Agentisk AI: Det neste trillion-dollar effektivitetsspillet

Fra LLM-er til AI-agenter

Ytelsen til AI har endret hvordan vi oppfatter kunstige systemers evne til å samhandle med mennesker, i stor grad takket være den nesten menneskelige talen fra LLM-er (store språkmodeller) som ChatGPT.

Allerede med dette nivået av kapasitet kan AI bistå eller til og med erstatte mennesker i oppgaver som oversettelse, datasøk, programmering osv. Imidlertid blir et nytt nivå av AI‑kapasitet låst opp med AI‑agenter. Kjerneideen med AI‑agenter er å skape AI‑er som kan operere uavhengig i et gitt miljø. Dette gjør at de kan handle på egen hånd, uten behov for konstant bekreftelse eller tilsyn.

Dette gir dem svært forskjellige praktiske roller enn generativ AI som LLM‑er eller bildeskapere, som for det meste er reaktive på menneskeskapte prompt.

I den sammenhengen kan «miljø» bety både spesifikke situasjoner i den virkelige verden – som en bil på veien for en selvkjørende agent – eller et fullt virtuelt «sted», som en spesifikk programvarepakke eller digitalt grensesnitt.

Dette er steget hvor AI utvikler seg fra «Chatting» til «Doing». I motsetning til generelle LLM‑er har AI‑agenter ofte et mer begrenset og smalt omfang. Dette hjelper dem å være mer effektive og pålitelige når de tar autonome beslutninger, mens en generell AI lettere kan gå på en uventet sidevei.

AI‑agenter er neste steg i å gjøre AI nyttig for å forbedre effektiviteten i utallige prosesser.

AI-agenter forklart

Sveip for å rulle →

Er AI-agenter et nytt gjennombrudd eller en evolusjon?

Disse egenskapene plasserer AI‑agenter ett steg over tidligere iterasjoner av AI‑verktøy, som assistenter og bots, takket være mer proaktive evner, autonomi og evnen til å håndtere komplekse, flertrinnsoppgaver.

Som en sann intelligens kan de selv‑forbedre seg: de lærer av erfaring, justerer atferden basert på tilbakemeldinger, og kontinuerlig forbedrer sine ytelses‑ og kapasitetsnivåer over tid.

Så mens bots og AI‑assistenter kan oppfylle deler av oppgavene som gis til en AI‑agent, skiller autonomi, proaktiv tilnærming og høy kompleksitet agentene fra tidligere automatiseringsnivåer. Dette gjør dem mye nærmere en faktisk menneskelig arbeider, i hvert fall for den spesifikke oppgaven de er trent for.

Hvordan autonome AI‑agenter vil skalere på tvers av industrier

Det moderne livet er fullt av repeterende oppgaver som er litt for komplekse for enkle automatiseringsskript, men kjedelige for mennesker. Dette gjør AI‑agenter spesielt relevante for svært repeterende, dømmingsbaserte arbeidsflyter – fra å gå en kunde gjennom en feilsøkingsalgoritme til å kjøre lastebiler på motorveien.

I motsetning til mennesker kan slike AI‑agenter jobbe 24/7 og skalere umiddelbart uten ekstra overhead.

Det finnes mange måter å klassifisere nivået vi har nådd i AI‑evner. Generelt sammenlignes AI‑evner med den generelle menneskelige befolkningen. De nyeste AI‑agentene når ferdighetene til 50‑90 % av befolkningen i spesifikke, smale domener.

Disse «Nivå 2‑3» AI‑agentene anses vanligvis som et midtpunkt i AI‑fremdriften, og bare begynnelsen på AGI (kunstig generell intelligens).

Den fremvoksende arkitekturen er å bygge mange spesialiserte AI‑agenter og la hver av dem håndtere en spesifikk oppgave på et nivå sammenlignbart med en menneskelig arbeider. For mer komplekse arbeidsflyter vil en serie AI‑agenter handle suksessivt, samarbeide for å utføre den større jobben ved å bryte den ned i mindre deloppgaver.

Tilpassede agenter, utviklet internt med hjelp av AI‑plattformer, vil også sannsynligvis bli mer vanlige etter hvert som kode‑agenter reduserer kompleksiteten ved å utvikle bedrifts‑apper.

Øke effektiviteten til AI og mennesker samtidig

En annen fordel med AI‑agenter over mer generell AI er effektivitet. Mens de utmerker seg på én oppgave, er de ikke belastet av overflødige kapasiteter.

For eksempel kan en dedikert AI‑agent kunne kjøre en bil som et menneske, men uten de andre menneskelige evnene for resonnering. Den kan «forstå» veier, men vil ikke være god i samtale, kunne generere et bilde fra en prompt, eller håndtere store databaser.

Som følge av dette krever modellen mindre minne og beregningskraft for å fungere. Dette reduserer igjen maskinvarekravene og energien som forbrukes for å utføre oppgaven.

Hvor mye autonomi?

Den større autonomien til AI‑agenter er deres største styrke, men den kan også være en barriere for adopsjon.

Selv en svært kompetent og pålitelig AI‑agent kan bli ansett som upålitelig for å ta beslutninger som har høy påvirkning på den virkelige verden. Det er én ting å sette en forbedret chatbot til kundeservice; det er en annen å la den håndtere lønn for tusenvis av ansatte.

Det er sannsynlig at den parallelle veksten i kvaliteten på AI‑beslutninger og økende fortrolighet med dem vil la myndigheter gi mer spillerom til AI‑beslutningstaking. Dette åpner imidlertid interessante juridiske og etiske spørsmål om ansvaret for AI‑handlinger.

Et klart juridisk rammeverk vil måtte fastsettes. For eksempel, hvis en selvkjørende bil krasjer, er leverandøren av AI‑agenten ansvarlig? Etter hvert som autonomien øker, påvirker beslutninger ekte mennesker og blir dyre erstatningsspørsmål.

Dette dekker også misbruksspørsmålet, som identitetstyveri eller automatisert svindel. Dette er lovgivningsspørsmål, men teknologisk fremgang går ofte foran regulering.

Fremtiden for AI-agenter

Kan AI-agenter bli smale generalister?

Som forklart er tidlige AI‑agenter smale for å være effektive og pålitelige. Imidlertid vil høyere‑nivå AI‑agenter kreve forståelse av kontekst, hukommelse av tidligere beslutninger og oppgavekontinuitet.

Først kan dette gjøres med hjelp av et menneske, som blir mer en «dirigent» for de agentiske AI‑ene snarere enn å utføre oppgaven selv. Selvfølgelig er målet å fjerne menneskelig arbeidskraft fra ligningen for å forbedre effektiviteten.

For eksempel vil en AI som utfører en diagnose på et sykehus måtte analysere medisinske bilder, forstå tekst eller tale som beskriver symptomer, integrere medisinske testresultater og pasienthistorikk, og finne relevant vitenskapelig litteratur – alt på én gang. Den må så kombinere disse dataene intelligent.

Finansapplikasjoner

Noen sektorer er skeptiske til å fjerne mennesker fra beslutningsløkken, spesielt produksjon eller helsevesen hvor feil kan være dødelige. En sektor omfavner AI‑agenter entusiastisk: finans.

Det meste av finansverdenen bruker allerede høye nivåer av automatisering, fra handelssystemer til svindeldeteksjon. Fintech‑selskaper er enda mer åpne for agentisk AI, siden deres eksistens avhenger av å automatisere finansiell effektivitet. Forbedret effektivitet i en industri som håndterer billioner kan raskt bli til lønnsom marginutvidelse.

For eksempel kan en agent målrette den tidkrevende oppgaven med avstemming (matching av bankutskrifter, regneark og hovedbøker). Mellomstore selskaper kan bruke over 300 timer i året bare på bankavstemming. Mens regneark kan automatisere deler av dette, er de skjøre. Agentisk AI tilbyr høyere fleksibilitet og resonneringskapasitet for å håndtere unntak og ustrukturert data.

Investering i agentisk AI

ServiceNow

ServiceNow (NOW ) er en sky‑databehandlingsplattform grunnlagt i 2003, dedikert til opprettelse og styring av automatiserte forretnings‑arbeidsflyter. Fra en etablert base av forretnings‑automatiseringskunder har selskapet fullstendig gått over til agentisk AI.

Den gjør det mulig for selskaper å bruke sine AI‑agenter, samt tilpasse dem eller lage nye fra bunnen med lav‑kode og «vibe coding» (la en AI skrive koden etter prompt fra et menneske).

Det viktigste salgsargumentet for ServiceNow er at det ikke er «giftig» til noen spesiell AI‑teknologi og kan integreres i eksisterende digitale verktøy og arbeidsflyter i selskaper. Det gir også et pålitelig grensesnitt for å sentralisere styringen av et økende antall AI‑agenter.

AI‑styring blir redefinert, med en sentral hub for å administrere, overvåke og optimalisere AI‑agenter – enten de er native eller tredjepart. Og i motsetning til lukkede økosystemer, er ServiceNow LLM‑agnostisk og dypt integrert med NVIDIA (NVDA ), hyperskalere og et blomstrende AI‑økosystem – noe som gir bedrifter full kontroll til å framtidssikre sin AI‑strategi.

Fokuset for disse agentene er å forbedre selskapenes marginer ved å gjøre dem mer effektive – automatisere IT‑oppgaver, forenkle HR, håndtere rutinemessige kundehenvendelser og fremskynde app‑utvikling.

Det 20‑plus år gamle selskapet vokser fortsatt raskt, med mer enn 20 % år‑over‑år inntektsvekst ved slutten av 2025. Merkverdig er at eksisterende kundekohorter konsekvent øker bruken, noe som fører til økende ACV (årlig kontraktsverdi). Fornyelsesrater holder seg jevnt i 95‑97 %-området, noe som gjør inntektene svært forutsigbare.

Selskapet har klart å skape solide driftsmarginer og fri kontantstrøm, noe som reflekterer den relativt lave kostnadsbasen sammenlignet med de tilbakevendende inntektene.

Siste ServiceNow (NOW) aksjenyheter og utviklinger