La AI-agenter ta rutinearbeidet, med bevis og din godkjenning

Hva er et agentisk operativsystem?

Et agentisk operativsystem er oppsettet rundt AI-agentene: køen som gir dem oppgaver, målene de beslutter mot, kunnskapen de bygger på og reglene for hva de får gjøre uten å spørre et menneske.

Selve AI-modellen er bare én del, og den kan byttes ut. Det er oppsettet rundt som avgjør om agentene blir til nytte eller til støy. En agent uten kø glemmer. En agent uten mål gjetter. En agent uten bevis må kontrolleres i alt den gjør.

AIOS er vårt eget. Det kjører på en maskin vi eier, med Kanban-tavle, rutiner på timer og en lokal kunnskapsbase. Det meste av gnxt.eu, fra forsiden til blogginnleggene, er laget som kort i AIOS, og det samme gjelder produktene våre. Det er malen vi bruker når vi hjelper andre.

Hva får en liten bedrift igjen for det?

To ting gjør et agentisk operativsystem verdt bryet for en liten bedrift: hverdagen blir mer effektiv, og kvaliteten blir den samme hver gang. Det første sparer tid. Det andre gjør at kundene får like gode svar uansett hvem som er på jobb, og uansett hvor travel uka er.

• En mer effektiv hverdag

  Rutinearbeidet går av seg selv. Triggere og rutiner starter oppgavene, agentene lager utkastene, og køen viser hva som venter på et ja. Ingen må huske fredagsrapporten eller lete etter forrige tilbud, for kunnskapsbasen har det. Det som tok en time, blir en kort runde med godkjenning.

• Konsistent kvalitet, hver gang

  Agentene jobber etter de samme skrevne målene og den samme kunnskapsbasen hver gang, og hver oppgave sjekkes mot akseptansekriterier med bevis. Kvaliteten avhenger ikke lenger av hvem som er på jobb, hvor travelt det er, eller hva den ene som kan det, husker. Et godkjent svar blir malen for det neste.

De to henger sammen. Effektivitet uten konsistens er bare raskere feil, og konsistens uten effektivitet er papirarbeid. Bevis og godkjenning i flyten gir begge deler.

Hvilke problemer løser det for en liten bedrift?

Historien er tenkt, men mønsteret er det samme i de fleste små bedrifter: mer rutinearbeid enn folk. Et agentisk operativsystem tar oppgavene som gjentar seg, og lar menneskene bruke tiden på det som krever skjønn.

• Rutinearbeid som spiser dagen

  Oppfølging av henvendelser, purringer, rapporter, lister som skal oppdateres og de samme spørsmålene hver uke. Agentene lager utkastet, dere godkjenner. Det som gjentar seg, legges som rutine og går av seg selv.

• Kunnskap som sitter i hodet på én person

  Hvordan dere svarer kunder, hvordan dere priser, hva dere bestemte sist. Kunnskapsbasen tar vare på det hver gang en oppgave blir ferdig, og neste oppgave starter med det dere alt vet.

• AI-verktøy som ikke henger sammen

  En chat i nettleseren husker ikke, starter ikke selv og kan ikke vise hva den gjorde. Et operativsystem gir agentene minne, triggere og en tavle alle i bedriften kan se.

• Redselen for å slippe AI løs

  En e-post sendt til feil kunde kan ikke tas tilbake. Derfor skiller systemet mellom utkast og handling. Agentene legger fram, og et menneske godkjenner før noe sendes, publiseres eller endres.

Eksempler på oppgaver agentene kan ta hos dere

• Lese nye henvendelser hver morgen og legge ferdige svarutkast til godkjenning.
• Lage tilbud ut fra e-posten fra kunden og prisene i kunnskapsbasen.
• Sammenstille ukesrapporten fra regnskapet, nettbutikken og timeføringen.
• Følge med på nettstedet, fakturaene og lageret, og lage en oppgave når noe avviker.
• Skrive utkast til nyhetsbrev og innlegg i deres tone, klare til gjennomlesing.

Hvordan virker et agentisk operativsystem?

Seks deler gjør AI-agenter til medarbeidere dere kan stole på. Slik er de satt opp i AIOS, og slik setter vi dem opp hos dere.

• Én kø for alle oppgaver

  Alt som skal gjøres, er et kort på én Kanban-tavle: kundehenvendelser, innhold, tall og drift. Kortet går fra Backlog til Ferdig, og tavla viser hvor det står og hva som venter på et svar fra dere. Et nytt kort kan legges inn fra telefonen.

• Skrevne mål agentene beslutter mot

  Målene er vanlig tekst dere skriver selv: hva som teller, i hvilken rekkefølge, og hva agentene ikke skal foreslå. Agenten leser dem før den planlegger, så valgene kan leses og etterprøves. Målene slår alltid det agenten har lært på egen hånd.

• En kunnskapsbase som bygger seg selv

  Hver gang en oppgave blir ferdig, tar systemet vare på det som ble lært: beslutninger, fremgangsmåter og feil som ikke skal gjentas. Neste oppgave starter med den kunnskapen. Poster som motsier målene, merkes, og en månedlig gjennomgang rydder i duplikater og i det som har falmet.

• Egendefinerte triggere med menneskelig godkjenning

  En trigger starter en oppgave uten at noen må huske det: et klokkeslett, et kort som flyttes, en kommentar eller en melding fra mobilen. Hos dere kan det like gjerne være en ny e-post, et utfylt skjema eller en ordre. Hva som får gå rett gjennom, og hva som alltid venter på et ja, bestemmer dere per oppgavetype.

• Resultater med bevis

  Ingenting godkjennes på en påstand. Agenten skriver akseptansekriterier før den begynner, og hvert kriterium peker på et bevis når den er ferdig: et skjermbilde, en logg, en kilde eller en utskrift. Det som ikke lar seg bevise, står som ikke testet.

• En utskiftbar hjerne og et kostnadstak

  AI-modellen velges per oppgavetype og kan byttes når det kommer noe bedre eller billigere, for kjernen kjenner ingen modell. Hos oss er det Claude i dag. Et kostnadstak i systemet gjør at forbruket er kjent på forhånd.

Hvordan fungerer menneskelig godkjenning i praksis?

Godkjenningen er bygd inn i flyten, ikke lagt på som en regel ingen følger. Slik går en oppgave gjennom systemet.

1. En trigger eller et menneske legger oppgaven i køen. Agentene starter ikke på noe før et menneske har valgt det, med mindre oppgaven er en rutine dere alt har godkjent.
2. Agenten lager en plan med akseptansekriterier, mot målene deres. Er noe uklart, stiller den spørsmål på kortet i stedet for å gjette.
3. Agenten gjør arbeidet på et trygt sted. Et utkast, en kopi eller en egen gren. Den sender ingen meldinger og publiserer ingenting på egen hånd, og den endrer bare det dere har gitt den lov til.
4. Agenten legger ved bevis for hvert kriterium og flytter kortet til Klar for test.
5. Et menneske ser på bevisene og godkjenner, eller sender kortet tilbake med en kommentar. Først da sendes e-posten, publiseres teksten eller oppdateres systemet.

Hvor mye agentene får gjøre selv, er en innstilling, ikke en trossak. Hos oss sorterer en agent køen og foreslår hva som skal gjøres neste gang, men ingenting sendes på våre vegne uten et ja. En rutine kan foreslå nye oppgaver, men den kan aldri starte dem selv.

Hvorfor et system, og ikke bare ChatGPT?

En chat løser én oppgave om gangen, for den som sitter ved tastaturet. Et agentisk operativsystem lar oppgavene gå av seg selv, husker det bedriften har lært og kan vise hva som ble gjort.

Chatten er fortsatt nyttig. Den er bare ikke et system.

Hva kan gnxt hjelpe dere med?

Vi selger rådgivningstimer og utviklingsoppgaver, ikke en lisens. Systemet vi setter opp, er deres, og det kjører på maskiner dere eier. Veien dit har tre steg.

• 1. Rådgivning: kartlegging

  Vi går gjennom arbeidsdagen deres og finner oppgavene som gjentar seg, hvor godkjenningen må sitte og hvilke verktøy dere alt har. Dere får en prioritert liste over hva agentene bør ta først, og hva de ikke bør røre. Det starter med én time.

• 2. Oppsett

  Vi setter opp køen, målene, kunnskapsbasen og de første triggerne hos dere, koblet til e-posten, regnskapet, nettbutikken eller det dere ellers bruker. Vi starter smått, med én eller to rutiner som sparer tid hver uke, før vi bygger videre.

• 3. Videre utvikling

  Nye agenter, triggere og integrasjoner bestiller dere som avgrensede utviklingsoppgaver. Hver oppgave får akseptansekriterier og leveres med bevis, slik vi jobber selv. Systemet brukes også til å utvikle seg selv: en ny rutine eller en ny kobling er et kort på tavla som agentene bygger og dere godkjenner. Derfor kan mye gjøres på egen hånd, uten dyp teknisk kompetanse.

Dette passer ikke for alt. Oppgaver som krever skjønn i hvert enkelt tilfelle, bør fortsatt ligge hos mennesker, og agentene gjør feil. Det er derfor bevis og godkjenning er en del av systemet, og ikke noe vi legger på etterpå. Systemet forutsetter at noen hos dere har tid til å se på bevisene og si ja. Det er lite arbeid, men det må gjøres.

Bruker gnxt dette selv?

Ja, hver dag. Produktene på forsiden utvikles og driftes med AIOS, og det meste på gnxt.eu er kort som har gått gjennom køen med plan, bevis og godkjenning. Kortene, kunnskapen og bevisene ligger lokalt hos oss, ikke hos en leverandør. Det gir oss kontroll over dataene og valgene. AIOS er dessuten selv et prosjekt på tavla: nye funksjoner i systemet bygges som kort, av agentene, med bevis og godkjenning som alt annet.

Bak gnxt står Jørgen Landsnes, utvikler og konsulent med bakgrunn som teamleder og CTO. Han skriver jevnlig om hvordan AI endrer arbeidet, sist i KI-betraktninger, år tre.

Ofte stilte spørsmål om AI-agenter i bedriften

• Hva er AIOS?

  AIOS er gnxt sitt agentiske operativsystem: én Kanban-kø for alle oppgaver, en utskiftbar AI-modell som planlegger og utfører mot skrevne mål, resultater med bevis, rutiner på timer og en lokal kunnskapsbase som lærer av hvert ferdige kort. Vi bruker det selv hver dag, og setter opp tilsvarende hos små og mellomstore bedrifter.

• Hva er forskjellen på en AI-agent og et agentisk operativsystem?

  En AI-agent er programvaren som utfører én oppgave med en språkmodell. Et agentisk operativsystem er alt rundt: køen som gir agentene oppgaver, målene de beslutter mot, kunnskapen de deler, triggerne som starter dem og godkjenningen som stopper dem. Agenten kan byttes ut. Systemet er det som varer.

• Hva er de viktigste gevinstene med AI-agenter i en liten bedrift?

  To ting. Hverdagen blir mer effektiv, fordi rutinearbeidet starter av seg selv og menneskene bare godkjenner. Og kvaliteten blir konsistent, fordi agentene følger de samme skrevne målene og den samme kunnskapsbasen hver gang og leverer med bevis. Svaret til kunden er like godt på en travel fredag som på en rolig tirsdag.

• Hva er en selvbyggende kunnskapsbase?

  En selvbyggende kunnskapsbase er en kunnskapsbase agentene fyller selv. Når en oppgave blir ferdig, trekker systemet ut beslutninger, fremgangsmåter og lærdommer og lagrer dem med kilde. Neste oppgave får den kunnskapen som angår den. Poster som motsier målene, merkes, og en månedlig gjennomgang rydder i duplikater og i det som har falmet.

• Hva er en trigger med menneskelig godkjenning?

  En trigger er det som starter en oppgave uten at noen må huske det: et klokkeslett, en ny e-post, en ordre eller et kort som flyttes på tavla. Menneskelig godkjenning betyr at det agenten lager, venter på et ja fra et menneske før det sendes, publiseres eller endres. Dere bestemmer per oppgavetype hva som krever godkjenning.

• Må vi bytte ut systemene vi bruker i dag?

  Nei. Systemet kobles til det dere alt har, som e-post, regnskap, nettbutikk, Slack eller GitHub, gjennom små adaptere. Agentene jobber i verktøyene deres, og dere beholder dem. Mangler en kobling, bygger vi den som en avgrenset utviklingsoppgave.

• Hvor lagres dataene våre?

  Kortene, kunnskapen og bevisene ligger i en lokal database på en maskin eller server dere eier. Bare det en oppgave trenger, sendes til AI-modellen, og dere velger hvilken modell og leverandør det er. Passord og nøkler leser agentene aldri.

• Hva skjer når agenten tar feil?

  Feilen stopper i godkjenningen. Hvert akseptansekriterium har et bevis, og et menneske ser på bevisene før noe sendes eller endres. Holder ikke beviset, går oppgaven tilbake til agenten med en kommentar, og lærdommen lagres i kunnskapsbasen så feilen ikke gjentas.

• Hvilke AI-modeller brukes?

  Modellen velges per oppgavetype og kan byttes uten å røre resten av systemet, for kjernen kjenner ingen modell. Hos oss er det Claude i dag, gjennom et abonnement. Hos dere kan det være en annen leverandør, eller en modell som kjører lokalt når dataene ikke kan forlate huset.

• Hva koster det?

  Dere betaler for rådgivningstimer og utviklingsoppgaver, ikke for lisenser. Det første steget er en rådgivningstime der vi kartlegger oppgavene som gjentar seg. Deretter avtaler vi et avgrenset oppsett med klart omfang før vi starter. AI-modellen betaler dere selv, med et kostnadstak satt i systemet.

• Passer dette for en bedrift med fem ansatte?

  Ja. Den enkleste varianten er en kø, skrevne mål og én rutine som sparer tid hver uke. Det er nok til å se om det gir noe, før dere bygger videre med flere triggere og agenter. Siden systemet brukes til å utvikle seg selv, kan mye av utvidelsen gjøres av dere, med agentene som hjelp.

Ta kontakt

Lurer du på om dette passer hos dere? Send noen linjer om hva som gjentar seg i arbeidsdagen, så svarer vi med hva vi tror agentene kan ta først. Ta kontakt, så finner vi ut av det sammen.

Send en e-post til hellothere@gnxt.eu Ta kontakt på LinkedIn