Mange virksomheder har taget det første gode skridt. Medarbejderne har fået adgang til ChatGPT, Copilot eller et andet værktøj med kunstig intelligens, og de bruger det til mails, mødereferater, tekster, idéer og hurtige svar.

Det er et godt og nødvendigt første skridt. Men det er ikke det samme som at have fået kunstig intelligens ind i selve arbejdet.

Det store skifte lige nu handler ikke kun om bedre svar i et chatvindue. Det handler om, at kunstig intelligens begynder at løse opgaver på tværs af flere trin: finde materiale, sammenholde oplysninger, opdage hvad der mangler, lægge et forslag klar og stoppe, før noget får konsekvenser.

Det er forskellen på en chatbot og en agent.

En chatbot svarer, når du spørger. En agent får en opgave og arbejder videre med den inden for de rammer, du har sat. Det lyder som en teknisk forskel, men i praksis er det en ledelsesforskel.

Virksomheden skal nemlig ikke længere kun spørge: "Hvilket abonnement skal vi købe?" Den skal spørge, hvilke opgaver kunstig intelligens skal hjælpe med at løse, hvilket materiale den må læse, hvor langt den må arbejde på egen hånd, hvor et menneske skal godkende, og hvordan man måler, om arbejdet faktisk bliver bedre.

Det er her, mange danske virksomheder kommer til at mærke forskellen.

Hvorfor det sker netop nu

Flere nye teknologinyheder peger i samme retning, men pointen er ikke produktnavnene. Pointen er, at kunstig intelligens flytter fra samtale til opgave.

Google beskriver Gemini Spark som en personlig agent, der kan arbejde i baggrunden med opgaver på tværs af mail, kalender og dokumenter. Det interessante er ikke, om netop det produkt bliver relevant for en dansk virksomhed i morgen. Det interessante er arbejdsformen: Brugeren giver en opgave, agenten laver forarbejdet, og større handlinger skal stadig godkendes af et menneske.

Microsoft og NVIDIA taler samtidig om pc'er, der er bygget til personlige agenter. Det viser den samme bevægelse fra en anden vinkel. Agentarbejde bliver ikke kun tænkt som noget, der foregår på en server et sted. Det flytter tættere på de værktøjer og enheder, hvor medarbejderne allerede arbejder.

Samtidig viser de mere besværlige historier, hvorfor rammerne er afgørende. Strava har strammet reglerne for, hvilke programmer der må koble sig på deres data, fordi dårligt byggede løsninger kan belaste platformen og skabe kø i godkendelsesarbejdet. Og TechCrunch har beskrevet en fejl i Metas supportforløb, hvor en supportbot kunne misbruges, fordi den fik for meget adgang uden tilstrækkelig kontrol.

Det er ikke et argument for at gå i panik. Det er et argument for at være konkret.

Jo mere kunstig intelligens får lov til at gøre, jo tydeligere skal virksomheden vide, hvor grænsen går.

Adgang er ikke det samme som værdi

Et abonnement kan give adgang til et stærkt værktøj. Men adgang er ikke det samme som værdi.

Hvis en medarbejder beder en chatbot om at skrive et udkast til en kundemail, kan det være nyttigt. Teksten bliver måske bedre hurtigere, og medarbejderen sparer tid.

Men agentarbejde er noget andet.

Her kunne opgaven lyde:

"Læs kundens tidligere mails. Sammenhold dem med vores tilbudsskabelon. Find de oplysninger, der mangler. Lav et svarudkast. Foreslå næste skridt. Stop før afsendelse."

Det er stadig mennesket, der leder arbejdet. Forskellen er, at kunstig intelligens får en reel arbejdsopgave, ikke kun en skriveopgave. Den skal ikke bare formulere pæne sætninger. Den skal lave forarbejdet grundigt nok til, at et menneske kan træffe en bedre beslutning hurtigere.

Det er først her, virksomheden begynder at flytte tid fra gentagne rutineopgaver til vurdering, kvalitet og beslutninger.

Det er også her, investeringen bliver større end et spørgsmål om licenser. En virksomhed skal ikke kun spørge, om den har råd til et abonnement. Den skal spørge, hvilke opgaver der er vigtige nok til, at kunstig intelligens skal have bedre kontekst, tydeligere rammer og en fast måde at følge op på.

Den gode første opgave

Den bedste begyndelse er sjældent en stor strategi for hele organisationen. Begynd med én tilbagevendende opgave, hvor medarbejderne i dag bruger tid på at finde materiale, huske historik, samle kontekst og formulere næste skridt.

Det kan være et kundesvar, men det kan også være en sagsopsamling, et tilbudsudkast, et mødereferat med opfølgning eller en intern beslutningsnote.

En god første opgave har tre kendetegn.

Den kommer igen.

Kvaliteten betyder noget.

Og der er et naturligt sted, hvor et menneske skal godkende.

For en dansk virksomhed kan det være helt jordnært. En agent kan hver morgen finde relevante kundehenvendelser, samle historik, sammenholde den med virksomhedens egne retningslinjer og lægge svarudkast klar. Den må ikke sende dem. Den må ikke love rabatter. Den må ikke ændre i kundens aftale. Den må kun lave forarbejdet, så medarbejderen hurtigere kan vurdere, rette og sende.

I en kommune eller på en uddannelsesinstitution kunne opgaven være en sagsopsamling. Agenten kan finde de relevante noter, samle tidslinjen, pege på manglende oplysninger og foreslå en struktur. Den må ikke træffe afgørelsen. Den må ikke skrive noget ind i borgerens sag uden menneskelig kontrol. Den må ikke skjule usikkerhed.

Det er netop grænsen, der gør arbejdet brugbart.

Fire beslutninger før agenten får opgaven

Når en virksomhed vil videre fra chatbot til agentarbejde, er der fire beslutninger, der skal træffes først.

Den første er opgaven. Ikke "hjælp os med kunstig intelligens", men en konkret arbejdsgang: kundesvar, sagsopsamling, referat, tilbud, nyhedsoverblik eller beslutningsnote.

Den anden er materialet. En agent uden kontekst bliver hurtigt bare en chatbot med længere svar. Hvis den skal levere bedre arbejde, skal den have adgang til det rigtige materiale: tidligere mails, mødereferater, skabeloner, sagsnoter, produktsider eller interne retningslinjer.

Den tredje er handlegrænsen. Må agenten kun skrive et forslag? Må den oprette en intern opgave? Må den klargøre en mail, men ikke sende den? Må den foreslå ændringer i et dokument, men ikke offentliggøre dem?

Den fjerde er målingen. Man skal ikke kun måle tid. Man skal også måle kvalitet, fejl, friktion og hvor ofte mennesket må rette grundlæggende misforståelser.

Hvis agenten sparer tid, men skaber usikkerhed, er arbejdet ikke godt nok endnu. Hvis den både sparer tid og løfter kvaliteten, begynder virksomheden at få en reel arbejdsform.

Mennesket er stadig leder

Det afgørende er ikke, at kunstig intelligens arbejder alene. Det afgørende er, at mennesket bliver bedre til at lede arbejdet.

En god leder giver ikke en medarbejder en løs sætning og forventer et perfekt resultat. En god leder giver opgaven, baggrunden, rammen, kvalitetskravet og grænsen for ansvar.

Det samme gælder her.

Hvis virksomheden kun bruger kunstig intelligens som chatbot, svarer det til at ansætte en dygtig medarbejder og kun bede vedkommende om at formulere pæne sætninger. Så bruger man kun en brøkdel af det, værktøjet kan.

Men hvis virksomheden lærer at delegere opgaver, følge op og stoppe de rigtige steder, kan kunstig intelligens blive en praktisk del af hverdagen.

Ikke som erstatning for mennesker, men som en ny måde at organisere arbejdet på.

Derfor er spørgsmålet heller ikke længere kun, hvilket abonnement virksomheden skal købe. Spørgsmålet er, hvilke opgaver der er vigtige nok til, at kunstig intelligens skal arbejde mere grundigt med dem.

Det er mindre spektakulært end at tale om den nyeste model. Men det er langt vigtigere i praksis.