AI-agenter i en lille virksomhed: hvor grænsen går

I 2026 skiftede samtalen om AI karakter. Hvor de første par år handlede om modeller, der kunne svare på spørgsmål og skrive tekst, handler året her om systemer, der kan handle: booke et møde, oprette en sag, slå op i en database, sende et svar og selv beslutte det næste skridt. Det er dét, man mener med en AI-agent, en model, der ikke bare producerer tekst, men får lov at bruge værktøjer på egen hånd.

Løftet er let at forstå, og det er let at blive begejstret over en demo. Sværere er afstanden mellem demoen og den dag, agenten kører uovervåget mod jeres rigtige kunder og jeres rigtige data. Denne artikel er vores forsøg på at beskrive den afstand ærligt: hvor en agent i dag gør reel nytte i en lille dansk virksomhed, hvor grænsen går, og hvad loven kræver, når den taler med jeres kunder.

Fra chatbot til agent: hvad der er nyt

En chatbot svarer inden for én samtale. Den kan være god til at forklare jeres åbningstider eller finde et svar i en vejledning, men den gør ikke noget bagefter. En agent er koblet til værktøjer, en kalender, et CRM, et regneark, en e-mailkasse, og kan udføre en opgave i flere trin: læse en henvendelse, hente de relevante oplysninger, foreslå et svar og lægge en opgave i systemet, uden at et menneske skriver hvert skridt.

Det, der er nyt i 2026, er ikke først og fremmest modellernes intelligens. Den var der stort set også sidste år. Det nye er, at værktøjs-koblingen er blevet stabil nok til at bygge på, og at rammerne omkring, hvornår agenten må handle selv, og hvornår den skal spørge, er blevet noget, man kan styre. Grænsen for, hvad der virker, går derfor sjældent ved modellen. Den går ved integrationen, ved kontrollen og ved, hvor godt jeres data er ordnet. Det sidste skrev vi om i Forbered jeres data før et AI-projekt.

Hvor en agent faktisk gør nytte i en lille virksomhed

De steder, hvor en agent tjener sig ind i en mindre virksomhed, har et fællestræk: opgaven gentager sig, den følger nogenlunde faste regler, og en fejl er til at opdage og rette. Så er der plads til, at agenten gør grovarbejdet, og et menneske godkender. Konkret ser vi den gøre nytte her:

• Første sortering af henvendelser. Agenten læser en indbakke eller en formular, forstår hvad kunden vil, samler de oplysninger et svar kræver, og lægger et udkast klar. Mennesket trykker send.
• Telefon og beskeder uden for åbningstid. En agent kan tage imod, forstå ærindet, svare på det enkle og notere resten, så I ikke mister kunden. Hvad der virker og ikke virker her, gennemgik vi i Automatisk telefonpasning, hvad virker.
• Booking og opfølgning. At finde en ledig tid, sende en bekræftelse og minde om aftalen er regelbundet arbejde, agenten sjældent tager fejl af.
• Opslag og opsummering. At samle det, der ligger spredt i mails, filer og systemer, til ét overblik en medarbejder kan handle på, frem for selv at lede.
• Rutine-registreringer. At oprette sagen, sætte de rigtige felter og placere den det rigtige sted, så et menneske ikke bruger tid på tastearbejde.

Hvor grænsen går

En agent er dygtig til det gennemsnitlige tilfælde og upålidelig ved undtagelsen. Den kan tage det samme skridt hundrede gange rigtigt og så tage det forkert, når en henvendelse er formuleret skævt, når data mangler, eller når nogen bevidst prøver at narre den. Problemet er ikke, at det sker, det er, at agenten sjældent selv opdager, at den er på vej galt. Den fortsætter med samme selvsikkerhed.

Derfor er grænsen ikke et spørgsmål om, hvor klog modellen er, men om hvor meget en fejl koster. Handlinger, der er lette at fortryde, kan agenten få lov at tage selv. Handlinger, der rammer penge, aftaler eller en kundes tillid, skal passere et menneske først. I praksis betyder det, at man ikke giver agenten frit lejde til:

• At sende bindende tilbud, priser eller løfter ud af huset uden godkendelse.
• At røre ved betalinger, refunderinger eller noget, der flytter penge.
• At slette eller ændre data, der ikke kan skrues tilbage.
• At træffe afgørelser om mennesker, hvem der får et job, en rabat eller et afslag, på egen hånd.
• At svare på det, den ikke ved, frem for at sige, at den ikke ved det, og hente et menneske.

Det lyder som en begrænsning, og det er det. Men det er også dér, en agent bliver til at stole på: når den har et snævert, veldefineret arbejde og en tydelig kant, hvor den afleverer til et menneske. En agent uden den kant er ikke mere selvstændig, den er bare sværere at opdage, når den tager fejl.

Prisen er ikke fast, og det overrasker de fleste

En klassisk it-løsning koster nogenlunde det samme, uanset om den bruges lidt eller meget. En agent gør ikke. Den betales typisk pr. forbrug, for hvert stykke tekst, den læser og skriver, og fordi en agent arbejder i flere trin, kan én enkelt opgave koste mange gange mere end ét chatbot-svar. Jo mere den slår op, tænker og prøver igen, jo mere løber der på.

For en lille virksomhed betyder det to ting. For det første skal man kende sit forventede forbrug, før man sætter en agent til at køre uovervåget, ellers kan en travl uge eller en fejlagtig løkke give en regning, ingen havde set komme. For det andet er det ofte klogere at lade agenten tage den snævre, dyre opgave, hvor den sparer et menneske for reelt arbejde, end at sætte den til alt. Afvejningen mellem at leje en færdig løsning og bygge sin egen ser vi nærmere på i Købe et AI-værktøj eller bygge selv.

Når agenten taler med jeres kunder, gælder der en oplysningspligt

Fra den 2. august 2026 gælder gennemsigtighedsreglerne i AI-forordningens artikel 50. Den vigtigste for en agent, der møder jeres kunder, er enkel: taler et menneske med et AI-system, skal det være tydeligt, at det er AI, medmindre det i forvejen er åbenlyst. En kunde skal altså ikke kunne gå fra en samtale i den tro, at der sad et menneske i den anden ende. Det så vi på i lyset af de nye regler i AI-reglerne efter 2. august.

Reglerne dækker også indhold, agenten selv frembringer. Producerer et system syntetisk tekst, lyd eller billede, skal det som udgangspunkt mærkes maskinlæsbart, så det kan genkendes som AI-skabt. For systemer, der allerede var på markedet, er der en overgang, hvor mærknings- og detektionskravet først skal være på plads den 2. december 2026. At sidde reglerne overhørig er ikke uden vægt: bøderne kan nå op til 15 mio. euro eller 3 % af den globale årsomsætning, alt efter hvad der er højest.

For langt de fleste mindre virksomheder er det til at leve op til. Det handler om at være åben om, at kunden taler med en agent, og om at have styr på, hvor den optræder. Den øvelse hænger tæt sammen med, hvordan I passer på kundens oplysninger undervejs, dét skrev vi om i Datasikkerhed når AI læser kundehenvendelser.

Sådan kommer I i gang uden at brænde fingrene

Den sikreste vej er ikke at give en agent ansvaret for noget stort med det samme, men at lade den bevise sig på en snæver opgave, hvor en fejl er billig. En rækkefølge, der plejer at holde:

1. Vælg én opgave, der gentager sig, følger regler, og hvor en fejl er let at opdage. Ikke jeres sværeste, jeres mest ensformige.
2. Lad agenten arbejde med et menneske som sidste led: den laver udkastet, I godkender. Bevar det led, indtil den har vist sig troværdig.
3. Sæt en tydelig kant for, hvad den må selv, og hvad der skal spørges om, særligt alt, der rører penge, bindende aftaler eller data, der ikke kan fortrydes.
4. Vær åben over for kunderne om, at de taler med en agent, fra første dag. Det er både et lovkrav og en tillidssag.
5. Følg forbruget de første uger, så prisen ikke overrasker, og udvid først ansvaret, når tallene og kvaliteten holder.

Gør man det sådan, bliver en agent sjældent den store forandring, en demo lover på ti minutter. Den bliver noget bedre: et stykke arbejde, der bliver gjort, mens I laver noget andet, og som I kan stole på, fordi I ved præcis, hvor dens ansvar holder op.

Kilder

• Europa-Kommissionen: Guidelines on transparency obligations for providers and deployers of certain AI systems
• Europa-Kommissionen: Transparency obligations under Article 50 of the AI Act (FAQ)
• Europa-Kommissionen: Quick facts: Transparency rules for AI systems
• EU Artificial Intelligence Act: Artikel 50: Transparency obligations
• Digitaliseringsstyrelsen: Reglerne i AI-forordningen