Agentisk AI: vad det är och när det lönar sig för företag
Agentisk AI förklarat på svenska: hur en agent arbetar steg för steg, när den lönar sig, riskerna och vad EU:s AI-förordning kräver av ert företag.
- Publicerad
- Lästid
- 7 min
- Av
- Authoricy
Agentisk AI är AI som får ett mål och själv tar de steg som krävs för att nå det: den läser, planerar, använder verktyg i era system och kontrollerar resultatet. En vanlig AI-modell svarar på en fråga, medan agentisk AI utför en uppgift från början till slut.
För ett företag betyder det att ett helt arbetsmoment kan lämnas över, inte bara ett textutkast. Det betyder också att någon måste bestämma vad agenten får göra själv och vad en person ska godkänna. Det är där de flesta projekt avgörs, och det är dit vi lägger mest tid när vi bygger AI-agenter för företag.
Agentisk AI, agentic AI och autonoma agenter
Orden används om vartannat, och det skapar förvirring i offerter och upphandlingar. Vi använder dem så här.
- Agentisk AI (på engelska agentic AI) är förmågan: ett system som planerar och agerar mot ett mål i flera steg.
- AI-agent är programmet som har den förmågan och arbetar med en bestämd uppgift. Grunderna står i vad en AI-agent är.
- Autonoma agenter är agenter som kör utan att en person godkänner stegen. Graden av autonomi är ett val ni gör per handling, inte en egenskap hos tekniken.
En agent kan alltså vara agentisk utan att vara helt autonom. I praktiken är det så de flesta agenter i drift fungerar.
Automation, chatbot eller agent
Skillnaden ligger i vem som bestämmer nästa steg. I en regelstyrd automation har en människa skrivit varje steg i förväg. I en agent väljer modellen steget själv, inom ramar som ni har satt.
| Regelautomation | Chatbot | AI-assistent | AI-agent | |
|---|---|---|---|---|
| Vad den gör | Följer fasta regler | Svarar i en dialog | Hjälper en person med ett utkast | Utför en uppgift i era system |
| Vem väljer nästa steg | Regeln | Användaren | Personen som använder den | Agenten, inom ramar |
| Svenskt exempel | Påminnelse skickas när en faktura är tio dagar sen | Svarar på frågor om leveranstider på webbplatsen | Skriver ett utkast till svar som säljaren redigerar och skickar | Läser en offertförfrågan, hämtar priser och lägger ett färdigt förslag för godkännande |
| Fungerar dåligt när | Indata varierar | Kunden vill att något ska göras | Volymen är hög | Reglerna är oklara eller fel är dyra |
Om ni mest behöver svara på frågor räcker ofta en chatbot. Gränsen är dragen i chatbot eller AI-agent. Är processen redan helt förutsägbar är regelautomation billigare och lättare att granska, vilket jämförelsen RPA eller AI-agenter visar.
En agent steg för steg: offertförfrågningar
Ta ett installationsföretag som får trettio förfrågningar i veckan via mejl och formulär. Varje förfrågan tar en säljare en kvart att läsa, kontrollera och svara på. Så här ser en agent för jobbet ut:
- Mål. Agenten har ett enda mål: varje förfrågan ska få ett korrekt förslag eller en fråga tillbaka inom en arbetsdag.
- Läsa. Den läser mejlet och bilagorna och tar ut vad kunden vill ha, var och när.
- Planera. Den avgör vad som saknas. Saknas en adress eller ett mått skriver den en kort fråga till kunden i stället för att gissa.
- Använda verktyg. Den hämtar artiklar och priser ur affärssystemet och kollar kalendern för lediga installationsdagar. Den kan bara läsa där, inte ändra.
- Kontrollpunkt. Förslaget läggs i CRM:et som utkast. En säljare godkänner, ändrar eller avvisar det. Inget skickas utan ett klick.
- Resultat. Det godkända förslaget går till kunden, och affären skapas i CRM:et.
- Logg. Varje steg sparas: vad agenten läste, vilka uppgifter den hämtade, vad den föreslog och vem som godkände.
Säljaren går från att skriva till att granska. Efter några veckor syns det i loggen vilka förslag som aldrig ändras. Först då är det rimligt att låta just den typen gå ut utan godkännande, och bara den.
När en agent lönar sig och när den inte gör det
Hälften av de medelstora företagen i Sverige använde AI 2025, mot 35 % året innan, enligt SCB:s statistik om AI i näringslivet. Att andra använder AI är ändå inget skäl att bygga en agent. Den lönar sig när fem saker stämmer. Saknas en av dem är en enklare lösning oftast bättre.
- Volym. Uppgiften återkommer varje dag eller vecka. Det som händer fyra gånger om året hanterar en person snabbare.
- Ett tydligt mål. Ni kan säga vad ett bra resultat är. ”Bättre kundkontakt” är inget mål, ”svar inom en arbetsdag” är det.
- System med API. Agenten behöver kunna läsa och skriva i era verktyg. Finns data bara i pärmar eller i en persons huvud blir agenten en gissare.
- Fel som går att leva med. Ett felaktigt utkast som en person fångar kostar lite. En felaktig utbetalning kostar mycket och kräver hårdare kontroller.
- En ägare. Någon i verksamheten ansvarar för resultatet och läser loggen. Utan ägare dör agenten efter piloten.
Var ni börjar när flera processer passar står i AI-automation: var ni börjar.
Riskerna och vad som stoppar dem
Gartner bedömer att över 40 % av projekten med agentisk AI läggs ned före slutet av 2027. De risker som fäller ett projekt är sällan tekniska överraskningar. De går att se i förväg:
- Fel som fortplantar sig. Ett felläst mått i steg två blir ett fel i varje steg efter. Kontroll: agenten stämmer av mot affärssystemet innan den går vidare.
- Instruktioner gömda i indata. Ett mejl kan innehålla text som försöker styra agenten, till exempel ”ignorera tidigare regler”. Kontroll: agenten får aldrig fler behörigheter än uppgiften kräver, och känsliga handlingar kräver godkännande oavsett vad texten säger.
- För breda behörigheter. En agent med full åtkomst kan göra allt en administratör kan. Kontroll: läsrätt först, skrivrätt per handling.
- Kostnad som skenar. En agent som fastnar i en loop gör hundratals modellanrop. Kontroll: tak per ärende och larm.
- Inget spår. När en kund frågar varför kan ingen svara. Kontroll: logg av varje steg från dag ett.
Vad EU:s AI-förordning kräver av er
AI-förordningen (EU) 2024/1689 skiljer på leverantör, som utvecklar ett AI-system, och tillhandahållare, som använder det i sin verksamhet. Ett företag som tar en agent i drift för egen räkning är tillhandahållare. Tre saker gäller de flesta svenska företag:
- AI-kunnighet. Ni ska vidta åtgärder så att de som arbetar med agenten förstår den (artikel 4). Kravet gäller sedan 2 februari 2025 och mildrades 2026: ni behöver inte garantera en viss kunskapsnivå, men ni ska kunna visa vad ni har gjort.
- Öppenhet. Sedan 2 augusti 2026 ska den som talar eller skriver med ett AI-system få veta det, om det inte är uppenbart (artikel 50). En agent som mejlar kunder ska alltså inte utge sig för att vara en person.
- Högrisk. AI-system som används vid till exempel rekrytering eller kreditprövning av privatpersoner räknas som högrisk. Kraven för dem gäller från 2 december 2027, efter ändringsförordningen (EU) 2026/1744.
En agent som hanterar offerter eller fakturor är normalt inte högrisk. GDPR gäller ändå så fort agenten läser personuppgifter, så ni behöver veta var modellen körs och vad som sparas.
Vad det kostar och hur ni kommer igång
Kostnaden styrs av tre saker: hur många system agenten ska arbeta i, hur mycket den får göra utan godkännande och hur många ärenden den hanterar. Integrationerna och kontrollerna tar mest tid att bygga. Modellanropen är en löpande kostnad som växer med volymen.
Gör det så här:
- Välj en uppgift med hög volym och fel som går att leva med.
- Samla ett femtiotal riktiga exempel och skriv ner reglerna en erfaren medarbetare följer.
- Låt agenten arbeta bredvid teamet, med godkännande på varje handling.
- Jämför dess förslag med teamets i loggen.
- Släpp godkännandet en handlingstyp i taget när siffrorna håller.
Vill ni ha hjälp med steg ett och två börjar varje projekt med en förstudie till fast pris som slutar med ett fast pris för bygget, och ni äger koden. Läs hur vi bygger och driftsätter AI-agenter.
Vanliga frågor
Vad är skillnaden mellan agentisk AI och AI-agenter?
Agentisk AI är förmågan att planera och agera i flera steg mot ett mål. En AI-agent är ett program som har den förmågan och gör en bestämd uppgift. Man kan säga att agentisk AI är egenskapen och agenten är verktyget.
Vad är skillnaden mellan agentisk AI och generativ AI?
Generativ AI skapar innehåll, som text eller bild, när någon ber om det. Agentisk AI använder ofta en generativ modell men lägger till planering, verktyg och handling. Den generativa modellen skriver svaret och agenten skickar det, bokför det eller skapar ärendet.
Är en AI-agent samma sak som en chatbot?
Nej. En chatbot svarar i en dialog och gör sällan något i era system. Agenten utför uppgiften, till exempel bokar tiden eller lägger ordern. Ett exempel är en AI-receptionist som svarar i telefon och bokar möten, beskriven i vad en AI-receptionist är.
Måste vi följa EU:s AI-förordning när vi använder AI-agenter?
Ja, men för de flesta agenter är kraven måttliga. Ni ska arbeta för att personalen förstår systemet och se till att kunder vet när de har kontakt med AI. Högriskkraven gäller bara system som används inom de områden förordningen räknar upp, som rekrytering och kreditprövning.
Är agentisk AI redo att användas i produktion?
Ja, för avgränsade uppgifter med tydliga regler och en person som godkänner det som är osäkert. Agenter som får fria händer i många system samtidigt är fortfarande svåra att göra pålitliga. Börja smalt och utöka i takt med att loggen visar att agenten håller.