Når lønner en AI-agent seg, og når bør du la være?

Hva en AI-agent egentlig er

En AI-agent er et system der språkmodellen selv styrer prosessen og verktøybruken, i stedet for å følge et fast skript. Den jobber i løkke: den planlegger, handler, ser på resultatet, justerer og gjentar, helt til oppgaven er løst eller den må sjekke inn med et menneske.

Det skiller en agent fra en fast arbeidsflyt. En arbeidsflyt følger en forhåndsbestemt oppskrift, steg for steg. En agent bestemmer selv hva neste steg skal være. Det er nettopp den friheten som gjør agenter nyttige for enkelte oppgaver, og upassende for andre.

Vil du ha en grundigere forklaring på begrepene, finner du den i AI-ordboken vår. Her holder vi oss til det praktiske spørsmålet: når er denne friheten verdt kostnaden?

Kan du skrive oppskriften på forhånd?

Agenter egner seg for åpne problemer der du ikke kan forutsi hvor mange steg som trengs, og der løypa ikke lar seg hardkode på forhånd. Et enkelt filter er derfor å prøve å skrive oppskriften. Klarer du å beskrive fremgangsmåten steg for steg, slik at den er lik hver gang, trenger du ingen agent. Da er en fast arbeidsflyt billigere og lettere å feilsøke.

Stopper oppskriften opp fordi neste steg avhenger av hva som dukker opp underveis, er oppgaven en kandidat. Men kandidat er ikke det samme som lønnsom. Lønnsomheten kommer fra gjentakelse: en oppgave som koster deg timer hver uke, kan forsvare både byggekostnad og driftskostnad. En oppgave du gjør to ganger i året, kan det sjelden.

Tre spørsmål før du bygger

Den vanligste feilen er å gripe etter en agent når noe enklere holder. Anthropic, som bygger språkmodellene mange agenter kjører på, er tydelige på dette: start med enkle løsninger, og legg bare til agentikk når de enklere ikke strekker til. For mange oppgaver holder det med et optimalisert enkeltkall til modellen. Regelen deres er å legge til kompleksitet kun når det påviselig forbedrer resultatet. Målet er riktig system, ikke det mest avanserte.

Før du bygger, bør derfor tre spørsmål ha gode svar:

• Holder noe enklere? Et optimalisert enkeltkall til modellen eller en fast arbeidsflyt løser flere oppgaver enn mange tror. Prøv det billigste først.
• Er grunnlaget der? En agent arver datagrunnlaget sitt: er informasjonen rotete, utdatert eller ufullstendig, blir agenten det samme. Og klarer ingen i virksomheten å beskrive hvordan oppgaven løses i dag, kan heller ingen agent gjøre den fornuftig.
• Kan noen eie resultatet? Uten en eier som følger opp kvaliteten, og et mål som kan måles, finnes det ingen måte å vite om agenten lykkes, og ingen som griper inn når den ikke gjør det.

Friheten har en pris

Autonomien gir høyere kostnader og en fare for at små feil forsterker seg gjennom stegene. En agent kan mistolke hva du mente, og den er sårbar for manipulasjon gjennom det den leser. En agent er ikke magi, og den er ikke risikofri. Derfor settes agenter i produksjon med tydelige rammer: begrensede tilganger, logging og godkjenningspunkter der konsekvensene av feil er store.

Kostnaden er også målbar. En agent bruker gjerne rundt fire ganger så mange tokens som en vanlig chat, og systemer med flere agenter som samarbeider kan bruke rundt femten ganger så mange. Tokens er enheten leverandørene tar betalt for, så forskjellen slår rett inn i regningen.

Det betyr ikke at agenter er dyre i seg selv. Det betyr at verdien av oppgaven må være høy nok til å bære kostnaden. En agent som sparer noen minutter på en oppgave du gjør én gang i året, lønner seg neppe. En agent som sparer timer på noe som skjer hver dag, ser helt annerledes ut. Det er verdien av oppgaven, ikke teknologien, som avgjør. Hva regnestykket består av, går vi gjennom i artikkelen om hva AI koster for en liten bedrift.

Hva bør være på plass før du starter?

Du trenger ikke ha alt på plass før du starter. Men noen ting bør være avklart, både faglig og juridisk:

• Data: informasjonen agenten skal bruke, må være tilgjengelig og god nok. Uten det spiller ikke resten noen rolle.
• Eierskap: noen i virksomheten må eie prosessen og resultatet, og ha ansvar for å følge opp.
• Et målbart mål: du bør på forhånd vite hva du prøver å oppnå, og hvordan du skal se om du lyktes.
• Personvern: behandler løsningen personopplysninger, må det juridiske være på plass.

Personvernet i norsk sammenheng

Behandler AI-løsningen personopplysninger, er en databehandleravtale obligatorisk, og både rettslig grunnlag og formål må være avklart før oppstart. Virksomheten er normalt behandlingsansvarlig, mens leverandøren er databehandler. Ligger serverne utenfor EØS, trengs et lovlig overføringsgrunnlag. Er risikoen for enkeltpersoners rettigheter høy, utløses krav om en personvernkonsekvensvurdering, en såkalt DPIA.

Datatilsynet anbefaler en risikovurdering før kjøp, ved oppstart og i drift, at man samler inn minst mulig personopplysninger, og at personvern bygges inn fra start og dokumenteres. Etter KI-forordningen (EUs AI Act) er det den tiltenkte bruken som avgjør risikoklassen, ikke bare systemet i seg selv. Som bruker av en slik AI-løsning er man normalt en idriftsetter med et selvstendig ansvar, blant annet for at de som bruker den, har tilstrekkelig kompetanse.

Hvordan komme i gang med lav risiko

Rådet fra både leverandørene og norske myndigheter peker i samme retning: start i det små. Begynn med enkle assistenter, og spesialiser etter hvert. Du trenger ikke ha alt på plass for å starte, men du bør minst ha enkle retningslinjer for ansvarlig bruk. Og husk: at noe er lovlig, betyr ikke at det er klokt.

Sett målet før du velger prosess: hva skal bli målbart bedre, og innen når? Velg deretter én prosess der svaret kan leses av i løpet av noen uker, og la resultatet avgjøre om du utvider. Viser ikke den første prosessen en tydelig gevinst, har du spart deg for et større feilgrep til en lav pris.

Det er også hjelp å få. Digdir åpner KI Norge i august 2026, en nasjonal arena for ansvarlig KI. Under KI Norge kommer en regulatorisk sandkasse, drevet sammen med Datatilsynet og Nkom, som åpner når KI-loven trer i kraft, trolig i 2027. Der får særlig små og mellomstore bedrifter og oppstartsselskaper juridisk veiledning i å identifisere og håndtere risiko.

Dette er også måten vi jobber på i Agnito. Vi vurderer alltid problem, datagrunnlag og eierskap før vi anbefaler å bygge noe, og vi sier fra tidlig når en AI-idé ikke bør bygges. Noen ideer bør rett og slett bli liggende. En pilot uten en plan for hvem som skal drifte den videre, er ikke et prosjekt vi starter.