Hvad er et agentic workflow?

Et agentic workflow, eller agentisk workflow, er en proces hvor AI planlægger, udfører flere deltrin, gennemgår resultatet og prøver igen hvis det er nødvendigt, i stedet for bare at besvare et spørgsmål. Modellen får værktøjer til at hente data og udføre handlinger og arbejder i et loop indtil et mål er nået. Det er forskellen mellem at svare og at udrette noget.

Idéen bliver tydelig hvis man holder den op mod det enkle tilfælde. Et almindeligt AI-kald er som ét spørgsmål og ét svar. Et agentisk workflow minder mere om at give nogen en opgave og stole på at de selv bryder den ned i trin, kontrollerer sig selv undervejs og vender tilbage når den er løst.

Enkelt kald over for loop med planlægning

Den grundlæggende forskel ligger i antallet af trin og i hvem der holder sammen på dem.

• Enkelt kald. Du stiller et spørgsmål, modellen svarer. Ét trin, ingen hukommelse om hvad der skete før, ingen mulighed for at korrigere sig. Hurtigt og forudsigeligt.
• Agentisk loop. Modellen modtager et mål, lægger en plan, udfører et deltrin, ser på resultatet og afgør hvad det næste trin skal være. Den kan bruge værktøjer og køre runde efter runde indtil målet er nået eller den kører fast.

Det er loopet og værktøjerne der gør workflowet “agentisk”. Modellen handler, iagttager følgerne af sin handling og tilpasser sig i stedet for at svare i blinde og være færdig.

Et konkret eksempel

Tænk på et sagsflow i kundeservice. Et agentisk workflow kan se sådan ud, trin for trin:

1. Modtag sagen. En kunde henvender sig om en forsinket levering.
2. Hent data. Agenten slår ordren op i systemet og tjekker leveringsstatus via et værktøj.
3. Foreslå en handling. Ud fra det den finder, formulerer den et forslag: kompensere, ombooke eller bede om flere oplysninger.
4. Bed om godkendelse. Før noget faktisk sker, stopper agenten og lægger forslaget frem for en sagsbehandler.

Pointen er at flere trin kædes sammen, med et kontrolpunkt før en handling får reel effekt. Det er netop det et enkelt kald ikke kan gøre på egen hånd.

Derfor kræver flere trin mere evaluering

Kapaciteten har en pris. Jo flere trin et workflow har, desto flere steder er der hvor noget kan gå galt, og en fejl tidligt i loopet kan følge med og forstærkes.

Derfor har et agentisk setup brug for mere omkring sig: logning af hvad agenten faktisk gjorde, en evalueringssuite der fanger når den kører af sporet, og sporbarhed så I bagefter kan se hvorfor den handlede som den gjorde. Uden det bliver en agent en sort boks der nogle gange gør det rigtige og nogle gange det forkerte uden at nogen ved hvorfor.

Hvornår et agentisk setup betaler sig, og hvornår ikke

Det er let at blive forført af tanken om en AI der klarer hele processen selv. Men flere trin er ikke altid bedre, og valget bør styres af opgaven.

Et agentisk workflow betaler sig når opgaven virkelig kræver flere trin: Den skal hente information fra forskellige steder, afveje alternativer og tilpasse sig efter hvad den finder undervejs. Så tilfører loopet og værktøjerne en konkret værdi som et enkelt kald ikke kan matche.

Til enklere opgaver er et almindeligt kald ofte det bedre valg. Skal modellen bare besvare et spørgsmål eller omformulere en tekst, er der ingen gevinst ved at bygge et loop omkring den, kun mere der kan gå galt og en højere pris. En god tommelfingerregel er at begynde enkelt og først tilføje trin når opgaven beviseligt kræver det.

Hvad det betyder for dig som kunde

Agentiske workflows er kraftfulde når opgaven virkelig kræver flere trin og kontroller, men de er ikke gratis i kompleksitet. En rimelig holdning er at begynde der hvor gevinsten er tydelig, holde et menneske i loopet ved alt der får konsekvenser og bygge sporbarhed ind fra starten.

Vil du drøfte om et agentisk setup passer til en proces hos jer, kan du læse mere om vores AI-ydelser eller kontakte os med en beskrivelse af det flow I vil forbedre.