Agentic AI (agentisk KI) er kunstig intelligens som består av autonome agenter – systemer som ikke bare svarer på spørsmål, men som handler selvstendig for å nå et definert mål, med lite eller ingen menneskelig innblanding, forklarer Morten Goodwin.
– En KI-agent kan forstå en oppgave, planlegge hvordan den skal løses, ta beslutninger underveis og faktisk utføre arbeidet. I praksis fungerer den som en digital kollega: Du setter den i gang, og den gjør jobben. Det kan være alt fra å fylle ut en reiseregning, bestille hotellrom eller koordinere en arbeidsflyt på tvers av systemer.
– Dette markerer et tydelig brudd med hvordan vi hittil har brukt KI. Tradisjonelle språkmodeller er i hovedsak passive verktøy, du stiller et spørsmål, og får et svar. Agentic AI er derimot et aktivt verktøy: Du ber systemet gjøre noe, og det utfører oppgaven for deg.
– Med andre ord går KI nå fra å være et støtteverktøy som gir forslag, til å bli en medspiller som selv finner ut hva som må gjøres for å nå et ønsket resultat. For mange er dette skiftet allerede tilgjengelig i praksis. Har du for eksempel en betalt versjon av ChatGPT, kan du teste dette ved å aktivere agent-funksjonalitet og gi modellen et konkret mål, fremfor bare å stille et enkelt spørsmål.
– Det er dette som gjør Agentic AI til et reelt paradigmeskifte nå: Teknologien har beveget seg fra samtale til handling.
Raskere beslutninger, større rekkevidde – og nye ledervalg
Dette representerer, ifølge Goodwin, en ny form for automatisering som kan bli en tydelig strategisk mulighet for virksomheter som ønsker å øke både tempo, presisjon og rekkevidde. Riktig brukt kan KI-agenter styrke effektiviteten, fremme fornyelse og fremskynde vekst.
– En KI-agent kan for eksempel overvåke hundrevis av datapunkter kontinuerlig og justere ressursbruken automatisk når etterspørselen endrer seg, ofte raskere enn tradisjonelle beslutningslinjer klarer. Et enkelt og konkret eksempel er en KI som leter etter de beste tilbudene på en vare, gjennomfører bestillingen og fyller ut nødvendige skjemaer. Mer avanserte eksempler kan være en agent som justerer bemanningen i en kundeserviceavdeling i sanntid basert på trafikk, eller en KI som kontinuerlig flytter markedsbudsjetter mellom kanaler avhengig av hvilke som gir best effekt den aktuelle dagen.
– Dette innebærer at beslutninger i større grad blir datadrevne, og delvis også overlatt til maskiner. Dermed må ledergrupper tydelig definere hvilke beslutninger som kan delegeres til KI, og hvilke som fortsatt skal forankres hos mennesker.
– Samtidig er mange ledere ikke forberedt på omfanget av de organisatoriske endringene som kreves. Som Satya Nadella har påpekt: «Det krever ikke bare teknologi, men at selskapet gjør det tunge arbeidet med å endre prosesser og kultur for hvordan man tar i bruk teknologien.»
Den nye lederrollen i en agentbasert virkelighet
– Når Agentic AI flytter arbeid fra «assistanse» til faktisk utførelse, endres mye av lederrollen fra å være en beslutningsflaskehals til å prioritere mål, rammer og ansvar, og å sikre at økt tempo ikke går på bekostning av kvalitet, risiko og etterlevelse.
– Ledere må flytte oppmerksomheten fra manuell koordinering og detaljgodkjenninger til styring av datagrunnlag, regler og avvik, med særlig fokus på hva agentene faktisk gjør, og når de må stoppes eller overstyres.
Fra magefølelse til kontinuerlig kompetansestyring
Goodwin påpeker at Agentic AI kan endre hvordan deler av organisasjoner kartlegger ferdigheter og legger til rette for læring.
– Et eksempel er en KI-agent som analyserer virksomhetens nåværende forretningsbehov, vurderer teamets eksisterende kompetanse og tar høyde for forventet turnover.
– I rekruttering kan Agentic AI overta tidkrevende og dataintensive oppgaver, som å lese CV-er, analysere referanser og tolke casebaserte arbeidsoppgaver. En slik agent kan for eksempel gjennomgå store mengder søknader, identifisere mønstre fra tidligere ansettelser og rangere kandidater etter sannsynlighet for å lykkes i rollen. Deretter kan den sende avslag til aktuelle kandidater og planlegge møter med dem som går videre til intervju.
– I tillegg kan dette gi mer konsistente og etterprøvbare vurderinger, fordi alle kandidater blir vurdert mot de samme kriteriene og med samme metodikk. Når vurderingsgrunnlaget samtidig blir dokumentert underveis, blir det enklere for HR og ledere å kvalitetssikre rangeringen, begrunne beslutningene og lære av hva som faktisk treffer best over tid.
Teknologien er sjelden problemet
– For ledere er en ofte undervurdert risiko datakvalitet, noe som utgjør selve fundamentet KI bygger på. KI-modeller blir aldri bedre enn dataene de trenes på, og derfor må kritisk tenkning, menneskelig kontroll, samt grundige vurderinger av sikkerhet og sårbarhet alltid inngå.
– En annen fallgruve er å innføre Agentic AI uten å ha de ansatte med på reisen. Mangler det forståelse eller tillit, kan medarbeidere finne omveier rundt systemene eller unnlate å melde fra om feil og uønskede konsekvenser.
– En tredje risiko er troen på at god teknologi alene er tilstrekkelig. Selv avanserte algoritmer og velfungerende systemer gir begrenset verdi dersom de menneskelige og organisatoriske forutsetningene ikke er på plass. Det er ofte her KI-prosjekter sporer av, ikke på grunn av tekniske svakheter, men på grunn av mennesker og prosesser.
– Det som oftest går galt i praksis, er at man starter med en lovende pilot uten tydelig problemdefinisjon, eierskap og endringsplan, og da blir KI et sideprosjekt som aldri forankres i arbeidsflyt, ansvar og målstyring.
Ansvar kan ikke outsources til teknologene
Goodwin understreker at ansvarlig bruk av KI ikke kan overlates til teknologene alene, men at ledergrupper selv må ta eierskap ved å etablere tydelige rammer og prinsipper som styrer hvordan teknologien skal brukes i organisasjonen.
– Et sentralt grep er å innføre data governance, som omfatter alt fra personvern og datasikkerhet til åpenhet og rettferdighet i algoritmiske beslutninger. Dette må støttes av klare retningslinjer som gir svar på grunnleggende spørsmål: Hvilke verdier skal KI-systemene speile? Hvordan tester vi for skjevheter? Og hvilke bruksområder avviser vi av etiske grunner?
– I tillegg må ledere ha en grunnleggende forståelse av hva KI faktisk gjør i egen organisasjon, og hvilke potensielle skadevirkninger man må være oppmerksom på. Uten denne innsikten blir det vanskelig å ta reelt ansvar, både strategisk og etisk.
Kultur som konkurransefortrinn i møte med KI
For å lykkes med Agentic AI må teknologiinvesteringene kobles tydelig til kultur, trygghet og læring. Det forutsetter en organisasjonskultur som tåler endring og som gjør det trygt å si ifra når noe ikke fungerer som det skal, forklarer Goodwin.
– Feil vil oppstå, og uforutsigbare situasjoner vil være en del av hverdagen. Da blir åpenhet og mot til å melde fra avgjørende for å kunne lære og justere underveis, fremfor å skjule problemer eller skyve ansvar til side.
– En nysgjerrighetsdrevet kultur, der man er villig til å eksperimentere og utforske nye arbeidsformer, gir et langt bedre utgangspunkt for å lykkes med KI. Det handler også om å erkjenne egne kunnskapshull og systematisk styrke organisasjonens evne til å lære mens teknologien tas i bruk.
Tre skritt for ledere som vil komme i gang nå
For ledere som vil komme i gang med KI raskt og strukturert, peker Goodwin på tre grunnleggende skritt som bør på plass.
– Først handler det om å tydeliggjøre målet og skaffe seg en grunnleggende forståelse av hva KI faktisk er, og hva teknologien gjør i praksis i egen organisasjon.
– Deretter må det etableres tydelige rammer for ansvarlig bruk. Det innebærer å involvere teamet tidlig og sikre at ansvarlighet og samarbeid står sentralt. Dette kan for eksempel gjøres gjennom et dedikert governance-team eller en enkel sjekkliste som klargjør ansvar, roller og spilleregler.
– Teknologien bør deretter testes i praksis. Start med en liten pilot eller en proof of concept (PoC), lær av erfaringene og bruk innsikten til å justere før løsningene eventuelt skaleres videre.
– Agentic AI er dermed ikke først og fremst et teknologiprosjekt, men et ledelses- og kulturprosjekt der evnen til å sette retning, bygge tillit og etablere tydelige rammer avgjør om teknologien faktisk gir varig verdi, avslutter Goodwin.
Når KI begynner å handle – er dere rigget for ansvaret?
For ledergrupper:
Ta denne saken inn i neste ledermøte og diskuter:
Hvilke beslutninger i vår organisasjon er i ferd med å flyttes fra mennesker til systemer, uten at vi har definert klare rammer, ansvar og stoppunkter?
Konkret grep: Lag en enkel oversikt over hvilke oppgaver og beslutninger som kan delegeres til KI, hvilke som alltid skal forankres hos mennesker, og hvem som har ansvar når noe går galt.
For deg som leder:
Start med egen praksis: Hvor i din hverdag tar systemer allerede valg på dine vegne, uten at du har reflektert over konsekvensene?
Konkret grep: Velg én KI-støttet prosess du bruker i dag, og still tre spørsmål: Hva gjør systemet faktisk? Hvilke antakelser bygger det på? Når må jeg gripe inn?
Slik lykkes du med Agentic AI
1. Start med ledelse – ikke teknologi
Avklar hvilket problem som skal løses, hvilke mål som gjelder og hvilke beslutninger som kan delegeres til KI. Uten tydelig retning blir Agentic AI et sideprosjekt uten effekt.
2. Definer klare rammer for hva KI får gjøre
Etabler tydelige styringsregler for ansvar, databruk og beslutningsmyndighet. Ledere må vite hva agentene gjør, hvorfor de gjør det, og når de skal stoppes eller overstyres.
3. Flytt lederrollen opp i systemet
Bruk mindre tid på manuell koordinering og detaljgodkjenninger, og mer tid på å styre mål, prinsipper, datagrunnlag og avvik. Agentic AI krever metastyre, ikke mikrostyring.
4. Test i liten skala – lær raskt
Start med en pilot eller en enkel proof of concept. Bruk erfaringene til å justere både teknologi, prosesser og roller før løsningen skaleres.
5. Ta ansvar for kultur og trygghet
Skap en kultur der det er trygt å melde fra om feil, usikkerhet og uønskede konsekvenser. Agentic AI lykkes best i organisasjoner som lærer kontinuerlig, også når noe går galt.
Vanlige fallgruver ved innføring av Agentic AI
- Starter med teknologi, ikke problem
KI tas i bruk uten tydelig formål, eierskap eller kobling til forretningsmål. - Uklare beslutningsgrenser
Det er ikke definert hvilke beslutninger KI kan ta selv, og når mennesker må involveres. - Svakt datagrunnlag
Dårlige, skjeve eller ufullstendige data gir dårlige beslutninger, raskere enn før. - Manglende ansvar og styring
Ansvar overlates til teknologer eller leverandører, uten tydelige styringsregler fra ledelsen. - Lite involvering av ansatte
Manglende forståelse og tillit fører til omveier, motstand eller taushet om feil. - Pilot uten plan for endring
En lovende test skaleres aldri fordi prosesser, roller og kultur ikke er tilpasset.
Morten Goodwin er professor i kunstig intelligens ved Universitetet i Agder og nestleder ved Centre for Artificial Intelligence Research (CAIR). Han har doktorgrad i kunstig intelligens fra Aalborg Universitet og over 20 års erfaring med AI-forskning. Goodwin er en sentral formidler av kunstig intelligens i Norge og brukes ofte som ekspert i offentlig debatt og næringsliv.
