AI-agenter er i ferd med å bli et av de mest brukte begrepene innen kunstig intelligens. Men hva er egentlig en AI-agent? Er det ChatGPT, Claude eller Copilot som hjelper deg med en oppgave? Eller er det en sverm av orkestrerte agenter som til sammen blir en digital medarbeider i bedriften? En som kjenner bedriftens systemer, data, prosesser og rutiner, og som selv kan utføre arbeidsoppgaver.
Svaret er at begge deler omtales som AI-agenter. Forskjellene er likevel betydelige, både teknologisk og når det gjelder hvilken verdi de kan skape for virksomheten.
Vi bør derfor skille mellom generelle AI-assistenter med agentiske egenskaper og det vi kan kalle agentiske autonome operative systemer. Virksomhetstilpassede løsninger hvor AI-agenter inngår som en integrert del av bedriftens arbeidsprosesser.
AI-agent / Harness
Hva er et AI-harness?
For å utvikle avanserte AI-agenter trenger vi mer enn bare språkmodeller. Vi trenger et teknisk miljø som håndterer kontekst, sikkerhet, kostnader, integrasjoner og forretningslogikk. Vi trenger et AI-harness.
Et harness er programvaren og kontrollmekanismene som omgir språkmodellen og gjør den i stand til å fungere som en agent. På samme måte som en bil trenger mer enn en motor, trenger et agentisk system mer enn bare en AI-modell.
En forenklet måte å forstå dette på er:
- LLM er hjernen: Forstår språk, analyserer informasjon, resonnerer og foreslår handlinger
- Harness er arbeidsmiljøet: Håndterer kontekst, verktøy, tilganger, arbeidsflyter og samspillet med språkmodellen
- AI-agenten er den samlede løsningen: Kombinerer modellen og harnesset for å løse oppgaver og utføre handlinger
Et harness kan gjennomføre mange kall til én eller flere språkmodeller underveis i samme arbeidsoppgave. Agenten kan analysere en forespørsel, hente informasjon fra flere systemer, vurdere resultatene, utføre handlinger og kontrollere utfallet. Ved behov kan mennesker involveres for godkjenning eller beslutninger (human-in-the-loop og human-as-a-tool).
Teknisk handler dette blant annet om orkestrering, kontekststyring, RAG, API-integrasjoner, MCP, hukommelse og sikkerhet.
Et harness kan styre én agent eller koordinere flere spesialiserte agenter som samarbeider i en multi-agent-arkitektur.
AI-assistenter blir stadig mer agentiske
Løsninger som ChatGPT Work og Claudes arbeidsorienterte verktøy beveger seg langt utover tradisjonelle chatboter. De kan arbeide med dokumenter, benytte tilkoblede applikasjoner og gjennomføre komplekse oppgaver i flere steg.
Det er derfor faglig riktig å omtale mange av disse løsningene som agentiske.
Men det er fortsatt et viktig skille mellom en generell AI-assistent og et virksomhetstilpasset agentisk system bygget rundt bedriftens egne data, prosesser og systemer.
En generell AI-assistent er utviklet for et bredt spekter av oppgaver på tvers av virksomheter. En virksomhetstilpasset agent kan derimot utvikles med inngående kjennskap til én bedrifts arbeidsprosesser, informasjonssystemer og forretningsmessige mål.
Forskjellen ligger ikke nødvendigvis i språkmodellen, men i arkitekturen, integrasjonene og den virksomhetsspesifikke logikken rundt den.
Grensen mellom kategoriene er ikke absolutt. Også generelle AI-assistenter kan integreres og tilpasses. Det avgjørende er hvor mye kontroll virksomheten har over hvordan agenten arbeider, og hvilke oppgaver den faktisk kan utføre.
Gemini Enterprise
Google har med Gemini Enterprise og Gemini Enterprise Agent Platform gjort det enklere for virksomheter å utvikle og ta i bruk avanserte AI-agenter. De to produktene har ulike roller, men kan fungere sammen.
Gemini Enterprise-appen, medarbeidernes inngang til AI
Gemini Enterprise-appen er en felles arbeidsflate hvor ansatte kan søke i virksomhetens informasjon, analysere data, utføre oppgaver og samhandle med AI-agenter.
Gjennom integrasjoner kan medarbeiderne få tilgang til relevant kunnskap på tvers av virksomhetens systemer, innenfor etablerte tilgangsrettigheter.
Appen kan også gi tilgang til ferdige og virksomhetstilpassede agenter, og kan dermed fungere som et felles grensesnitt mot bedriftens AI-ressurser, uavhengig av arbeidsflaten.
Gemini Enterprise Agent Platform, infrastrukturen bak agentene
Agent Platform er Googles tekniske plattform for å utvikle, kjøre, sikre og administrere avanserte AI-agenter.
Plattformen leverer mange av byggeklossene i et AI-harness, blant annet utviklingsrammeverk, orkestrering, hukommelse, verktøyintegrasjoner, tilgangsstyring og overvåking. Google Cloud tilbyr også flere ferdige, administrerte MCP-servere som gjør det enkelt for AI-agenter å hente og bruke virksomhetsdata fra eksempelvis BigQuery, slik at svar og analyser kan forankres i faktiske data (grounding).
Med Agent Development Kit (ADK) kan utviklere definere agentenes oppgaver, verktøy og samspill. Plattformen reduserer dermed behovet for å utvikle og drifte den generiske agent-infrastrukturen selv.
Men Google kan ikke levere den ferdige virksomhetsspesifikke løsningen. Forretningsregler, datamodeller, integrasjoner og arbeidsflyter må uansett utvikles eller tilpasses av bedriften selv, eventuelt sammen med en partner.
Den store muligheten ligger i å kombinere Googles agent-infrastruktur med virksomhetens egne data, prosesser og forretningslogikk.
Det er denne kombinasjonen som kan gjøre AI til noe langt mer enn bare en chatbot og digital assistent. En integrert og operativ ressurs i virksomheten kan gi helt andre gevinster, og det er slike løsninger vi vil se mye av i tiden som kommer.
CAP10
HEL10, vår egen agentiske medarbeider
I CAP10 har vi utviklet HEL10, vårt eget virksomhetstilpassede multi-agent-system.
HEL10 kjenner våre tjenester, systemer og arbeidsprosesser. Gjennom integrasjoner med interne systemer og tilgang til relevante data kan HEL10 analysere informasjon, bistå medarbeiderne og utføre stadig flere operative oppgaver. Både som støttefunksjon for de ansatte, men også på egne vegne med kontrollmekanismer for sikring.
Vi har også utviklet vår egen orkestrering og håndtering av samspillet mellom spesialiserte agenter, språkmodeller, verktøy og virksomhetens data.
Dette er teknologi som allerede endrer måten vi arbeider på.
Fra egen orkestrering til Gemini Enterprise Agent Platform
Vi er nå i gang med å videreutvikle HEL10 med Gemini Enterprise Agent Platform som en sentral del av arkitekturen.
Mye av orkestreringen, konteksthåndteringen og integrasjonslogikken ligger fortsatt i vår egen kode. Men vi flytter gradvis generiske funksjoner og AI-infrastruktur over til Googles plattform, der vi kan dra nytte av standardiserte tjenester for blant annet agentkjøring, hukommelse, sikkerhet og overvåking.
Dette handler ikke om å erstatte HEL10 med et standardprodukt, men om å bygge videre på det vi allerede har utviklet. På den måten ivaretar vi videreutvikling basert på etablert AI-infrastruktur og samtidig blir vi bedre rustet til å støtte våre kunder med denne type løsninger.
Vi tror dette representerer et viktig skifte i hvordan virksomheter vil bruke AI fremover.
Fremtidens AI-verdi vil ikke bare handle om hvor gode svar en språkmodell kan gi, men om hva virksomhetens egne AI-agenter faktisk kan få gjort. Agent-svermer med unik kunnskap om bedriften vil utgjøre autonome operative systemer, og er fremtidens bruk av AI.
