Steg för steg: Skapa din egen AI-agent

DIY Workshop #4

Please note that this content is currently only available in Swedish.

Den här workshopen är en fortsättning på Steg-för-steg: AI-assistenter och Agenter. Vi går från AI-assistent till AI-agent. Vi utforskar agenter som kan agera på egen hand för att lösa uppgifter åt oss. Upplägget är praktiskt och utforskande. Vi kommer snabbt in på hur du skapar dina egna lösningar. Gör workshopen själv, eller ännu bättre, samla en grupp kollegor och labba tillsammans.

Steg för steg: AI-agenter

Utvecklingen går i rasande fart. Där vi nyligen förundrades över AI-assistenter som kunde svara på våra frågor och generera text, tar vi nu nästa stora kliv: från passiv assistent till autonom agent. Skillnaden är stor, medan en AI-assistent i första hand reagerar på dina instruktioner och är begränsad till sin träningsdata, agerar en AI-agent självständigt - tillsammans med externa verktyg - mot ett uppsatt mål. Den blir en proaktiv samarbetspartner som kan koppla upp sig mot externa system, hämta realtidsdata och planera sina egna steg.

Genom att kombinera språkmodellen med externa verktyg kan vi nu låta AI utföra uppgifter i vår verklighet. Agenterna arbetar i en kontinuerlig loop där de observerar ett mål, resonerar kring vilket verktyg som behövs, agerar i systemen och levererar ett resultat. Denna utveckling syns redan tydligt i arbetsuppgifter som kodning och mjukvaruutveckling, där agenterna snabbt går från att assistera oss i att lösa enklare uppgifter, till att själva hantera sådant som tidigare tog människor hela arbetsdagar.

Så, vilka av dina uppgifter skulle en AI-agent kunna hantera? Kanske de där processerna som kräver att du hämtar data, jämför information eller agerar manuellt i olika system? Och vad händer med våra roller när tekniken inte bara automatiserar det vi gör idag, utan – som forskning från Stanford visar – låser upp helt nya arbetsuppgifter som vi tidigare inte haft kapacitet att utföra?

Det här är del två i vår serie (den första delen finns här). Den här gången lämnar vi de enkla chatt-promptarna och fördjupar oss i agenter. Vi kommer att titta praktiskt på hur du sätter upp agentiska flöden i verktyg som ChatGPT och Copilot Studio – men vi kommer också reflektera över de nya utmaningar som uppstår kring tillit, dataskydd och kvalitetskontroll när vi låter AI agera självständigt i våra system.

Så fungerar en AI-agent

Precis som att vi i den första delen i serien fördjupade oss i begreppen assistent vs agent, så kommer vi i den här videon också in på detta. Nu mer fokus på agenterna. För att förstå kraften i den snabba utvecklingen måste vi bryta ner skillnaden mellan de generativa AI-verktyg vi vant oss vid det senaste åren, och de agenter vi nu börjar se.

När vi pratar om en AI-assistent pratar vi om ett verktyg som reagerar på dina instruktioner.

• Den svarar på dina frågor och assisterar dig i att generera t.ex. kod, text eller bilder.
• Den är oftast begränsad till sin egen träningsdata (och det du klistrar in i chatten eller projektet).
• Interaktionen är oftast linjär: En fråga ger ett svar.

En AI-agent däremot, agerar självständigt mot ett mål du har satt upp. Den blir mer lik en medarbetare ("collaborator") som du kan delegera en hel uppgift till.

• Den kan planera och utföra uppgifter i flera steg.
• Den hämtar realtidsdata och kopplar upp sig mot externa system.
• För att lyckas med detta använder den externa verktyg.

Agentens anatomi

I sin allra enklaste form består en agent av två delar:

• Hjärnan (Språkmodellen / LLM): Det är denna som förstår instruktionen och kan tänka ut hur problemet ska lösas.
   
• Händerna (Verktygen / Tools): Detta är de externa system som gör att agenten faktiskt kan agera i verkligheten, till exempel en databas eller ett e-postprogram. Tar vi bort händerna har vi inte längre en agent (men kanske en assistent).

Agentloopen

När du ger en uppgift till en agent arbetar den inte linjärt, utan i en kontinuerlig loop. Den här processen kan se ut så här:

• Observera: Agenten tar emot uppgiften och ser till att den förstår målet.
• Resonera: Den planerar sina steg och väljer vilket verktyg som är bäst lämpat för att lösa uppgiften.
• Agera: Den utför handlingen – den kanske söker på nätet, anropar en app eller analyserar en fil.
• Leverera: Den sammanställer och granskar sitt resultat.

Det kanske mest kraftfulla med agentloopen är att agenten utvärderar sig själv. Om den inte är nöjd med resultatet efter steg 4, eller om målet inte är nått, kan den börja om från början, testa ett nytt verktyg eller en ny sökning, och upprepar loopen till den anser att uppgiften är klar.

Ansvarsfull användning

När AI-lösningar får en större roll i våra arbetsflöden och designas för att utföra uppgifter, både interna och externa, ökar också riskerna kopplade till ansvarsfull användning. Som innovationsaktör och företagsfrämjare behöver du kunna föra en kvalificerad dialog om ansvarsfull och strategisk användning av AI-assistenter och agenter. Några centrala frågor att ha med sig:

• Datasäkerhet och sekretess. Vilken data får agenten se? Vart skickas den? Hur lagras den? Vilka risker finns?
• Transparens och ansvar. Vem bär ansvar för beslutsunderlag och förslag på åtgärder som initieras eller genereras av en AI-agent? Hur säkerställer vi spårbarhet och möjlighet att granska agenten?
• Kvalitet och robusthet. Hur testar vi att ett agentsystem fungerar stabilt över tid, och hur hanterar vi fel, missförstånd och oväntade konsekvenser?
• Etik, arbetsmiljö och kompetens. Hur påverkas människors roll, motivation och upplevelse när delar av arbetet automatiseras? Hur kan vi använda assistenter och agenter för att stärka vår egen kompetens?

I takt med att kraftfull AI har integrerats i fler företag och produkter, har också behovet av ett tydligare ramverk ökat. Med EU:s AI-förordning (AI Act) får Europa ett gemensamt regelverk som påverkar alla företag som utvecklar, tillhandahåller eller använder AI-system inom EU. I vår utbildningsmodul för innovationsaktörer fördjupar vi oss i de här frågorna.

Övning: Bygg din egen AI-agent

Genom att sätta upp din egen AI-agent får du en konkret känsla för hur snabbt och enkelt självständiga AI-verktyg kan lösa uppgifter i din vardag. Men också vilka utmaningar som uppstår på vägen, och vilka avvägningar du behöver göra. Övningen går att göra på ca 20 minuter, men 30-45 min är att rekommendera.

1. Välj en uppgift för din AI-agent. Fundera på en återkommande uppgift du ofta möter i din roll. Börja smått, avgränsat och enkelt. (Exempelvis: skicka statusuppdateringar, sammanfattningar, sammanfatta möten, strukturera anteckningar eller dokumentation)
2. Välj plattform. Öppna ChatGPT, Gemini, Claude eller Copilot (Betalkonto krävs). Eller kanske prova Strawberry eller någon av de andra AI-webbläsarna?
3. Skapa och instruera din agent – koppla källor och verktyg. Formulera vad den ska uppnå, sitt mål, samt vilka källor eller verktyg den får använda sig av (även ton, stil, begränsningar). Ge den ett namn. Var noga med att inte dela någon känslig data.
4. Testa! Låt agenten lösa din valda uppgift. Hur fungerade det? Är du nöjd med svaret eller behöver formatet justeras? Justera instruktionerna för att förfina resultatet. Schemalägg agenten så att den kan utföra uppgiften medan du gör andra saker – eller skapa en trigger som sätter igång den när något särskilt har hänt eller är på gång (t.ex. att sammanställa och maila sammanfattning varje gång en ny mötes-transkription blir tillgänglig i en speciell mapp).
5. Utvärdera och dela erfarenheter. Om plattformen och policyn tillåter: dela din agent med en kollega och låt hen testa den eller bygga vidare på den, kanske har ni liknande behov?

Viktigt. Tänk på att alltid följa din organisations riktlinjer för användning av AI-tjänster. Om du inte har möjlighet att experimentera inom ramen för arbetet rekommenderar vi att du testar de här verktygen via ett privat konto och egen hårdvara. Var också noga med att inte dela någon känslig information.