När AI ska göra jobbet behövs mer än en smart modell

I de kurser jag håller upplever jag att intresset för agenter har ökat snabbt under det senaste halvåret. Själv har jag burit på en fråga ett tag: vad behöver finnas runt AI för att den ska kunna göra ett arbete, hela vägen?

Vi har ägnat mycket av AI-diskussionen åt att fråga hur smart modellen är. Vilka prov klarar den? Hur bra skriver den? Vem ligger först den här veckan?

Det är begripliga frågor. Men om vi skulle anställa en människa och sedan lämna henne utan arbetsverktyg, introduktion eller någon att fråga, skulle vi knappast förklara ett dåligt resultat enbart med hennes begåvning. Vi skulle börja undra hur arbetet var organiserat.

Den frågan behöver vi ställa om AI också.

Det är här miljön runt modellen blir intressant. Det tekniska ordet är agentic harness: mjukvaran som håller ihop verktyg, information och arbetets olika steg.

Jag vill stanna vid vad det innebär för oss som ska arbeta med tekniken. För när AI börjar hålla ihop mer av jobbet förändras också vår egen roll. Och det är där den här historien blir riktigt intressant.

Kort summering

En agentic harness är mjukvaran runt en AI-modell som håller ihop verktyg, information och arbetets olika steg. Den gör det möjligt för modellen att utföra mer sammanhängande uppdrag.

OpenAI, xAI och Meta bygger nu sådana arbetsmiljöer. Men ju mer vi lämnar över, desto viktigare blir frågorna om vad systemet minns, vilket mandat det har och vem som bedömer resultatet.

En del av det arbete som flyttar in i tekniken har vi hittills gjort själva, ofta utan att tänka på det.

Du har redan gjort en del av jobbet

Tänk på hur det ser ut när du använder en AI-chatt för en lite större uppgift.

Du letar upp underlaget. Väljer vad som är relevant. Förklarar sådant som kollegorna redan vet. Flyttar svaret till ett dokument, upptäcker en miss och går tillbaka. När samtalet tappar tråden påminner du om vad ni höll på med. Till sist avgör du om resultatet faktiskt går att använda.

Det där är arbete. Ofta ganska mycket arbete.

Vi räknar gärna tiden det tog att få fram det första svaret. Mer sällan räknar vi allt som krävdes för att göra svaret användbart. Människan har varit både beställare och den som håller ihop förloppet. När någon säger att en AI fungerar fantastiskt kan en del av förklaringen därför vara att det sitter en väldigt skicklig människa runt den.

I AI-live den 2 oktober pratade vi om hur mycket min egen användning hade hjälpts av att underlaget redan var strukturerat och arbetsflödena nedskrivna. Den som ser agentens resultat ser inte alltid det förarbetet. Det är en del av förklaringen till att samma verktyg kan ge så olika upplevelser.

En harness tar över delar av den samordningen. Ordet betyder ungefär sele, men liknelsen har sina begränsningar. Vi pratar om mjukvara som ger modellen underlag, kopplar den till verktyg och låter den fortsätta utifrån vad som hände i föregående steg. Modellen föreslår en handling, ett verktyg utför den och resultatet blir underlag för nästa bedömning. Anthropic beskriver det som systemet som gör det möjligt för modellen att fungera som agent.

Ett sätt att förstå den delen av en harness är att tänka på en digital kropp. Verktygen ger agenten möjlighet att göra något i sin omgivning, och information om vad som hände kommer tillbaka till modellen. Den kan då bedöma resultatet och välja nästa steg. Det blir en växelverkan mellan att handla och att ta in det som händer.

Men kroppsanalogin är en förenkling. En harness hjälper också till att ordna sammanhanget: plocka fram sparade uppgifter, hålla reda på arbetsläget och kontrollera vad agenten får göra eller måste lämna över till en människa. För helheten behöver vi därför också bilden av en arbetsmiljö, med underlag, rutiner och ansvar.

Ta en tänkt reklamation. Agenten behöver hitta rätt order, läsa kundens meddelande, kontrollera villkoren och kanske upptäcka att något saknas. Ett sparat arbetsläge hjälper den att fortsätta efter ett avbrott. Behörigheter avgör vilka system den kommer åt. Ett godkännande kan krävas innan ett svar skickas eller en ersättning beslutas. De funktionerna kan ligga i olika delar av systemet, men måste fungera tillsammans.

Det blir lättare att förstå utvecklingen när man ser allt det där. En stor del av agentbygget handlar om ganska vardagliga saker: att hitta rätt, komma ihåg vad som återstår och inte förväxla ett utkast med ett färdigt jobb.

Liknelsen med en ny kollega hjälper en bit. Även en kunnig människa behöver sammanhang för att bidra. Men en AI har inget eget mänskligt ansvar för kunden i andra änden. Den kan utföra delar av arbetet utan att dela vår förståelse av varför arbetet är viktigt. Där slutar liknelsen vara bekväm, och börjar bli användbar.

När någon säger att en AI fungerar fantastiskt kan en del av förklaringen vara att det sitter en väldigt skicklig människa runt den.

Nu bygger bolagen hela arbetsmiljöer

Det är mot den bakgrunden höstens produktlanseringar blir begripliga.

OpenAI lanserade i september Agents API i publik beta, där utvecklare får tillgång till den harness som används i Codex. Den hanterar bland annat kontext, verktyg och underagenter, medan körmiljön kan väljas separat. Senare samma månad presenterades dots: personliga agenter med egen molndator och kopplingar till andra appar. Tillgången vid lanseringen var begränsad till vissa abonnemang och marknader.

I Musks företagskrets har Grok Bot funnits i beta sedan augusti. Beskrivningen kretsar kring bestående arbetsmiljöer och agenter som kan samarbeta. Med Team Bots i publik beta i september flyttades tanken in i arbetsgruppen: gemensamma instruktioner, kunskaper och verktyg, samtidigt som individuella samtal och minnen hålls åtskilda från teamets delade kunskap. SpaceX slutförde dessutom förvärvet av Cursor i augusti. Ett etablerat arbetsverktyg för programmering finns därmed i samma företagskrets som modellutvecklingen.

Meta presenterade Muse i september, med inledande utrullning i USA. Även här får agenten en virtuell dator, minne och tillgång till appar. Meta lyfter särskilt fram en separat kontrollfunktion, Sentinel, och en aktivitetslogg där användaren ska kunna följa arbetet.

Det gemensamma är ganska tydligt: de bygger en plats där ett uppdrag kan leva vidare efter det första svaret. Produkterna har olika villkor och begränsningar, och bolagens beskrivningar visar inte hur tillförlitligt varje uppgift blir löst. Men de visar vad företagen försöker sälja oss: möjligheten att lämna över en större del av förloppet.

Det är en mer krävande produkt än en bra chatt. Ett övertygande svar kan vara färdigt på skärmen. Ett uppdrag är färdigt först när något faktiskt har blivit gjort, på ett sätt vi kan stå för.

Men kan inte en smartare modell lösa det där?

Det är en rimlig invändning. En del av det som i dag kräver extra instruktioner och komplicerad samordning kan bli onödigt när modellerna blir bättre.

Cursor beskriver hur de har plockat bort tidigare stöd och begränsningar när nya modeller blivit bättre på att själva hitta relevant information. Samtidigt anpassar de verktyg och instruktioner efter olika modeller. Det är alltså ett rörligt förhållande. Det som hjälper en modell kan vara i vägen för nästa.

En preprint från september, där tio modeller prövades på programmeringsuppgifter, visar samma sorts spänning. En mer avancerad harness gav olika nytta beroende på modell och uppgift. Vissa delar hjälpte, medan exempelvis kontextkomprimering och generella underagenter kunde försämra resultat i delar av studien. Det är ett avgränsat forskningsresultat, ännu utan fastställd kollegial granskning, men en nyttig invändning mot idén att mer samordning alltid är bättre.

Till och med xAI:s egen beskrivning av Grok 4.7 betonar att modellen tränats särskilt för Grok Bots harness. Modellen och miljön utvecklas tillsammans.

Så nej, det finns ingen anledning att byta ut vår gamla fixering vid den smartaste modellen mot en ny fixering vid den mest komplicerade agentmiljön. Ibland räcker ett enkelt, förutbestämt arbetsflöde. Varje extra agent eller kontrollsteg behöver motivera sin plats.

Men vissa frågor försvinner inte för att modellen blir skickligare. Vilken information ska den få läsa? Vem får den skicka den till? Vad ska hända om ett verktyg slutar svara? Och vem avgör när uppdraget är klart?

Det finns ingen intelligensnivå där de frågorna upphör att vara våra.

Ett minne behöver också kunna rättas

Jag har tidigare skrivit om När AI:n vänder blicken inåt och förmågan att bygga vidare på erfarenheter. Här blir den frågan väldigt konkret.

Anthropic beskriver hur agenter som arbetade länge med att bygga webbappar tappade tråden, lämnade halvfärdigt arbete och förklarade sig klara för tidigt. Sparade framsteg, tydliga deluppgifter och tester hjälpte nästa arbetspass att börja på rätt ställe. Minnet var i det fallet bland annat anteckningar och arbetsresultat, inte att grundmodellen tränades om efter varje uppdrag.

Det låter kanske prosaiskt. Men en bra överlämning är värdefull även när mottagaren är mjukvara.

Det svårare är vad som händer när det sparade är fel. Anta att en agent ser ett undantag i ett kundärende och antecknar det som företagets normala policy. Nästa gång kan den utgå från anteckningen. Misstaget har då fått längre livslängd än det ursprungliga samtalet.

Här finns en organisatorisk parallell som är värd att ta på allvar. Även vi bygger rutiner på ofullständiga minnen. ”Så brukar vi göra” kan betyda en genomtänkt princip. Det kan också betyda att någon löste ett akut problem på ett visst sätt för tre år sedan.

När vi ger agenter minne behöver vi därför också ge organisationen möjlighet att ifrågasätta det. Varifrån kommer uppgiften? Är den fortfarande giltig? Var det ett beslut, ett förslag eller ett undantag? Ett minne som växer utan att kunna rättas riskerar att göra gårdagens missförstånd till morgondagens rutin.

Den som håller ihop arbetet får också makt

När mer av arbetet samlas i samma miljö blir frågan också ekonomisk.

I början av oktober meddelade Musk att SpaceX framöver skulle välja den bästa bakomliggande lösningen för uppgiften, och nämnde bland annat Claude Opus 5.5, Midjourney och Suno. Det är en uttalad riktning. Inlägget visar varken att alla användare redan fått samma funktioner eller hur modellval och dataflöden fungerar i praktiken.

Men den strategiska tanken går att förstå: relationen till användaren kan vara värdefull även när intelligensen under huven delvis köps in från andra. Det är för tidigt att veta vilka som lyckas bäst med det.

För användaren kan det vara en befrielse att slippa välja modell för varje liten uppgift. Samtidigt flyttar själva valet till någon annan. Vad betyder ”bäst” när leverantören väljer? Högst kvalitet för dig, lägst kostnad för tjänsten eller snabbast svar? Och vilka uppgifter om din verksamhet följer med till nästa modellleverantör?

I Bristen bestämmer makten. Och bristen har precis bytt sida. resonerade jag om vart värdet flyttar när kognitivt utförande blir billigare. Agentmiljön gör frågan mer påtaglig. Den som känner dina prioriteringar, har tillgång till dina verktyg och håller ihop dina pågående uppdrag kan bli svårare att byta ut än själva modellen.

Det behöver inte bero på en medveten inlåsning. Bekvämligheten kan räcka. Även om dokumenten går att exportera återstår kanske alla små förklaringar, korrigeringar och arbetssätt som byggts upp runt dem. Att kunna byta modell inne i samma tjänst är därför en annan sak än att kunna flytta sitt arbete till en annan tjänst.

Att kunna byta modell inne i samma tjänst är en annan sak än att kunna flytta sitt arbete till en annan tjänst.

Jag försöker därför spara våra arbetssätt och instruktioner även utanför själva AI-tjänsten, så att flera verktyg kan använda dem. Det tog jag också upp på kursen den 8 oktober. Vi behöver kunna behålla det vi själva har lärt oss om hur arbetet ska göras.

Vi kan få mer handlingsutrymme i vardagen och samtidigt bli mer beroende av den som tillhandahåller det. Båda sakerna kan vara sanna. Därför är möjligheten att förstå, rätta och ta med sig sitt sammanhang en del av produktens värde, även om den sällan är det mest spektakulära i en demo.

Wiener skulle känna igen frågan

Redan 1948 handlade Norbert Wieners Cybernetics om styrning, kommunikation och återkoppling. Ett system behöver kunna uppfatta följderna av det det gör för att korrigera sig. Kopplingen till dagens agenter ligger nära till hands: de handlar, läser av resultatet och väljer nästa steg.

Men återkopplingens riktning avgörs av vad vi räknar som framgång.

Om vår tänkta reklamationsagent mäts på stängda ärenden kan ett snabbt avslut se bra ut trots att kunden fortfarande har ett olöst problem. Om vi bara mäter kundnöjdhet kan generösa ersättningar se ut som den självklara lösningen. Konflikten mellan måtten finns redan i verksamheten. Agenten tvingar oss att formulera den, eller leva med att systemet hanterar den på ett sätt vi inte riktigt har valt.

Det är en viktig skillnad mellan att automatisera ett arbetsmoment och att överlåta bedömningar genom ett helt förlopp. I det senare fallet bygger vi också in en uppfattning om vad som är viktigt.

Metas tekniska beskrivning av Muse visar en del av det praktiska svaret. Agentens önskade handling skiljs från kontrollen som avgör om den får utföras. Det är relevant när exempelvis ett kundmejl försöker få agenten att ignorera sina regler. Meta konstaterar samtidigt att sådana angrepp, så kallad promptinjektion, fortfarande är ett olöst problem. Konstruktionen är ett skyddsförsök, ingen garanti.

Och en människa som ska godkänna löser inte automatiskt resten. Om hon möts av hundra godkännanden om dagen, utan tid eller begripligt underlag, har vi byggt in hennes klick snarare än hennes omdöme.

Det är här kontroll blir en arbetsmiljöfråga. Den som ska granska måste kunna förstå vad som föreslås, se osäkerheten och faktiskt få säga nej. Ibland behöver det få ta längre tid. Annars kan kravet på snabbhet göra den mänskliga kontrollen till en formalitet.

Vad behöver vi själva bli bättre på?

För en verksamhet är det frestande att börja med valet av agent. Men det finns ett arbete som ingen produktjämförelse gör åt oss: att synliggöra det våra erfarna kollegor tar för givet.

Vem vet när en kund behöver ett telefonsamtal i stället för ännu ett korrekt mejl? Vilka undantag är rimliga? När ska en ofullständig uppgift lämnas tillbaka? Den kunskapen sitter ofta hos människorna som gör jobbet, långt från den som fattar inköpsbeslutet.

På samma kurs tog jag upp en egen erfarenhet av just det. Trots att mycket av Qloks arbete finns dokumenterat behövde jag komplettera med sådant som mest fanns i mitt huvud: mina värderingar och hur jag ser på större frågor. Annars kunde agentens rekommendationer dra åt ett håll jag inte tyckte var rätt. Projekthistoriken berättade mycket om vad vi hade gjort, men mindre om vilka avvägningar jag ville göra.

Vår Promptguide: AI på rätt KURS på Qlok utgår från kontext, uppdrag, ramar och samspel. Med agenter får de orden en vidare betydelse. Kontexten behöver hållas aktuell. Uppdraget behöver ett slut som går att kontrollera. Ramarna behöver stöd i faktiska behörigheter. Samspelet behöver ge plats åt att något blev fel och måste göras om.

I AI-live den 9 oktober beskrev jag hur min egen roll börjat likna en arbetsledares eller coachs. Jag ger perspektiv och återkoppling, och upplever att agenten anpassar sitt arbete. Det är fortfarande en tidig erfarenhet. Men den knyter an till en tanke från kursen: det finns något att lära av hur vi introducerar nya kollegor, med tydliga roller och uppföljning innan vi lämnar över mer ansvar.

Det gör ett litet, verkligt uppdrag till en bra början. Följ hela vägen till ett användbart resultat och räkna även tiden människor lägger på att förbereda och rätta. Undersök vad som händer när underlag saknas eller agenten behöver stanna. Ett välformulerat ”klart” är ingen uppföljning i sig.

Det finns också en fråga som lätt hamnar i skuggan av tidsvinsten: hur fortsätter vi lära oss arbetet?

Om de enklare uppgifterna går till agenten får de erfarna kanske mer tid för svåra bedömningar. Men hur blir nya kollegor erfarna om de aldrig får följa ett ärende från början till slut? Det är inget argument för att behålla onödigt arbete. Det är ett skäl att planera lärandet lika medvetet som automatiseringen.

Ta reklamationen igen. En ny kollega skulle kunna få följa ett utvalt ärende från kundens första meddelande till dess att problemet faktiskt är löst. Först läsa underlaget och göra en egen bedömning, sedan jämföra med agentens förslag och diskutera skillnaderna med en mer erfaren kollega. Vad har agenten uppmärksammat? Vad har den missat? Varför kan ett telefonsamtal vara bättre än det mejl som systemet föreslår?

Det intressanta i ett sådant upplägg är också vad vi människor behöver förklara för varandra. Om den erfarna kollegan vill göra ett undantag behöver skälen bli synliga. Är det något särskilt i just det här ärendet, en princip som borde skrivas ner eller en gammal vana som går att ifrågasätta? Agentens förslag kan ge oss något konkret att tänka tillsammans kring, utan att bli facit.

Men det kräver att det finns tid för samtalet och möjlighet att följa vad beslutet ledde till. Om den nya kollegan bara får godkänna färdiga förslag blir utrymmet att pröva en egen bedömning litet. Vi behöver därför välja vilka ärenden människor ska få arbeta sig igenom, vilken återkoppling de ska få och hur ansvaret kan växa. Annars finns en risk att vi frigör de erfarnas tid genom att samtidigt ta bort vägen dit för nästa kollega.

Mer utrymme att vara människa

Det finns något hoppfullt i att slippa hålla ihop varje liten detalj själv. Färre överlämningar att jaga. Mer tid för ett samtal som behöver få ta tid. Möjligheten att genomföra sådant som tidigare blev liggande för att ingen hann.

Men den möjligheten blir inte verklighet bara för att agenten kan arbeta vidare när vi stänger datorn. Någon behöver välja vad den frigjorda tiden ska användas till, och se till att vi behåller förmågan att bedöma arbetet.

Det är där jag landar i frågan om harness. Vi håller på att flytta in mer av arbetets sammanhang i mjukvara. Hur vi gör det kommer att påverka både vad maskinen klarar och vilken roll vi själva får.

Nästa gång en agent lovar att ta hand om jobbet kan det därför vara värt att stanna en stund vid vad det löftet innehåller.

Vilken del av arbetet vill du lämna över, och vilken förmåga vill du att människorna ska ha kvar när det är gjort?

Detta är en personlig reflektion av Tobias Landén, Qlok. Hur förändras ert sätt att arbeta när AI får hålla ihop mer av uppdraget? Hör gärna av dig. Vi gillar att tänka högt om det här tillsammans med andra.

Att kika vidare på

Herbert Ongs video om konkurrensen kring agentmiljöer fick mig nyligen att återvända till de här tankarna. Den är ett tips för den som vill höra ytterligare ett perspektiv på vem som kan fånga värdet när miljön runt modellen blir viktigare.