AI-agenter og et tyndere applikationslag

I dag er mange forretningssystemer opdelt i adskillige applikationer – for eksempel CRM, regnskab, rapportering og dataanalyse. Med AI-agenter bliver det muligt at kombinere disse funktioner. I stedet for at skifte mellem Dynamics 365, Power Platform, SAP og andre systemer kan en AI-agent:

• Indsamle og analysere data fra flere kilder samtidig

• Generere rapporter og handlingsplaner på baggrund af den samlede indsigt

• Svare på komplekse spørgsmål, såsom "Hvilke kunder skal vi fokusere på denne måned?", ud fra opdaterede data

Dette betyder, at behovet for at lære flere systemers særskilte grænseflader gradvist mindskes, og agenter fylder mere og mere.

Med AI-agenter sker skiftet mod en mere naturlig kommunikation, hvor man i stedet for at navigere i komplekse programmer blot forklarer sit behov på hverdagsdansk. For eksempel kan man spørge:

• "Lav en oversigt over salget de sidste tre måneder," og få et detaljeret svar uden at skulle sætte sig ind i et avanceret dashboard.

• "Hvilke opgaver skal prioriteres i næste uge?" – hvor AI-agenten trækker på data fra flere systemer og præsenterer en samlet prioriteret liste.

Den naturlige sproginteraktion reducerer kompleksiteten og gør det lettere for medarbejdere at fokusere på kerneopgaver i stedet for at bruge tid på at navigere i flere applikationer.

Udviklingen har allerede været i gang et stykke tid, men accelereres af landvindinger inden for reasoning models som o-modeller fra OpenAI. I 2030 vil vi stå med en hel anden IT-brug hvor agenterne udfylder en større del af applikationslaget:

Overgangen til et tyndere applikationslag kræver, at virksomheder sikrer et solidt datagrundlag og en integreret infrastruktur:

• Strukturerede data: Virksomheder skal samle og organisere deres data, så AI-agenten effektivt kan udnytte den.

• Processer i balance: Identificér hvilke opgaver, der er kritiske og kræver et traditionelt system, og hvilke der med fordel kan håndteres af en AI-agent.

• Træning og tilpasning: Medarbejdere skal introduceres til den nye måde at arbejde på, hvor de i højere grad kommunikerer deres behov direkte til en intelligent løsning.

Denne tilgang kan allerede ses i dag, hvor pilotprojekter og mindre implementeringer viser, at mange opgaver – fra rapportering til kundeanalyse – kan løses hurtigere og mere intuitivt med AI.

Copilot Agents er et godt eksempel på dette som flere danske virksomheder er begyndt at bruge.

Skiftet til en mere integreret og naturlig arbejdsform er ikke kun en teknologisk udvikling, men også en ændring i den måde, vi arbejder på. Med AI-agenter, der overtager en lang række komplekse funktioner, bliver det samlede applikationslag markant tyndere, og virksomheder kan opnå en mere effektiv arbejdsdag.

Spørgsmålet er: Har I struktureret jeres data og processer, så I kan udnytte potentialet i den nye agent-æra? Er din organisation parat til at forenkle, integrere og effektivisere arbejdsdagen med AI agenter som en naturlig del af hverdagen?