Vad är en AI-agent, egentligen?

En AI-agent är en AI som är förberedd för en viss typ av arbete, med instruktioner och kunskap som följer med in i varje ny konversation. Så används ordet oftast idag, om en specialiserad version av en AI-assistent som svarar på frågor om resepolicyn eller skriver rapporter i ett bestämt format, utan att du behöver förklara uppgiften varje gång. Inom AI-forskningen betyder ordet något mer, ett system som agerar självständigt mot ett mål, och den betydelsen kommer tillbaka nu när verktygen klarar allt större uppdrag på egen hand.

Vad är en AI-agent?

Ordet agent har en bestämd betydelse inom AI-forskningen. Där är en agent ett system som uppfattar sin omgivning, fattar egna beslut och agerar för att nå ett mål, utan att en människa styr det steg för steg. Den planerar, utför och justerar sitt arbete på egen hand.

När Microsoft, Google och OpenAI pratar om agenter menar de för det mesta något enklare, en AI som är förberedd för ett visst uppdrag. Det kan vara en AI som svarar på frågor om resepolicyn utifrån rätt dokument, eller en kundtjänstagent som besvarar mejl med stöd av en kunskapskälla. Modellen bakom kan fortfarande göra allt möjligt annat, men instruktionen riktar arbetet mot ett bestämt behov, och de flesta sådana agenter är långt ifrån självständiga.

Agenter heter också olika saker i olika verktyg. I Microsoft Copilot heter de agenter. I ChatGPT heter de numera också agenter, och de GPTs som fanns tidigare håller på att fasas ut. I Google Gemini heter de Gems. Funktionen är i grunden densamma, du ger AI:n ett namn, instruktioner och kunskap.

I den här artikeln använder vi ordet agent i den vardagliga betydelsen, oavsett verktyg. Vi delar in agenterna i fyra nivåer efter vad de kan göra, och den fjärde nivån är den som ligger närmast forskningens definition.

Vad är agentisk AI?

Agentisk AI beskriver ett arbetssätt. En AI arbetar agentiskt när den tar emot ett mål, planerar stegen själv, använder verktyg och information den hittar längs vägen och ändrar planen efter vad som händer, i stället för att svara på ett meddelande i taget. En agent kan arbeta agentiskt, men behöver inte göra det. En svarande agent som hämtar rätt policydokument och svarar är fortfarande en agent, även om den inte arbetar särskilt självständigt, och ett system kan arbeta agentiskt utan att vara specialist på ett bestämt uppdrag.

De tydligaste exemplen på det senare är Copilot Cowork, ChatGPT Work och Claude Cowork. Alla tre är generella lägen där du beskriver ett större uppdrag, till exempel ett underlag inför ett möte byggt på fem dokument, och låter AI:n planera och utföra arbetet i flera steg, ofta i bakgrunden medan du gör annat. De kallas ibland agenter, men de är inte specialiserade på något. Samma Cowork som bygger en presentation på förmiddagen sorterar inkorgen på eftermiddagen. Vår erfarenhet är att de gör mest nytta när uppdraget tar lång tid att göra för hand men är lätt att kontrollera i efterhand. Behöver du hålla AI:n i handen genom varje steg går det ofta lika fort i den vanliga chatten.

👉 Vad är Copilot Cowork?

👉 Vad är ChatGPT Work?

👉 Vad är Claude Cowork?

En vanlig AI-assistent räcker inte alltid

En vanlig AI-assistent, oavsett om det är Copilot, ChatGPT eller Gemini, börjar om från samma generella utgångsläge varje gång du startar en ny chatt. Den får med sig ett systemmeddelande från leverantören med grundläggande regler för hur den ska bete sig, kanske dagens datum och lite information om dig, till exempel ditt namn eller att du föredrar svenska. Men det är ungefär allt.

Visst finns det minnesfunktioner i de flesta AI-assistenter idag, där syftet är att de ska komma ihåg saker mellan konversationer. Men att assistenten minns att du heter Karin och har två katter hjälper inte särskilt mycket om du varje vecka vill att den ska sammanfatta mötesanteckningar i ett specifikt format.

För sådana uppgifter måste du varje gång skriva om instruktionerna, ladda upp samma dokument och förklara samma sammanhang. Ju mer specifik uppgiften är, desto mer jobb blir det, och ska flera kollegor göra samma sak måste var och en skriva sina egna instruktioner, hitta rätt dokument och komma fram till ett bra arbetssätt på egen hand.

Vad är skillnaden mellan en AI-assistent och en AI-agent?

En AI-assistent har samma utgångsläge i varje ny chatt, medan en AI-agent har fördefinierade instruktioner och kunskap med sig in i varje ny konversation. Du bestämmer i förväg vad agenten ska göra, hur den ska göra det och vilka dokument eller datakällor den ska använda. När du sedan chattar med agenten behöver du bara skicka en kort fråga eller ett kort kommando.

En agent har alltså två grundläggande byggstenar:

• Instruktionerna talar om för agenten vad den ska göra och hur den ska bete sig
• Kunskapen är de dokument, filer eller datakällor som agenten har tillgång till

Tillsammans gör de att du slipper börja om från noll. Du bygger agenten en gång och använder den om och om igen. Du kan också dela den med kollegor, så att hela teamet får samma kvalitet utan att var och en behöver vara bra på att skriva prompter. Utförande agenter har även en tredje byggsten, verktyg, som bestämmer vad de får göra utanför konversationen.

De fyra nivåerna av AI-agenter

För varje nivå blir agenten mer självständig, och konsekvenserna av det den gör blir större.

1. Svarande agenter svarar på frågor utifrån sina instruktioner och sin kunskap. Allt stannar i konversationen.
2. Skapande agenter producerar färdiga leveranser som rapporter, utkast och sammanställningar. Resultatet är något du kan ta vidare och använda.
3. Utförande agenter kan påverka system utanför chatten, till exempel skapa mejlutkast i din inkorg eller lägga till data i ett annat system.
4. Autonoma agenter planerar och agerar självständigt utan att en människa initierar eller godkänner varje steg.

Gränsen mellan svarande och skapande är inte knivskarp, den handlar mer om ambitionsnivå. En svarande agent hämtar och presenterar information, en skapande agent producerar något nytt.

Gränsen mellan skapande och utförande är däremot tydlig. Antingen påverkar agenten ett system utanför chatten eller så gör den det inte. Om agenten skriver ett mejlutkast i chattfönstret som du sedan kopierar och klistrar in i Outlook är det en skapande agent. Om agenten kopplar till Outlook och skapar utkastet åt dig är det en utförande agent.

Svarande AI-agenter

En svarande agent svarar på frågor utifrån sina instruktioner och den kunskap den har tillgång till, och allt stannar i konversationen. Det kan vara att svara på frågor om en resepolicy utifrån uppladdade dokument, eller att söka webben efter konkurrenters senaste nyheter och sammanfatta dem.

Om det känns som ”bara en chattbot med ett dokument” så är det precis poängen. Agenten har alltid rätt instruktioner och rätt dokument med sig, så du behöver varken ladda upp policydokumentet varje gång du har en fråga eller skriva om hur du vill ha svaret presenterat.

Ett konkret exempel är en trendspaningsagent som är instruerad att söka nyheter inom ett visst ämne, till exempel energisektorn, och att bara använda tillförlitliga källor. I instruktionerna kan du ange att agenten ska inkludera ”site:di.se” eller ”site:nyteknik.se” i sina sökfraser, så att den bara hittar resultat från källor du litar på.

När du sedan använder agenten räcker det att skriva ett enda ord, till exempel ”vindkraft”, så söker den i de angivna källorna och presenterar en sammanfattning. Utan agenten hade du behövt skriva något i stil med ”sök på webben efter de senaste nyheterna om vindkraft, använd bara di.se och nyteknik.se som källor, och sammanfatta det du hittar” varje gång.

Tips för att bygga en svarande agent

• Utgå från vilken fråga agenten ska svara på och var svaret finns. Finns det i ett dokument laddar du upp dokumentet som kunskap, finns det på webben pekar du ut vilka källor agenten ska använda.
• Skriv instruktionerna som om du förklarar uppgiften för en ny kollega. Berätta vad agenten ska göra, hur den ska presentera svaret och vad den ska göra om den inte hittar något svar.

Skapande AI-agenter

En skapande agent producerar en leverans, till exempel en rapport, ett mejlutkast, en sammanställning eller en produktbeskrivning, något du kan använda som det är eller nästan som det är.

Ett konkret exempel är en rapportagent som är instruerad om rapportens format, ton och struktur. Du behöver bara bifoga ett dokument, till exempel gästrecensioner från en restaurang, och skriva ”utgå från dessa”. Agenten presenterar först en disposition. När du godkänner den skriver den en fullständig rapport med rubrik, inledning, analys av positiv och negativ feedback och konkreta åtgärdsförslag. Samma kvalitet varje gång, oavsett vem som använder agenten.

Tips för att bygga en skapande agent

• Var tydlig med vad agenten ska producera, i vilket format, i vilken längd, för vilken målgrupp och med vilken ton. En agent som bara vet att den ska ”skriva en rapport” lämnar mycket åt slumpen.
• Instruktionerna måste vara generella nog att fungera för olika situationer. Om du har testat en prompt som fungerar bra för ”gästrecensioner från restaurang Smak & Säsong i Göteborg” behöver du skriva om den till ”gästrecensioner från en restaurang” innan du gör den till en agentinstruktion. Allt som är unikt för ett enskilt tillfälle ska bort. Allt som gäller varje gång ska vara kvar.

Utförande AI-agenter

En utförande agent kan påverka system utanför chatten. Det som skiljer den från en skapande agent är ett verktyg, alltså en koppling som låter agenten göra något utanför konversationen, till exempel skapa ett mejlutkast i Outlook, lägga till en händelse i kalendern eller spara ett dokument i OneDrive. Effekten av agentens arbete lämnar chattfönstret och landar i ett annat system.

Det gör att utförande agenter kan uträtta mer, men också göra mer skada. Om en svarande agent ger ett dåligt svar kan du ignorera det. Om en skapande agent producerar en dålig rapport kan du slänga den. Men om en utförande agent skickar ett mejl till fel person eller skriver fel data i ett system kan det vara svårt att ångra.

Ett konkret exempel är en e-postagent som kan söka i din inkorg, kolla din kalender och skapa mejlutkast. Du skriver att du vill svara på det senaste mejlet från en kollega, agenten hittar mejlet och visar innehållet, och innehåller mejlet en fråga om din tillgänglighet slår den upp kalendern för det datumet. Du bekräftar att det är rätt mejl och beskriver vad svaret ska innehålla, agenten formulerar ett komplett svar, och först när du granskat och godkänt det skapar agenten utkastet i din inkorg. Att den skapar ett utkast i stället för att skicka mejlet direkt ger dig ett extra lager av säkerhet.

Risker med utförande AI-agenter och hur du hanterar dem

Det finns två sätt att minska risken med utförande agenter:

• Skriv tydligare instruktioner. Du kan till exempel instruera agenten att alltid visa vad den tänker göra och invänta ditt godkännande innan den utför en åtgärd. Det ger dig en chans att granska och rätta, men det är ingen teknisk spärr, bara en uppmaning som agenten i regel följer.
• Begränsa vilka verktyg agenten har. Ge den verktyget att skapa ett mejlutkast i stället för att skicka mejlet. Ge den verktyget att föreslå en kalenderhändelse i stället för att boka mötet. Ett verktyg agenten inte har kan den inte missbruka.

Det andra sättet är det viktigaste. Instruktioner kan agenten i undantagsfall avvika från, men ett verktyg den inte har kan den aldrig använda. Välj verktyg medvetet och ge agenten bara det den behöver.

Autonoma AI-agenter

En autonom agent har en varaktig roll och driver arbetet vidare utan att få ett nytt uppdrag för varje steg. Den prioriterar, tar egna initiativ och följer upp inom sitt ansvarsområde, ungefär som en kollega som fått ett område att sköta. Det är den nivå som ligger närmast forskningens definition av en agent. När detta skrivs i september 2026 har vi inte sett något verktyg som uppfyller det fullt ut. Dagens agenter kan arbeta länge och självständigt med ett mål, men de behöver fortfarande ett tydligt uppdrag, tydliga gränser och en människa som bedömer resultatet.

Hur långt bort är riktigt autonoma AI-agenter?

Olika arbetsuppgifter kommer att bli autonoma i olika takt, och det som avgör är hur snabbt resultatet går att kontrollera. Ju snabbare och säkrare någon kan se om agenten gjort rätt, desto mer av arbetet går att lämna över. Kod kan ofta testas direkt mot tydliga krav, och där har agenterna redan kommit långt. Effekten av en kampanj, en design eller ett kundbemötande visar sig först senare och är svårare att bedöma, så där dröjer det längre innan någon vågar släppa taget. Det som inte fungerar tillräckligt bra idag kan fungera efter nästa modell, så det lönar sig att fortsätta testa i sitt eget arbete. En demo visar vad som är möjligt, och först över tid ser du om agenten går att lita på.

Bygga AI-agenter i Gemini, ChatGPT och Copilot

Alla tre verktygen bygger på samma grundprincip. Du ger agenten ett namn, instruktioner och kunskap. Gränssnitten ser olika ut och har olika styrkor, men byggprocessen följer samma mönster.

En viktig skillnad är vad det kostar och vem som får bygga. I Gemini är det gratis att bygga agenter. I Copilot är det gratis att bygga, men du behöver en licens för att ge agenten egna dokument. I ChatGPT bygger du agenter i en arbetsyta i Business eller Enterprise.

Google Gemini (Gems)

Gemini är enklast att komma igång med. Du klickar på ”Gems” i sidomenyn, väljer ”Ny Gem” och fyller i anvisningar och kunskap. Att bygga Gems är gratis.

Det som utmärker Gemini är kunskapshanteringen. Du kan bifoga filer från Google Drive, och om originaldokumentet uppdateras följer ändringen med in i agenten utan att du behöver byta ut filen.

👉 Så bygger du en AI-agent i Gemini

ChatGPT (agenter)

I ChatGPT bygger du agenter under ”Agenter” i sidomenyn, i en arbetsyta i Business eller Enterprise. Du beskriver vad agenten ska göra, ChatGPT föreslår en plan och du finjusterar sedan instruktioner, filer och verktyg i byggaren. Du väljer också vilken språkmodell den ska använda och hur länge den får tänka.

Verktygen är det som ger ChatGPT-agenter mest räckvidd av de tre. Utöver webbsökning och bildgenerering kan du koppla appar som Google Drive, Slack och SharePoint, och då kan agenten hämta och skriva i de systemen. Skrivåtgärder är från början inställda på att alltid fråga dig först, precis det råd vi ger för utförande agenter. En agent kan också delas med kollegor, läggas in i en Slack-kanal eller köras enligt ett schema.

GPTs, som var ChatGPT:s tidigare namn på agenter, finns kvar men håller på att fasas ut. Sedan mitten av augusti 2026 kan privatkonton, gratis som betalda, inte längre publicera GPTs. I våra tester kan ett personligt betalkonto fortfarande skapa en GPT för eget bruk, men inte dela den med någon.

👉 Så bygger du en AI-agent i ChatGPT

Microsoft Copilot (Agenter)

Copilot har den starkaste kopplingen till befintliga arbetsverktyg, särskilt om din organisation redan använder Microsoft 365 och SharePoint. Du kan ge agenten kunskap direkt från SharePoint, och om dokumentet uppdateras slår det igenom i agenten inom några minuter. Det är en stor fördel, eftersom det redan är där de flesta Microsoft 365-organisationer lagrar sina policyer, mallar och riktlinjer.

Du kan styra vilka källor agenten använder genom inställningen ”Använd endast angivna källor”, slå av och på webbsökning och funktioner som kodtolkare och bildgenerering, och lägga till föreslagna prompter som hjälper nya användare att komma igång.

Utan betald Copilot-licens kan du bygga agenter med instruktioner, webbsökning, upp till fyra utpekade webbplatser och funktioner för att skapa dokument, diagram, kod och bilder. Vill du ge agenten egna dokument, från SharePoint eller från datorn, krävs licens. Kollegor utan licens kan ändå använda en agent med interna källor om organisationen slår på betalning per användning, och hur det fungerar har vi skrivit om i vår artikel om Copilot Credits.

Agenter som du bygger direkt inne i Copilot kan bli svarande eller skapande agenter. De kan inte utföra åtgärder i andra system. För det behöver du Copilot Studio.

👉 Så bygger du en AI-agent i Copilot

Så kommer du igång med AI-agenter

Det enklaste sättet att komma igång är att tänka på en uppgift du gör regelbundet och där du skriver ungefär samma instruktioner varje gång. Det kan vara en trendspaning, en rapport, en sammanfattning av mötesanteckningar eller en sökning i ett internt dokument. Bygg en svarande agent för den uppgiften. Testa den med ett vanligt exempel, jämför med hur du själv hade gjort och prova något som ligger utanför uppdraget. Ändra en sak i taget och testa igen tills resultatet går att använda. Sedan kan du gå vidare till skapande agenter, och så småningom utförande om du behöver det.

Vill du och ditt team lära er mer om AI? Läs om våra AI kurser för företag.