Vi bliver oftere spurgt om AI-agenter end om noget andet. Det er forståeligt — det er dét alle taler om. Men i omkring hver tredje samtale ender vi med at anbefale noget andet, og det er værd at forklare hvorfor.
En AI-agent er god til opgaver der kræver skøn. Den kan læse en henvendelse og vurdere hvad den handler om, den kan skrive et svar der passer til situationen, og den kan håndtere de tilfælde ingen havde forudset. Det er en reel styrke. Men det er også en omkostning: en model er langsommere, dyrere pr. kørsel og mindre forudsigelig end en almindelig regel.
Tegn ét: opgaven kan beskrives som en regel
Hvis I kan sige "når X sker, gør Y" uden forbehold, har I ikke brug for en model. I har brug for en automatisering. Den er billigere at bygge, koster stort set ingenting at køre, og den gør det samme hver gang. En ny ordre der skal oprette en opgave, en udfyldt formular der skal lande i CRM, en faktura der skal videresendes — det er regler, ikke skøn.
Tegn to: en fejl er dyr og svær at opdage
Modeller tager fejl. Ikke ofte, men tit nok til at det betyder noget når konsekvensen er stor. Skal agenten sende penge, ændre en kontrakt eller love en kunde noget, skal der som minimum være et menneske i godkendelsen. Er opgaven en hvor man ikke kan opdage fejlen før det er for sent, er en model muligvis det forkerte værktøj uanset hvor godt den klarer sig i testen.
Penge der flytter sig
Betalinger, kreditnotaer og refusioner. Her bliver godkendelsen liggende permanent.
Løfter til kunder
Leveringstider, priser og tilsagn. En agent må gerne foreslå formuleringen, men ikke sende den.
Ændringer i aftaler
Opsigelser, forlængelser og vilkår. Konsekvensen er juridisk, ikke praktisk.
Data der slettes
Alt hvor fortrydelse ikke er en mulighed. Lad agenten markere frem for at fjerne.
Beskeder der ikke kan trækkes tilbage
Udsendelser til mange modtagere på én gang. Fejlen opdages først når den er ude.
Tegn tre: mængden er lille
En agent betaler sig når den erstatter timer, ikke minutter. Hvis opgaven opstår tre gange om ugen og tager fem minutter, er den samlede gevinst femten minutter — og det retfærdiggør hverken byggeprisen eller den løbende udgift. Så er det billigere at lade et menneske gøre det, eller at fjerne opgaven helt.
Hvad vi gør i stedet
Vi starter altid med at kortlægge opgaven, før vi vælger værktøj. Ofte viser det sig at halvdelen af det, der lignede et AI-problem, er en integration der mangler, og den anden halvdel er en beslutning ingen har taget. Det der bliver tilbage, er det en agent skal bruges til — og dér er den til gengæld rigtig god.
Hvordan kan vi hjælpe?
AI-kolleger der besvarer henvendelser, kvalificerer leads og tager de opgaver der ellers ligger og venter på et menneske.