Agentens anatomi
Vi skiller en AI-agent ad, del for del, med et tænkt eksempel: en mail om en forsinket komponent.
Vi beslutter, hvilke trin i en arbejdsgang AI skal tage, hvad modellen må, og hvordan vi ved, at den gør det rigtigt. De ni standpunkter nedenfor styrer de beslutninger.
Vi starter med at spørge, hvad der skal ændres, for hvem og hvorfor, og hvad der indtil nu har stået i vejen for det.
AI er vores faglige hovedområde. Alligevel kan svaret være en ny arbejdsdeling, almindelig kode eller en beslutning, som ingen har taget endnu. Så er det den løsning, vi anbefaler.
En sprogmodel kan sjældent løse en opgave i en virksomhed alene. Den skal have den rigtige kontekst, adgang til systemerne gennem afgrænsede tools, klare grænser for, hvad den må, og test, der viser, om den gør det rigtige. Det samlede system omkring modellen kalder vi harnessen.
Før vi bygger, aftaler vi med jer, hvornår et resultat er rigtigt. Testene viser også, hvor modellen kommer til kort, så I ved, hvilke opgaver den ikke skal have.
For hvert trin i arbejdsgangen vurderer vi, om det kan beskrives med faste regler, eller om det kræver fortolkning og dømmekraft. Faste regler bliver til almindelig kode, fortolkningen kan en agent tage sig af, og hvor ansvaret skal ligge hos et menneske, indsætter vi en godkendelse.
Kode: Reglen kan skrives på forhånd.Resultatet skal være forudsigeligt.
AI: Input kræver fortolkning.Kontekst og vurdering gør forskellen.
Menneske: Konsekvensen kræver ansvar.Beslutningen skal kunne ejes.
En agent skal bruges til de trin, hvor fortolkning og jeres viden gør en forskel.
Oplagt til en agent
Afgrænsede opgaver, der kræver jeres viden og vurdering.
Bedre som almindelig software
Forudsigelige trin, der kan beskrives med faste regler.
Det fraråder vi
At lade en agent træffe beslutninger med alvorlige konsekvenser uden klare grænser og et tydeligt mandat.
Når vi prioriterer projekter, vægter vi den direkte værdi, det, I lærer undervejs, og de dele, der kan genbruges i det næste projekt: viden, værktøjer og byggesten. Økonomi, indsats og risiko indgår også i vurderingen.
Vi vælger det første forsøg efter, hvor tvivlen eller modstanden sidder hos jer. De fire typer forsøg nedenfor passer til fire forskellige slags tvivl.
Afprøv en afgørende antagelse
Når hele idéen hviler på, at noget bestemt kan lade sig gøre.
Gør AI genkendeligt i hverdagen
Når teknologien føles fjern fra det daglige arbejde.
Undersøg en krævende grænse
Når det afgørende er, hvor langt løsningen kan række.
Åbn en ny mulighed
Når målet er at kunne noget, I ikke kan i dag.
Medarbejderne lærer den nye arbejdsform gennem deres egne opgaver. Deres feedback bruger vi til at justere både arbejdsdelingen og løsningen, så de to udvikler sig sammen.
Arbejdet med organisation og kultur kan derfor indgå i samme forløb som rådgivningen og udviklingen.
En ny AI-understøttet arbejdsgang kræver afprøvning og tilvænning. I den periode kan både tilliden og brugen falde, før arbejdsgangen finder sit leje.
Derfor planlægger vi støtte og opfølgning til perioden efter idriftsættelsen, så medarbejderne har hjælp, mens de vænner sig til den nye arbejdsgang.
Tillid og brug over tid. Kurven ligger først jævnt. Efter en ny arbejdsgang falder den i en periode med afprøvning og tilvænning. Derefter kan den stige til en mulig ny normal, som er tegnet stiplet.
Vi evaluerer to ting hver for sig: om systemet løser sine opgaver, og om arbejdet bliver bedre. Før udviklingen aftaler vi opgaver og beståelseskriterier og bygger evalueringscases og kodede kontroller, hvor det er relevant. Forandringen i arbejdet måler vi mod et udgangspunkt, vi har aftalt med jer.
Spor 1
Opgaver og beståelseskriterier aftales før udvikling.
Spor 2
Forretningsforandringen undersøges mod et aftalt udgangspunkt.
Læs mere
Agentens anatomi viser, hvilke dele en AI-agent består af, og artiklen om tool-output forklarer, hvordan formatet på et tool-resultat påvirker agenten. Den tredje viser, hvordan vi selv bruger agenter, hvor serveren styrer adgangen.
Vi skiller en AI-agent ad, del for del, med et tænkt eksempel: en mail om en forsinket komponent.
Når et tool-resultat går tilbage til modellen, afgør formatet, hvor mange tokens agenten bruger, og hvor godt den forstår svaret.
Vores egne agenter opretter kunder, registrerer tid og laver juridiske udkast. Sådan styrer serveren, hvad de må.