AI-agenter i praksis: Styring og ledelse
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 nuancering, da jeg ser begreberne blive blandet sammen: Den automatiserede release via GitHub er hverken AI eller en agent. Det er almindelig automatisering, der sikrer, at det sker på præcis samme måde hver gang. AI'en hjalp med at sætte det op, men selve automatikken følger faste regler.
🔄 Før og nu: hvad er anderledes?
Før, med vibe coding:
- Jeg beskrev ændringen i en chat.
- Kopierede koden fra chatten.
- Satte den ind i min editor og gemte.
- Uploadede filerne til serveren via FTP.
- Tjekkede siden og fandt fejl, som AI'en havde sneget ind undervejs - rettede selv eller med AI.
- Forfra.
Nu, med en agent:
- Jeg beskriver, hvad jeg vil opnå.
- Agenten læser mine filer, min hjemmeside og min LinkedIn.
- Agenten viser mig teksten, og jeg retter og godkender.
- Agenten skriver ændringen ind i filen.
- Jeg ser det igennem og sender det afsted med ét klik i GitHub Desktop.
- 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:
- 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.
- 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.
- 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: Hvilken rolle har mennesket egentlig?
Når man taler om ansvarlig AI, er human in the loop det begreb, de fleste kender: Mennesket er med i processen og kan gribe ind, før AI'en handler. Det lyder enkelt, men mit forløb viste mig, at "at være med" kan betyde meget forskellige ting.
Med vibe coding var der egentlig ikke noget loop at være med i. Jeg var selv loopet: AI'en foreslog kode, men det var mig, der kopierede, satte ind, uploadede og rettede. AI'en var rådgiver, og jeg var udføreren.
Med agenten byttede vi roller. Det manuelle og gentagne arbejde blev delegeret: Agenten rettede i filerne, og den automatiske release lagde siden op. Det frigjorde mig til at holde overblikket, og mit arbejde blev i stedet styring og ledelse:
- Jeg satte retningen. Jeg besluttede, hvad der skulle laves, og hvad der var vigtigst.
- Jeg godkendte. Ved hvert vigtigt skridt var der en port, og intet blev ændret uden mit ja.
- Jeg satte rammerne. Jeg besluttede, hvad agenten måtte gøre selv, og justerede reglerne, hver gang noget gik skævt.
Godkendelsen er human in the loop, som begrebet normalt bruges. Men retningen og rammerne er noget mere: Det er ledelse. Og det var den del, der gjorde den største forskel.
👥 Ledelse af mennesker og af agenter
For at tage en tur i det lommefilosofiske hjørne: Hvad betyder det egentlig at "lede" noget, der ikke er et menneske? Én ting går igen fra min ledelseserfaring: Samarbejdet bliver markant bedre, jo tydeligere rammerne og de gensides forventningerne er - altså hvad agenten må eksekvere selvstændigt, og hvornår den skal spørge først.
Forskellen er dog lige så markant. Når jeg arbejder med mennesker, handler rammer om tryghed: om at skabe plads til, at folk kan bidrage med det, de er stærke til, også når de tænker anderledes og tør gå uden for boksen. For agenten handler rammerne derimod om kontrol: at sikre et tempo og nogle grænser, jeg kan følge med i og stå inde for.
Måske er det den afgørende skelnen: Mennesker har brug for rammer, der giver frihed. En AI-agent har brug for rammer, der sætter grænser. Ansvaret for begge dele ligger hos lederen.
🎯 Den vigtigste læring: Fra pilot til flyleder
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?
- Hvad er AI-agenter? Praktisk guide til arbejdsdagen Promptly. Til dig, der bruger AI i hverdagen og vil tage næste skridt.
- What are projects? Claude. Sådan samler du instruktioner og dokumenter i et fast arbejdsrum.
- AI-agenter KL Videncenter. Om ansvar, gennemsigtighed og kontrol, når organisationer tager agenter i brug.
- Sådan kan AI-agenter optimere din forretning IDA. Muligheder, risici og gode råd til at komme i gang i virksomheden.