Vad är en AI-agent, egentligen?

AI-agenter är överallt just nu. Alla pratar om dem, alla stora teknikföretag bygger stöd för dem, och om du jobbar med AI har du garanterat stött på begreppet. Kortfattat är en AI-agent en AI som är anpassad för ett specifikt syfte, med fördefinierade instruktioner och kunskap, så att den kan utföra en uppgift utan att du behöver förklara allt från början varje gång. Men begreppet rymmer mycket mer än så.

Vad är en AI-agent?

Ordet agent har en specifik betydelse inom AI-forskning. Det beskriver ett system som kan uppfatta sin omgivning, fatta egna beslut och agera självständigt för att nå ett mål. En riktig AI-agent i den akademiska meningen behöver ingen människa som styr den steg för steg. Den planerar, utför och justerar sitt arbete på egen hand.

I praktiken används ordet mycket bredare idag. När Microsoft, Google och OpenAI pratar om agenter menar de oftast en AI som är anpassad för ett specifikt syfte. Det kan vara en AI som svarar på frågor om en viss policy, en AI som skriver rapporter i ett visst format, eller en AI som kan skicka mejl åt dig. De flesta av dessa är långt ifrån autonoma. De gör det de blivit instruerade att göra, inom de ramar du satt upp.

Agenter har dessutom olika namn i olika verktyg. I Microsoft Copilot heter de agenter. I ChatGPT kallas de GPTs. I Google Gemini heter de Gems. Funktionen är i grunden densamma, men det kan vara bra att känna till begreppen om du läser om dem på annat håll.

I den här artikeln använder vi ordet agent genomgående, oavsett verktyg. Vi delar in dem i fyra nivåer, från enkla till avancerade, och den fjärde nivån är det som ligger närmast den ursprungliga definitionen.

Problemet med vanliga AI-assistenter

En vanlig AI-assistent, oavsett om det är Copilot, ChatGPT eller Gemini, har i princip samma utgångsläge varje gång du startar en ny chatt. Den får med sig ett systemmeddelande från leverantören med grundläggande regler och riktlinjer för hur den ska bete sig. Den kanske också har med sig dagens datum och lite information om dig som användare, 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 kontext. Ju mer specifik uppgiften är, desto mer jobb blir det. Och om flera kollegor ska göra samma sak måste var och en av dem skriva sina egna instruktioner, hitta rätt dokument och komma fram till ett bra arbetssätt på egen hand.

Skillnaden mellan en AI-assistent och en AI-agent

En agent löser det här problemet. Istället för att skriva alla instruktioner varje gång kan du bygga en agent som 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, vilket gör att hela teamet får tillgång till samma kvalitet utan att var och en behöver vara expert på att skriva prompts.

De fyra nivåerna av AI-agenter

Vi delar in agenter i fyra nivåer baserat på vad de kan göra. Varje nivå innebär att agenten blir mer självständig och att konsekvenserna av vad den gör blir större.

1. Svarande agenter svarar på frågor baserat på sina instruktioner och sin kunskap. All output stannar i konversationen.
2. Skapande agenter producerar färdiga leveranser som rapporter, utkast och sammanställningar. Outputen är något du kan ta vidare och använda.
3. Utförande agenter kan påverka system utanför chatten, till exempel skapa mejlutkast i din mejlkorg 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. Det handlar mer om ambitionsnivå. En svarande agent hämtar och presenterar information. En skapande agent producerar något nytt, en leverans du kan ta vidare och använda.

Gränsen mellan skapande och utförande är däremot binär. 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.

Vi går igenom varje nivå mer ingående nedan.

Vad är en svarande AI-agent?

En svarande agent svarar på frågor baserat på sina instruktioner och den kunskap den har tillgång till. All output 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 chatbot med ett dokument” så är det precis poängen. Styrkan ligger i att agenten alltid har rätt instruktioner och rätt dokument med sig. Du behöver inte ladda upp policydokumentet varje gång du har en fråga, och du behöver inte skriva om instruktionerna för 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”. Agenten vet redan vad den ska göra med det ordet. Den söker 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

• Tänk på vilken fråga agenten ska kunna svara på och var svaret finns. Om svaret finns i ett dokument laddar du upp det som kunskap. Om svaret finns på webben instruerar du agenten om vilka källor den 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 svar.
• En bra instruktion kan vara så enkel som ”du jobbar med trendspaning inom energisektorn, du har fått en sökförfrågan från användaren, du ska hitta relevant information genom att söka online och bara använda dessa källor” följt av en lista med webbadresser.

Vad är en skapande AI-agent?

En skapande agent producerar en leverans. Det kan vara en rapport, ett mejlutkast, en sammanställning, ett blogginlägg eller en produktbeskrivning. Skillnaden mot en svarande agent handlar om ambitionsnivå. En svarande agent ger dig ett svar. En skapande agent ger dig något du kan ta vidare och 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, för vilken målgrupp och med vilken ton. Ju fler av dessa delar du anger, desto mer konsekvent blir resultatet.
• En agent som bara har ett mål, till exempel ”skriv en rapport”, lämnar mycket åt slumpen. En agent som också vet vilken längd, struktur, ton och målgrupp den ska skriva för producerar i princip samma kvalitet varje gång.
• 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 omformulera 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.

Vad är en utförande AI-agent?

Här händer något kvalitativt annorlunda. En utförande agent kan påverka system utanför chatten. Den kanske skapar ett mejlutkast i din mejlkorg, lägger till en händelse i kalendern, eller uppdaterar data i ett CRM-system. Effekten av agentens arbete lämnar chattfönstret och landar i ett annat system.

Det gör utförande agenter kraftfullare, men det gör dem också farligare. 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 mejlkorg, kolla din kalender och skapa mejlutkast.

Du skriver till agenten att du vill svara på det senaste mejlet från en kollega. Agenten hittar mejlet och presenterar innehållet. Om mejlet innehåller en fråga om din tillgänglighet slår agenten upp din kalender för det aktuella datumet.

Du bekräftar att det är rätt mejl och beskriver vad svaret ska innehålla. Agenten formulerar ett komplett mejlsvar och presenterar det.

Du granskar, justerar om det behövs, och godkänner. Först då skapar agenten utkastet i din mejlkorg. Att den skapar ett utkast istället för att skicka mejlet direkt ger dig det där extra lagret 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 korrigera. Men det är inte en teknisk spärr utan en uppmaning som agenten i regel följer, inte alltid perfekt.
• Begränsa vilka åtgärder agenten har tillgång till. Ge den verktyget att skapa ett mejlutkast istället för att skicka mejlet. Ge den verktyget att föreslå en kalenderhändelse istället för att boka mötet. En åtgärd agenten inte har kan den inte missbruka.

Det andra sättet är det viktigaste. Instruktioner kan agenten i undantagsfall avvika från. Men en åtgärd den inte har tillgång till kan den aldrig utföra. Välj åtgärder medvetet och ge agenten bara det den behöver.

Vad är en autonom AI-agent?

Den fjärde nivån är autonoma agenter, alltså agenter som planerar, beslutar och agerar självständigt utan att en människa initierar eller godkänner varje steg. Det är den här nivån som ligger närmast den ursprungliga betydelsen av ordet agent inom AI-forskning. Inget system uppfyller den definitionen fullt ut idag, men det finns verktyg som börjar närma sig.

De tydligaste exemplen just nu är kodagenter. Verktyg som Claude Code och OpenAI Codex tar emot ett mål, planerar stegen själva, skriver kod, testar och itererar tills det fungerar. En människa ger målet och granskar resultatet, men däremellan jobbar agenten självständigt, ibland i timmar. De är inte helt autonoma, en människa bestämmer fortfarande vad som ska göras och kontrollerar slutresultatet, men principen är intressant. Du ger ett mål, inte en steg-för-steg-instruktion.

Hur långt bort är riktigt autonoma AI-agenter?

Det bredare området med riktigt autonoma agenter, där en AI-agent fungerar som en fristående digital kollega som existerar i bakgrunden, identifierar vad som behöver göras och agerar på eget bevåg, det är fortfarande en bit bort. I skrivande stund, våren 2026, är en optimistisk uppskattning ett par tre år innan vi ser system som verkligen klarar av det. Halvautonoma agenter som sköter det mesta själva men som fortfarande behöver en tydlig uppgift och mänsklig inblandning, det börjar vi se redan nu.

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. Nedan går vi igenom vad som utmärker varje verktyg. Vi har också skrivit en separat steg-för-steg-guide för varje verktyg om du vill komma igång direkt.

En viktig skillnad är kostnaden. I Gemini är det gratis att bygga agenter. I Copilot är det också gratis, men du behöver en licens för att bifoga kunskap. I ChatGPT behöver du en betald prenumeration.

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 reflekteras ändringarna automatiskt i agenten. Du kan också lägga till en NotebookLM-anteckningsbok som kunskapskälla. Gemini har dessutom inbyggda extensions som ger agenten tillgång till Google Workspace-tjänster, Maps och YouTube, men möjligheterna är begränsade till Googles eget ekosystem.

👉 Så bygger du en AI-agent i Gemini

ChatGPT (GPTs)

ChatGPT ger mest kontroll över agentens tekniska konfiguration. Du kan välja en rekommenderad språkmodell, och du kan slå av och på specifika funktioner som webbsökning, bildgenerering, kodtolkare och canvas. Om du stänger av en funktion kan agenten inte använda den överhuvudtaget, vilket innebär att du bara ger agenten tillgång till de verktyg den faktiskt behöver.

ChatGPT har också appar som kopplar agenten till externa tjänster som Monday.com, Photoshop och Airtable. Det gör det möjligt att bygga utförande agenter direkt i ChatGPT.

Uppladdning av kunskapsfiler görs däremot från datorn och du kan inte peka på en molnlagrad mapp som uppdateras automatiskt. Du behöver en betald prenumeration för att skapa GPTs.

👉 Så bygger du en AI-agent i ChatGPT

Microsoft Copilot (Agenter)

Copilot har den starkaste integrationen med befintliga arbetsverktyg, särskilt om din organisation redan använder M365 och SharePoint. Du kan bifoga kunskap direkt från SharePoint, och om dokumentet uppdateras reflekteras det i agenten inom några timmar. Det är en stor fördel eftersom SharePoint redan är där de flesta M365-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 komma igång.

Copilot-licensen krävs för att bifoga kunskap. Utan licens kan du bygga agenter som söker online och skapar saker, men du kan inte bifoga egna dokument.

Agenter som du bygger direkt inne i Copilot-chatten 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

Kom 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. Iterera tills den fungerar bra. Sedan kan du gå vidare till skapande agenter och så småningom utförande om du behöver det.

Artikeln bygger på en temadag vi nyligen höll för våra tidigare utbildningsdeltagare, men den fungerar oavsett om du var med eller inte.

Vi på Scribill utbildar organisationer i AI-verktyg. Om du vill att ditt team ska lära sig bygga AI-agenter på arbetsplatsen håller vi workshops där vi hittar ett upplägg som passar just er. Hör av er till oss på kontakt@scribill.se.

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