hva det gjør med målet ditt, ikke ut fra navnet.
Vanlige misforståelser om KI-agenter
«Mer selvstendighet er alltid bedre.» Nei. Hvor mye du skal stole på en agent, avhenger av hva en feil ville koste, og det kan være forskjellig for hver handling i samme oppgave.
«Agenten husker alt vi har snakket om.» Agenter jobber ut fra det de får: den aktuelle chatten, appene de har tilgang til, og instruksjonene sine. I Okou har hver chat sin egen historikk, og du henter inn en annen chat ved å vise til den. Hvis en agent ser ut til å glemme noe, sjekk hva den faktisk fikk.
«Hvis jeg deler en agent med teamet mitt, deler jeg kontoene mine.» Ikke i et godt bygget produkt. Kollegaene får samme rolle og metode, men hver person bruker sine egne kontoer.
«Hvis jeg retter den én gang, lærer den det for godt.» En rettelse fikser den aktuelle oppgaven. Den blir teamets standard først når noen lagrer den i agentens instruksjoner eller i en arbeidsflyt.
Det som blir igjen hos menneskene
En agent kan gjøre det meste av grovarbeidet. Den kan ikke stå ansvarlig for resultatet. Dette blir igjen hos teamet ditt:
- Å sette mål og grenser. Bare du vet at en innholdsskaper ikke er aktuell, eller at budsjettet ikke er godkjent.
- Å bestemme hva agenten får tilgang til. Gi den det denne oppgaven trenger, ikke alt.
- Å godkjenne alt som forlater selskapet eller ikke kan angres. E-poster til kunder, budsjettendringer, betalinger, slettinger.
- Å eie resultatet. Hvis en e-post går ut med en feil påstand, er det selskapet ditt som sendte den.
Den praktiske måten å håndtere tillit på er én handling om gangen. Den samme agenten kan være klarert for å lese en beskrivelse og likevel måtte vente før den sender en e-post.
| Nivå | Hva agenten kan gjøre | I oppgaven med innholdsskapere |
|---|---|---|
| 1. Lese | Se, men ikke endre noe | Åpne beskrivelsen i Drive og offentlige profiler for innholdsskapere |
| 2. Lage utkast og registrere | Forberede arbeid som ingen utenfor ser ennå | Legge til rader i oversikten, lagre e-postutkast |
| 3. Handle etter at du godkjenner | Gjøre det, men først når et menneske sier ja | Sende en e-post, endre eier i CRM |
| 4. Handle på egen hånd | Rutinemessige steg som er lette å angre og som du har sjekket | Oppdatere en statuskolonne |
Start med nivå 1 og 2. Flytt en handling opp først etter at den har vært riktig mange ganger.
Okous veiledning om tillatelser foreslår det samme for arbeid som trenger en menneskelig kontroll: tillat utkast, ikke tillat sending, og skriv gjennomgangsregelen inn i instruksjonene. Les om hvordan Okou holder passord og nøkler unna selve KI-en i Meglere holder nøklene dine. Ikke KI-agenten din.
Eksempler på KI-agenter for forretningsteam
De samme fem delene dukker opp i det meste av arbeidet team gir til agenter:
- Salg: Før en kundesamtale samler agenten CRM-historikk, nylige e-poster og nyheter om selskapet i en oppsummering på én side, pluss et utkast til oppfølging som selgeren kan sende.
- Kundesuksess: Agenten oppsummerer en kundes problem ut fra tidligere samtaler og produktdokumentasjon, og lager et utkast til svar eller eskalering for kundeansvarlig.
- Markedsføring: Agenten gjør kampanjetall og CRM-resultater om til en kort resultatoppsummering med forslag til neste steg.
- Gründere og stabssjefer: Agenten lager en ukentlig oppsummering av hva som er endret, hva som står fast, og hvem som eier hvert neste steg, med lenker til kildene.
Se KI-agenter i praksis: eksempler fra ekte arbeid for tjue mer detaljerte eksempler. For å sammenligne agentprodukter, se KI-agenter forklart for deg som ikke er utvikler.
Slik kommer du i gang med din første oppgave for en KI-agent
- Velg noe du gjør hver uke. Da ser du med en gang om resultatet er godt.
- Skriv hva «ferdig» betyr i én eller to setninger. Hva du vil ha, hvor det skal havne, hvem som sjekker det.
- Gi agenten det en ny kollega ville trengt. En beskrivelse, et tidligere eksempel, den riktige mappen. Manglende bakgrunn er den vanligste grunnen til intetsigende resultater.
- Start med bare lese- og utkasttilgang. La sending og publisering ligge hos et menneske.
- Sjekk de første resultatene nøye, og lagre deretter metoden. Når den er pålitelig riktig, gjør du den om til en arbeidsflyt teamet ditt kan gjenbruke.
Etter hvert som flere bruker den samme agenten, blir det viktig å holde den delte bakgrunnen oppdatert. Guiden vår om konteksthåndtering for KI-agenter i team viser hvordan.
Prøv oppgaven med innholdsskapere i Okou
Okou er en KI-lagkamerat for forretningsteam. Okou henter bakgrunnen en jobb trenger fra appene du kobler til, gjør arbeidet i skyen og leverer tilbake noe du kan gå gjennom, som en oversikt, en oppsummering eller en samling utkast. Når metoden fungerer, tar teamet ditt vare på den som en arbeidsflyt.
Åpne arbeidsflyten for research på og samarbeid med innholdsskapere, eller spør Okou direkte:
Bruk produktbeskrivelsen vår i Drive til å finne opptil fem innholdsskapere som når driftsledere. Ta med profillenker, to nylige og relevante eksempler, hvorfor de kan passe, og hva som fortsatt er ubekreftet, for hver av dem. Lever færre hvis grunnlaget er tynt. Legg dem inn i partneroversikten, og skriv et utkast til en første e-post til hver av dem som jeg kan gå gjennom. Ikke send noe.
For hele gjennomgangen, inkludert hvordan oversikten oppdateres når innholdsskapere svarer, se slik finner du influensere for merkevaren din og følger opp kontakten.
Ofte stilte spørsmål
Er ChatGPT en KI-agent?
En vanlig samtale i ChatGPT er en chatbot: Du spør, den svarer, og du bestemmer hva du skal gjøre. I juli 2025 la OpenAI til en agentmodus som kan ta steg på egen hånd, for eksempel å surfe på nettsider for å fullføre en oppgave. Så det kommer an på hvordan du bruker den: Velger og utfører den handlinger mot målet ditt, eller svarer den bare?
Hva gjør en KI-agent egentlig?
Den gjør et mål om til gjennomførte steg. Den leser bakgrunnen du viser den til, bruker appene du har koblet til for å søke, lese, skrive eller lage utkast, sjekker hvert resultat og leverer tilbake ferdig arbeid, som et utfylt regneark, en researchoppsummering eller e-postutkast. Når noe krever en avgjørelse fra deg, stopper en godt satt opp agent og spør.
Hva er de 5 typene KI-agenter?
Den klassiske lærebokinndelingen, som IBM også bruker, er enkle refleksagenter, modellbaserte refleksagenter, målbaserte agenter, nyttebaserte agenter og lærende agenter. Den beskriver hvordan en agent tar beslutninger. For forretningsteam er det som regel mer nyttig å gruppere agenter etter jobben de gjør, og hvor mye de har lov til å gjøre på egen hånd.
Er agentisk KI det samme som en KI-agent?
De overlapper, og folk bruker ofte begrepene om hverandre. «KI-agent» betyr som regel ett bestemt system som jobber mot et mål ved hjelp av verktøy. «Agentisk KI» er bredere: KI som handler med en viss selvstendighet, noe som kan omfatte flere agenter eller agentlignende steg i en større prosess.
Trenger jeg tekniske ferdigheter for å bruke en KI-agent?
Ikke med produkter laget for forretningsteam. Du beskriver hva du vil ha med vanlige ord, kobler til appene arbeidet trenger, og går gjennom resultatet. Ferdighetene som betyr noe, er de samme du ville brukt med en ny kollega: å forklare hvordan et godt resultat ser ut, dele riktig bakgrunn og gi tydelige tilbakemeldinger.
Hvordan hindrer jeg en KI-agent i å gjøre noe jeg ikke har godkjent?
Tillat bestemte handlinger, ikke hele apper. Start med lesing og utkast, la sending, betaling og sletting kreve din godkjenning, og skriv gjennomgangsregelen inn i agentens instruksjoner eller arbeidsflyt. Sjekk deretter aktivitetsloggen for oppgaven for å se hva agenten leste og hva den endret.
