Bakgrund

Den 18 mars 2025 höll Henrik Kniberg och Hans Brattberg från Ymnig ett 50 minuters webbinarium om AI-agenter i praktiken. Evenemanget var välbesökt och fylldes med värdefulla insikter om hur AI-agenter kan effektivisera arbetsprocesser och samarbeta med människor i organisationer. 

Inspelning och material

Missade du webbinariet eller vill se det igen?
Video
Pdf

Vill du lära dig mer eller komma igång med AI-agenter?

Kommande kurser

• AI Agenter, på svenska, nästa datum är 28-29 april
• Autonomous AI Agents, same course but in english, 15-16th of April

Hackathon

Ymnig planerar ett AI-agent hackathon den 10 juni, där deltagare får möjlighet att skapa egna agenter under handledning. Hackathonet handlar om att designa och skapa agenter genom prompting. Du behöver inte vara programmerare för att vara med. Bara van att jobba med ChatGPT eller liknande verktyg dagligen.

Discovery-workshop

För organisationer som vill utforska hur agenter kan implementeras i er verksamhet kan du boka ett Agent Discovery Meeting med oss.

Frågor och svar från seminariet

Vad är en AI-agent?

I början av webbinariet definierade Henrik Kniberg vad en AI-agent egentligen är, då begreppet används på olika sätt i branschen. Enligt Ymnigs definition består en autonom agent av:

• En Large Language Model (t.ex. GPT eller Claude)
• En tydlig mission (arbetsbeskrivning)
• Autonomi (förmåga att agera självständigt)
• Verktyg för att utföra sitt uppdrag

Skillnaden mellan en vanlig chattbot och en agent är att agenten kan utföra flera steg på egen hand, improvisera när det behövs, och använda en rad olika verktyg för att uppnå sina mål.

När bör man använda agenter?

AI-agenter passar bäst för uppgifter som:

• Genomförs ofta
• Tar mycket tid
• Inte känns som välspenderad tid för en mänsklig medarbetare
• Kräver viss intelligens, men inte extremt mycket kreativitet

Som Henrik uttryckte det under webbinariet: "Sweet spot för agenter är kända workflows, saker som ni redan gör, gärna ganska ofta, som känns ganska trist, och kanske inte är så jättesvårt att göra, men man gärna vill slippa."

Demonstrerade exempel

Under webbinariet visades flera exempel på AI-agenter, bland annat:

General Agent: Freddy

En generell agent som kunde:

• Utföra research om tekniska utvecklingar inom solenergi
• Generera rapporter i Notion
• Skapa bilder med Dall-E
• Spela in röstsammanfattningar med skotsk accent
• Kommunicera via Slack
• Sätta upp veckovisa rutiner för kontinuerlig omvärldsbevakning

Specialagenter

• En journalist-assistent för nyhetsskapande
• En "Screener" för att utvärdera investeringsobjekt
• En incident-analyserare för IT-support

Fördelar med agentteam

Ett intressant perspektiv från webbinariet var att agenter, precis som människor, fungerar bättre i team där varje agent har ett tydligt ansvarsområde:

"Agenter funkar bäst om de inte får för många instruktioner och verktyg (precis som människor...)"

Henrik visade hur ett team av specialiserade agenter är mer effektivt än en enda komplex agent. Några modeller för agentteam:

• Koordinator (där en agent leder arbetet)
• Hub (en central agent kommunicerar med flera specialiserade)
• Pipeline (arbetet flödar från agent till agent)
• Branching pipeline (arbetet tar olika vägar beroende på omständigheter)

Säkerhet och dataintegritet

Under webbinariet diskuterades hur man kan balansera kraftfulla verktyg med säkerhet:

• Princip om minsta behörighet - ge agenter bara de verktyg och data de behöver
• Modeller som kan köras lokalt eller inom EU
• Förbehandling av dokument för att ta bort känslig information
• Olika nivåer av mänsklig övervakning (in the loop, on the loop, out of the loop)

Vanliga frågor från webbinariet (FAQ)

Hur hanteras hallucinationer i AI-agenter?

Hallucinationer (när AI-modeller genererar felaktig information) är ett reellt problem, men har blivit mindre allvarligt med nyare AI-modeller. För att minimera risken:

• Välj nyare, mer tillförlitliga modeller
• Begränsa agentens arbetsområde till en specifik uppgift
• Skapa tydliga promptar och instruktioner
• Implementera "guardrails" i plattformen
• Använd "human in the loop"-metoder för kritiska beslut

Hur ser det ut med rättigheter/copyright för värdeskapande saker agenterna skapar?

Samma regler gäller som för Large Language Models generellt. Det saknas fortfarande helt tydliga regelverk, men vissa leverantörer (som OpenAI) erbjuder vissa garantier och skydd mot upphovsrättstvister för genererat innehåll.

Hur agnostiska kan agenterna göras mot underliggande LLMs?

Ymnigs plattform låter dig konfigurera vilken LLM du vill använda genom att ange en endpoint/URL. Detta möjliggör flexibilitet att byta mellan leverantörer som Claude, GPT eller lokalt körda modeller som DeepSeek.

Kan man köra agenter lokalt utan att skicka data externt?

Ja, det finns flera alternativ:

• Köra modeller lokalt (t.ex. DeepSeek R1, som till och med kan köras på en modern laptop)
• Använda API:er via Azure OpenAI som garanterar data inom EU
• Skapa private endpoints
• Köra plattformen on-premise

Vad kostar det att använda er plattform?

Prismodellen varierades baserat på användningsfall och behov. För exakta prisuppgifter rekommenderas kontakt med Ymnig direkt.

Hur ser framtiden ut för AI-agenter om 2-3 år?

Henrik menade att det är svårt att förutse exakt hur tekniken kommer utvecklas, men att:

• De företag som börjar använda tekniken nu kommer att ha ett försprång
• Även med dagens teknik finns enorma möjligheter att automatisera processer
• Produktivitetsgapet mellan organisationer som använder AI-agenter och de som inte gör det kommer öka
• Tekniken kommer att fortsätta utvecklas snabbt

‍