AI Agent (AI-agent)
Hvad er en AI-agent?
En AI-agent er et softwaresystem, der ved hjælp af kunstig intelligens kan planlægge og udføre opgaver selvstændigt på baggrund af et mål, uden at et menneske skal styre hvert enkelt trin i processen. I modsætning til en simpel chatbot, der venter på et spørgsmål og giver et svar, kan en AI-agent selv finde ud af hvilke handlinger der skal kædes sammen for at nå et mål – for eksempel at søge information, kalde et program, opdatere et system og derefter vurdere om resultatet er godt nok.
Et hverdagseksempel: bed en almindelig chatbot om at “finde det bedste tidspunkt for et surfferie i Grækenland næste år”, og den vil typisk svare ud fra det, den allerede har lært under træning. En AI-agent kan derimod selv opsøge vejrdata for de seneste år, hente information fra en anden kilde om hvad der giver gode surfforhold, sammenholde de to datasæt og derefter præsentere et konkret forslag til brugeren – uden at få instrukser til hvert eneste skridt undervejs.
Chatbot, assistent eller agent?
Begreberne bruges ofte i flæng, men der er en gradvis forskel i graden af selvstændighed. En bot følger typisk faste, forudprogrammerede regler og har begrænset eller ingen indlæring. En AI-assistent, som fx ChatGPT, reagerer på brugerens forespørgsler og kan foreslå handlinger, men det er brugeren, der træffer beslutningerne og fører processen videre trin for trin. En AI-agent går et skridt videre: den kan selv nedbryde en kompleks opgave i mindre deltrin, vælge relevante værktøjer og handle proaktivt mod et mål, ofte med kun løbende eller efterfølgende feedback fra et menneske.
Hvordan fungerer en AI-agent?
Kernen i de fleste moderne AI-agenter er en sprogmodel, en såkaldt LLM (Large Language Model), der fungerer som agentens “hjerne” og gør den i stand til at forstå en opgave, ræsonnere over den og formulere svar. Omkring denne model er der typisk bygget nogle understøttende funktioner:
- Planlægning: Agenten nedbryder et overordnet mål i mindre delopgaver og lægger en rækkefølge for, hvordan de skal løses.
- Værktøjsbrug: Agenten kan tilgå eksterne ressourcer som databaser, søgemaskiner, API’er eller andre programmer for at hente information eller udføre handlinger, den ikke selv har viden om.
- Hukommelse: Tidligere interaktioner og resultater kan gemmes, så agenten kan trække på erfaring i fremtidige opgaver.
- Feedback og selvkorrektion: Agenten vurderer løbende om dens handlinger fører mod målet, og justerer planen hvis noget ikke går som forventet.
Nogle AI-agenter opererer alene, mens andre er sat sammen i flere led, hvor en overordnet agent koordinerer arbejdet mellem flere specialiserede agenter – for eksempel en agent der udelukkende søger i en virksomheds interne dokumenter, og en anden der formulerer det færdige svar til brugeren.
Typer af AI-agenter
AI-agenter kan groft deles op efter hvor avanceret deres beslutningsproces er. Simple refleks-agenter reagerer direkte på input efter faste regler, uden hensyn til tidligere hændelser – fx en termostat der tænder varmen ved en given temperatur. Modelbaserede agenter har en form for intern repræsentation af omgivelserne og kan tage højde for tidligere hændelser. Målorienterede agenter evaluerer forskellige handlinger for at finde den mest sandsynlige vej til et defineret mål, mens lærende agenter over tid forbedrer deres præstationer ved at justere adfærd baseret på erfaring og feedback.
Anvendelse i praksis
AI-agenter bruges i dag blandt andet til at automatisere kundeservicehenvendelser fra start til slut, udføre research og udarbejde rapporter, screene ansøgninger eller overvåge og reagere på hændelser i it-systemer. Fælles for anvendelserne er, at agenten ikke kun besvarer et enkelt spørgsmål, men gennemfører en hel arbejdsgang bestående af flere handlinger, som ellers ville kræve manuel indgriben mellem hvert trin.
Begrænsninger
En AI-agents pålidelighed afhænger i høj grad af, hvor godt dens mål, værktøjer og adgange er defineret. Fejl i et tidligt trin i en kæde af handlinger kan forplante sig til senere trin, og en agent med adgang til at handle selvstændigt i eksterne systemer kan i praksis have brug for menneskelig kontrol eller godkendelse på kritiske punkter, særligt i opgaver med stor økonomisk eller juridisk betydning.