Home Tilgang Resultater Artikler Kontakt Flag Icon UK

AI-agenter i praksis: Fra loop til ledelse

Udgivet 1. november 2026.

Tegning af en mand med kaffekop, der leder et team af AI-agenter. En lille robot rækker ham et dokument og spørger “Approved?”

Sidste år skrev jeg om at vibe kode min hjemmeside med generativ AI. Konklusionen dengang var klar: AI er en fremragende co-pilot, men du er altså stadig piloten.

Nu har jeg taget næste skridt og arbejder med en AI-agent, altså agentic AI i praksis: en AI, der selv kan planlægge og udføre opgaver. Og min læring er, at rollen som pilot ikke længere dækker det. Det her handlede om ledelse.

🤖 Hvad er agentic AI og AI-agenter?

Agentic AI er betegnelsen for AI, der ikke kun svarer, men også handler: AI, der selv kan planlægge og udføre flere skridt mod et mål. Det konkrete system, der gør det, kaldes en AI-agent. Hvor en almindelig chat giver dig et svar, du selv skal gøre noget med, kan en agent selv åbne filer, læse hjemmesider, rette i tekst og huske, hvad I har besluttet. Men kun med de adgange og inden for de rammer, du giver den.

Jeg har arbejdet med én AI-agent. Nogle arbejder med flere agenter, der deler opgaverne mellem sig, men det er ikke nødvendigt for at mærke forskellen.

🧭 Opgaven

Opgaven var at give min online profil og hjemmeside et løft. Min hjemmeside og min LinkedIn-profil fortalte hver deres version af mig, og det var ikke helt tilfældigt. Gennem årene har jeg haft mange forskellige roller: fra digital produktudvikling i spil- og tech-branchen til analyse, læringsdesign og programledelse i uddannelse og organisationer. Oveni har jeg undervist og coachet. Rollerne har berørt hinanden, og det jeg har arbejdet med, har i min selvforståelse god sammenhæng - uden det nødvendigvis er tydeligt for udenforstående (Helt ærligt? Tværfaglighed er sjældent det, der står øverst i et jobopslag, men ofte det, der får tingene til at fungere i praksis 😉). Det er da en udfordring at sætte ord på, hvad der binder tingene sammen, ærligt og uden at forsimple.

🛠️ Værktøjerne: hvad brugte jeg egentlig?

Det er let at forestille sig en hær af agenter, men min opsætning var ret enkel:

  • Et Project i Claude. Et fast arbejdsrum, hvor jeg har samlet mine instruktioner og dokumenter: min tone, skabelonen til mine artikler og de beslutninger, vi tog undervejs. Så starter hver ny samtale ikke forfra.
  • Én AI-agent: Claude. Gennem Claude-appen fik den adgang til min hjemmesides mappe på min computer (den har ikke adgang til alt muligt andet), en browser, så den kunne læse min hjemmeside og LinkedIn. Den kunne selv læse filerne, foreslå ændringer og skrive dem ind, når jeg havde godkendt dem.
  • GitHub og GitHub Desktop. Her ligger min hjemmesides filer nu. Agenten hjalp mig med at sætte en automatiseret release op, så siden opdateres, når jeg sender mine ændringer afsted.
  • VS Code. Min almindelige editor, hvor jeg stadig selv retter tekst og kode.

En vigtig detalje: Den automatiserede release er ikke AI. Det er almindelig automatisering, der gør præcis det samme hver gang. AI'en hjalp med at sætte den op, men selve automatikken er regelbaseret. Ikke alt, der er automatisk, er en agent, og den skelnen er værd at holde fast i.

🔄 Før og nu: hvad er anderledes?

Før, med vibe coding:

  1. Jeg beskrev ændringen i en chat.
  2. Kopierede koden fra chatten.
  3. Satte den ind i min editor og gemte.
  4. Uploadede filerne til serveren via FTP.
  5. Tjekkede siden og fandt fejl, som AI'en havde sneget ind undervejs - rettede selv eller med AI.
  6. Forfra.

Nu, med en agent:

  1. Jeg beskriver, hvad jeg vil opnå.
  2. Agenten læser mine filer, min hjemmeside og min LinkedIn.
  3. Agenten viser mig teksten, og jeg retter og godkender.
  4. Agenten skriver ændringen ind i filen.
  5. Jeg ser det igennem og sender det afsted med ét klik i GitHub Desktop.
  6. Min hjemmeside er nu opdateret.

Mit ærlige skøn er, at jeg har sparet mindst halvdelen af den tid, som jeg før brugte på manuel release og koderettelser. Men den største forskel er faktisk ikke tid. Det er, hvad jeg bruger min energi på. Før gik meget af min opmærksomhed til at flytte filer de rigtige steder hen, tage backups og dobbelttjekke, at intet var gået i stykker. Ærligt talt, så er den slags drænende for min mentale proces. Nu kan jeg bruge mere af min tid på det, der betyder noget: Indholdet, ordene og retningen.

Samtidig kan jeg stadig selv åbne VS Code og rette en sætning eller en linje kode her eller der. Det er vigtigt. En agent bruger ressourcer, tokens, på alt, hvad den gør, og der er ingen grund til at skyde gråspurve med kanoner: Små rettelser laver jeg selv, og agenten tager de større opgaver, der bidrager med mere.

🔍 Hvor AI'en var stærk

Agenten var god til at se mig udefra. Den holdt hjemmesiden op mod LinkedIn og pegede på uoverensstemmelser, som jeg måske selv var opmærksom på, men ikke helt vidste, hvordan jeg skulle gribe an. Den hjalp mig med at finde en rød tråd: Jeg designer rammer, der virker, for brugere, organisationer og mennesker.

Den var også god til det tunge arbejde: Gennemgå kode, holde styr på flere filer på én gang og sørge for, at den danske og engelske version fulgte med hinanden.

Men de vigtigste beslutninger var mine. Hvilke kompetencer skulle fremhæves? Hvad skulle tones ned eller helt udelades? Hvordan skulle formuleringerne lyde, så de var præcise og lød som mig? AI'en kunne udfordre, strukturere og foreslå, men beslutningerne krævede en menneskelig vurdering.

⚠️ Da det gik galt, og hvad jeg lærte

Det mest lærerige var ikke det, der lykkedes. Det var tre episoder, hvor det gik skævt, og som hver især lærte mig noget forskelligt:

  1. Agenten handlede uden mandat. Jeg havde rettet en formulering, og agenten gik direkte i gang med at skrive den ind i filen, før jeg havde set den samlede tekst. Senere begyndte den også at tjekke og teste ting på eget initiativ: grundigt, men unødvendigt, og det koster både tid og tokens.
  2. Agenten var for sikker i sin sag. Efter en udgivelse viste min side stadig den gamle version. Agenten konkluderede, at filerne var havnet det forkerte sted, og anbefalede mig at ændre opsætningen og rydde op på serveren. Jeg tjekkede selv, og siden var oppe. Agenten havde kigget for tidligt og fejltolket. Havde jeg fulgt rådet blindt, kunne jeg have slettet noget, der virkede.
  3. Vi arbejdede i de samme filer. Flere gange forsvandt ændringer, som agenten lige havde lavet. En ældre version af filen, som jeg havde åben i min editor, blev gemt oven i. Det var hverken min eller agentens fejl alene, men et samarbejde uden aftaler om, hvem der arbejdede hvor.

Det gav disse faste regler:

  • Intet ændres, før jeg har skrevet "godkendt" til den endelige tekst.
  • Agenten må gerne foreslå et tjek, men jeg beslutter, om det skal laves.
  • Agentens konklusioner er forslag, ikke facts, og det er mit ansvar at tjekke dem, før jeg handler.
  • Én fil ad gangen: Jeg lukker filen, før agenten går i gang, og agenten tjekker bagefter, at ændringen er blevet stående.

Hver gang blev erfaringen til en ny regel, som jeg skrev ind i mit Project, så agenten fulgte den fremover. Det var faktisk den mest interessante del af processen.

🧠 Human in the loop, on the loop, eller in command?

Når man taler om ansvarlig AI, er human in the loop det begreb, de fleste kender. Det betyder, at mennesket er med i processen og kan gribe ind. I fagsproget skelner man ofte mellem tre niveauer:

  • Human in the loop: Mennesket er involveret i hver beslutningscyklus.
  • Human on the loop: Mennesket overvåger og kan gribe ind undervejs.
  • Human in command: Mennesket har den overordnede kontrol og beslutter, hvornår og hvordan AI'en må bruges.

Min erfaring er, at det at være "i loopet" beskriver min rolle for passivt. Jeg var ikke bare med. Jeg var godkenderen. Ved hvert vigtigt skridt var der en port, hvor intet skete uden mit ja. Og jeg var den, der satte rammerne for, hvad agenten måtte, og justerede dem, når erfaringen viste, at det var nødvendigt.

Med vibe coding var jeg in the loop: Jeg var med i hvert trin. Med agenten er jeg in command: Jeg sætter rammerne, og intet sker uden mit ja.

Det er det, jeg kalder fra loop til ledelse.

👥 Ledelse af mennesker og af agenter

Undervejs tænkte jeg meget over, hvad det egentlig betyder at lede noget, der ikke er et menneske. Noget gik igen fra min erfaring med ledelse: Samarbejdet blev bedre, jo tydeligere vi var om forventninger og rammer, altså hvad agenten måtte selv, og hvornår den skulle spørge mig først.

Men forskellen var lige så tydelig. Når jeg arbejder med mennesker, handler rammer om tryghed: om at skabe plads til, at folk kan bidrage med det, de er gode til, også når de tænker anderledes. Rammerne for agenten handlede om noget andet, nemlig at den handlede i et tempo og inden for grænser, jeg kunne følge med i og stå inde for.

Måske er det den vigtigste skelnen: Mennesker har brug for rammer, der giver frihed. En AI-agent har brug for rammer, der giver retning og grænser. Ansvaret for begge dele ligger hos den, der leder.

🎯 Den vigtigste læring: Fra pilot til leder

Sidst skrev jeg, at du er piloten. Med AI-agenter er du mere end det: Du er lederen, der sætter retningen, giver mandatet og godkender resultatet.

Rollefordelingen endte sådan her hos mig:

  • Jeg ejer retning, stemme og godkendelse.
  • AI-agenten ejer research, udkast og udførelse.
  • Den faste automatisering ejer gentagelsen, altså at udgive siden, når jeg trykker på knappen.

AI flytter os ikke ud af processen. Den flytter os op. Og det kræver, at vi tager ledelsesrollen alvorligt, også når den, vi leder, er en AI.

Hvad tænker du? Har du prøvet at arbejde med AI-agenter, og hvor sætter du grænsen for, hvad de må selv?

(Tools benyttet: Claude med et Project og Claude-appen, GitHub, GitHub Desktop og VS Code)

Læs også min tidligere artikel: Farvel Copy-Pasta - Velkommen Vibe Coding


Vil du i gang med AI-agenter selv?



Connect på LinkedIn Send en email