Steg för steg: Agentiska arbetsflöden

DIY Workshop #6

I den här workshopen utforskar vi agentiska arbetsflöden som kombinerar människa, automation och AI i dina vardagliga processer – och team av agenter som samarbetar med varandra. Upplägget är praktiskt och utforskande. Gör workshopen själv, eller ännu bättre, samla en grupp kollegor och labba tillsammans.
 

Steg för steg: Agentiska arbetsflöden

Nu tar vi nästa steg, från utforskandet av enskilda AI-assistenter och AI-agenter till ett orkestrerat arbetsflöde. Skillnaden kan vara stor: En ensam agent löser en uppgift, ett agentiskt arbetsflöde tar sig an hela processen – med flera agenter som samspelar mot ett gemensamt mål, helt automatiserat. Skalan fortsätter dessutom: från enskilt flöde, till team av samarbetande agenter, mot något som börjar likna självkörande organisationer.

I ett agentiskt arbetsflöde har varje agent eller nod en specifik roll. Som exempel kan nämnas en agent som i flödet samlar in underlag från olika datakällor, eller en annan som analyserar om kundfeedbacken är positiv eller negativ med hjälp av en språkmodell, eller en tredje som tolkar en fråga och skapar förslag på ett svar till kunden. Flöden kan automatiseras, lösa uppgifter på egen hand, eller koppla upp mot oss människor att hantera avvägningar och beslut. De AI-drivna noderna/agenterna tar plats där människan tidigare var flaskhalsen – de läser, tolkar, sorterar och dirigerar vidare. Det är inte längre punktinsatser där vi ber AI om hjälp en uppgift i taget, det är processer som alltid är igång om vi vill. 

Tidsvinsterna i ett sådant flöde landar på en helt annan skala jämfört med exempelvis en traditionell chattbot där vi promptar en fråga eller instruktion och får ett svar tillbaka. Språkmodellen kan vara densamma, och den är fortfarande en viktig komponent, men det stora värdet skapas när vi designar flödet att faktiskt utföra uppgifter åt oss.

Så, vilka av dina processer består av manuella steg där du själv är bromsen mellan systemen? Vilka vardagsflöden – från research till rapport, från offert till uppföljning – skulle kunna designas om runt både AI:s och människors förmågor? Och hur blir din roll annorlunda när du går från att prompta varje steg till att leda ett flöde, eller ett team, av agenter mot ett mål?

Det här är del tre i vår serie om AI-assistenter och agenter. Vi bygger ett första flöde tillsammans och reflekterar över de nya frågorna som väcks: hur ska människa och AI samspela i en process, och hur säkrar vi kvaliteten i processer där allt fler steg sker utan vår direkta inblandning?

Från en enstaka uppgift till hela flödet

Vad innebär det för en organisation att gå från AI-teknik som assisterar oss, till att vi automatiserar ett enskilt steg, till att vi faktiskt bygger AI-system som agerar autonomt? Det här är en fråga som fler och fler nu ställer sig – och som vi lär få lägga mycket tid på under de närmsta åren. Klart är att tekniken nu är mogen för många fler flöden än den var för bara några månader sedan. 

Så vad är det som lockar? Effektivisering. Att låta AI-drivna flöden sköta många av de repetitiva sysslor som idag sker i en verksamhet. Potentialen är enorm, och det som avgör värdet, eller hur mycket tid som sparas, avgörs av hur flödet är designat – inte nödvändigtvis vilken modell vi valt. I videon delar vi siffror från en McKinsey-rapport om ärendehantering på callcenter. Där blir det tydligt varför just agentiska arbetsflöden och autonoma system nu hamnat på mångas näthinnor:

• Nivå 1: Assistera. Människan styr. AI är ett stödverktyg – söker i kunskapsdatabaser, summerar historik, skriver utkast till svar. 
  Potentiell tidsvinst: 5–10 procent per ärende.
   
• Nivå 2: Automatisera. AI-agenter tar över specifika deluppgifter i ett befintligt flöde – klassificerar inkommande ärenden, föreslår grundorsaker etc.
  Potentiell tidsvinst: 20–40 procent.
   
• Nivå 3: Agera autonomt. Hela processen designas om från grunden, med agentens autonomi i centrum. AI-agenten upptäcker incidenter proaktivt, ställer diagnos, påbörjar lösning – helt på egen hand. 
  Potentiell tidsvinst: 60–90 procent.

Det är inga generella siffror, affärsvärdet är så klart helt beroende av hur det ser ut i just din organisation. Men i exemplet med callcenteret i den här rapporten, så kan upp till 80 procent av alla enklare kundärenden, s.k. first line support, lösas helt utan att en mänsklig medarbetare behöver titta på det. För bolaget är det ett enormt kliv jämfört med det värde som de fick ut från tidiga satsningar på chattbottar – som ofta gav tunn ROI och lågt värde för verksamheten. Gapet från chattbotten till ett välbyggt agentiskt arbetsflöde blir enormt.

I videon går vi igenom de olika nivåerna och begreppen mer i detalj, hur de hänger ihop och vilka steg som krävs för att gå från en enkel assistent till agent vidare till ett mer agentiskt arbetssätt.

AI-agenten styr processen

I videon tar vi upp skillnaderna i det AI-assisterade arbetsflödet och det agentiska. Kort kan man säga att det assisterade flödet är linjärt: input ger output, och där stannar det. Du ställer en fråga, får ett svar, går vidare. Det är så de flesta organisationer använder AI idag.

Det agentiska flödet är istället iterativt: input, planering, handling, feedback, slutmål – en loop som rullar tills målet är nått. Agenten resonerar dynamiskt, samverkar med andra agenter och system, och tar sig hela vägen fram. Människan styr inte längre varje steg. 

Det agentiska flödet kan ha olika komplexitet, från enkla frågor och textgenerering till flerstegsprocesser och hela projekt (eller som vi ser i videon: hela organisationer). Där den vanliga assistenten har begränsad räckvidd, använder agenten externa verktyg aktivt: hämtar data, agerar i andra system och integrerar med omvärlden. Vi designar alltså flöden där agenten får friheten att planera, utvärdera och agera på egen hand.

Att bygga ett agentiskt arbetsflöde handlar om att kombinera klassisk systemintegration med modern AI för att skapa en process som kan utföra kognitiva uppgifter på egen hand. Som vi kan se på bilden ovan består ett agentiskt AI-arbetsflöde i sin enklaste form av tre olika typer av noder eller moduler:

• Data input/output: Grunden i flödet är data som skickas in och ut från de verktyg och system som redan används i organisationen, exempelvis epost, kalendrar, todo-managers, filer, feedbackformulär, Teams, Slack eller olika databaser.
   
• Automationer: Det här är de traditionella byggstenarna för att styra processer, såsom olika triggers eller startskott, dataextrahering, beräkningar, schemaläggning och regelbaserade beslut. Om det här händer, så ska det här och det här påbörjas.
   
• AI och språkmodeller: Den stora pusselbiten är språkmodeller som tillför förmågan att resonera, bearbeta och generera information.
   

Att dessa tre delar nu går enkelt att flätas samman, innebär ett stort skifte – för många organisationer. Tidigare krävde automatiserade flöden ett ganska regelstyrt och "ingenjörsmässigt" tillvägagångssätt, där vi fick arbeta med variabler och att exakt definiera varifrån en specifik datapunkt skulle hämtas och lämnas. Tolkningen och förståelsen hanterades oftast av medarbetaren. 

När du nu skapar ett agentiskt arbetsflöde kan du istället placera in AI-noder/agenter på de platser i processen som kräver att en kognitiv uppgift eller enklare bedömning ska utföras. AI-noden tar emot informationen från ett tidigare steg i flödet, bearbetar den med hjälp av en språkmodell utifrån och en specifik instruktion (prompt) och skickar sedan resultatet vidare till nästa steg i automationskedjan. 

Det är alltså AI-noden/agenten mitt i kedjan som skiljer flödet från den traditionella automationen, och som gör att dessa flöden nu blir så mycket mer kraftfulla och användbara i våra verksamheter.

Ansvarsfull användning

Med agentiska arbetsflöden får AI-tekniken en ännu större roll i våra verksamheter. Flödena designas för att utföra uppgifter eller hela kedjor av uppgifter, både interna och externa, som tidigare endast människor klarat av. Potentialen och det möjliga affärsvärdet i många verksamheter är enorm – men det 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-system och agentiska arbetsflöden. Några centrala frågor att ha med sig:

• Datasäkerhet och sekretess. Vilken data får flödet se? Vart skickas den? Hur lagras den? Vilka risker finns?
• Transparens och ansvar. Vem bär ansvar för beslutsunderlag, förslag på åtgärder eller faktiska beslut som initieras eller genereras av ett agentiskt AI-system? Hur säkerställer vi spårbarhet och möjlighet att granska processerna?
• 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 AI 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 ditt eget agentiska arbetsflöde

Nu är det din tur. Vi har tittat på AI-noder i flöden och hela team av agenter – nu får du själv bygga ett enkelt agentiskt arbetsflöde i Make.com, samma plattform som i första demot.

Du behöver inte börja från noll. Make har färdiga AI Agent-mallar att utgå ifrån – allt från en inkorgshanterare som sorterar dina mejl till en agent som plockar fram dagliga branschnyheter. Välj en mall som lockar, koppla in dina egna verktyg, och kör den skarpt. Det viktiga är inte att det blir perfekt – det är att du själv får känslan av hur en agent planerar, agerar och returnerar resultat.
 

1. Gå till make.com och skapa ett gratiskonto. Välj EU-server när du får den möjligheten, så håller sig datan inom EU.
    
2. I menyn till vänster, välj AI Agents (beta) → Create agent → Start from template 
    
3. Välj en mall som har 3-4 steg och känns spännande för dig. Klicka Try this agent → Use this scenario
    
4. Gå igenom varje nod (module) och bekanta dig med vad den gör. Vilka inställningar finns? Vad är viktigt för ditt flöde? Om du fastnar så testa att fråga din favoritchatbot om hjälp (ta en skärmdump och skicka in i Claude, ChatGPT, Gemini, Copilot eller liknande)
    
5. Koppla upp noder mot Gmail, Google Form, Google Sheets, Slack eller vad som kan tänkas behövas för att ditt flöde ska fungera.
    
6. Välj "Run once" när du är redo för att se om det fungerar. Blev det som du tänkt? Annars justera.
    
7. Vill du utforska vidare så prova att utöka flödet genom att lägga till en ny nod som kan utföra något du tror skulle vara användbart.

Två förslag på AI Agent-mallar du kan börja med:

• Inbox Priority Manager
  En agent som sorterar bort bruset och prioriterar din inkorg. Identifierar brådskande och viktiga meddelanden.
   
• News & Industry Insights Agent
  En omvärldsbevakare som söker av webben varje morgon och lyfter fram en artikel inom de ämnen som intresserar dig.

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 agentflöden via ett privat konto och egen hårdvara. Var också noga med att inte dela någon känslig information. 

Fördjupning

Introducing Claude for Small Business (Anthropic)
Future of Work with AI Agents (Stanford University)
Utbildningsmodul 2. Agenter, egen data och ansvarsfull användning (AI för innovationsaktörer) 
AI agentic workflows: a practical guide for n8n automation (n8n)