Så styr ni AI-agenter: tydliga mål, ramar och granskning
Kort svar: En AI-agent gör det ni beskriver, inte det ni menar. Styr den med ett tydligt mål, en beskrivning av vad “klart” betyder, det sammanhang den behöver och ramar för vad den inte får göra. Dela upp större arbete i steg, planera innan ni bygger och låt en människa granska resultatet innan det går i drift. Då kan en agent göra på dagar det som annars tar veckor.
AI-agenter är ett av de mest användbara verktygen just nu. En agent kan läsa en kodbas, skriva en integration, köra tester och rätta sina egna fel. Den kan gå igenom hundratals dokument efter samma regler. Men en agent utan styrning är som en ny medarbetare utan introduktion: snabb, ivrig och ofta på väg åt fel håll. AI är ett verktyg bland flera, och agenter är inget undantag.
1. Planera innan ni bygger
Det mest effektiva ni kan göra är att låta agenten börja med en plan, inte med arbetet. Be den beskriva hur den tänker lösa uppgiften, vilka filer eller system den behöver röra och vilka antaganden den gör. Läs planen. Rätta den.
Ett fel i planen tar en minut att rätta. Samma fel i färdig kod eller i ett genomfört flöde tar timmar. Det gäller oavsett om agenten bygger kod eller utför en process.
2. Dela upp arbetet i steg
En agent som får “bygg ett nytt kundsystem” gör något, men sällan det ni behövde. Dela upp:
- Läs in kunddata från affärssystemet.
- Visa den i en enkel lista.
- Lägg till sökning.
- Lägg till redigering, med behörigheter.
Varje steg är litet nog att granska och tydligt nog att agenten kan avgöra om det är klart. När ett steg är godkänt går ni vidare. Det är samma arbetssätt som fungerar för människor, och det fungerar av samma skäl.
3. Definiera vad “klart” betyder
Agenter är bra på att arbeta tills något är klart. Därför måste “klart” vara beskrivet. Exempel:
- Alla befintliga tester går igenom, och nya tester täcker det nya flödet.
- Integrationen hanterar fallet där det andra systemet inte svarar.
- Rapporten visar samma totalsumma som affärssystemet för september.
- Varje dokument är märkt med en av fem kategorier, och osäkra fall flaggas.
Ju mer kontrollerbart, desto bättre. “Det ska fungera bra” går inte att kontrollera. “Summan ska stämma mot affärssystemet” gör det.
4. Ge sammanhang
En agent vet inget om er verksamhet utöver det den får. Den behöver:
- Syftet: varför uppgiften finns och vem som använder resultatet.
- Underlaget: var datan finns och vilken källa som gäller när två källor säger olika.
- Befintliga mönster: hur ni brukar lösa liknande saker, så att den inte uppfinner något nytt.
- Exempel: ett par bra och dåliga resultat säger mer än en lång beskrivning.
I kodprojekt är det vanligt att samla sammanhanget i en fil som agenten alltid läser. Läs mer i Claude Code.
5. Sätt ramar
Skriv ned vad agenten inte får göra. Det är lika viktigt som målet.
| Ram | Exempel |
|---|---|
| Data | Får läsa kunddata, får inte skicka den till externa tjänster |
| System | Får arbeta i testmiljön, inte i drift |
| Ändringar | Får ändra i den här modulen, inte i betalflödet |
| Beroenden | Får inte lägga till nya bibliotek utan att fråga |
| Åtgärder | Får skapa utkast, får inte skicka mejl eller fakturor |
| Kostnad | Ska stanna och fråga om uppgiften växer utöver planen |
Ramar gör agenten säkrare och oftast snabbare. Den lägger mindre tid på vägar som ändå inte hade godkänts.
6. Låt en människa granska
Granskning är inte ett tecken på att agenten är dålig. Det är det som gör att ni kan lita på resultatet. Bestäm vem som granskar och vad:
- Kod: någon som förstår systemet läser ändringen innan den går i drift.
- Analyser: någon som känner datan kontrollerar några siffror mot källan.
- Utkast: en expert läser och rättar innan något skickas.
I ett system för anbud som vi har byggt skrivs 60–70 % av det återkommande arbetet automatiskt. Experterna granskar varje svar innan det lämnas. Det är just granskningen som gör att resultatet går att använda.
Vanliga misstag
- För stora uppgifter. Agenten gör mycket på en gång och det blir svårt att se vad som blev fel.
- Ingen plan. Agenten börjar bygga direkt, på antaganden ingen har kontrollerat.
- Otydligt “klart”. Agenten slutar när det ser rimligt ut, inte när det är rätt.
- Ramar i huvudet. Det som inte är nedskrivet vet agenten inget om.
- Granskning i efterhand. Fel som upptäcks efter att något gått i drift kostar mest.
Checklista innan agenten börjar
- Målet är beskrivet i ett par meningar.
- Arbetet är uppdelat i steg som går att granska var för sig.
- Det finns en beskrivning av vad “klart” betyder, som går att kontrollera.
- Agenten har fått syfte, underlag, mönster och exempel.
- Ramarna är nedskrivna: data, system, ändringar och åtgärder.
- Agenten tar fram en plan som någon läser innan arbetet börjar.
- Det är bestämt vem som granskar resultatet.
Omdömet ligger kvar hos er
Agenter gör det möjligt att genomföra mycket mer på kortare tid. Men någon måste fortfarande välja rätt problem, avgränsa det och avgöra om resultatet är bra nog. Det är där erfarenheten gör skillnad. Läs mer i AI är inte magi och Planera större AI-satsningar. Vill ni lära er arbetssättet på era egna uppgifter, se vår AI-workshop.
Vill ni komma igång med AI-agenter, eller få ordning på hur ni redan använder dem? På 30 minuter går vi igenom en uppgift ni vill lösa. Kostnadsfritt: boka en genomgång.
Vanliga frågor
Vad är en AI-agent?
En AI-modell som får ett mål och verktyg, till exempel att läsa filer, skriva kod eller anropa system, och som själv väljer stegen för att nå målet. Skillnaden mot en vanlig AI-assistent är att agenten utför flera steg i följd utan att någon skriver varje instruktion.
Kan man låta en AI-agent arbeta helt själv?
För avgränsade uppgifter med tydliga kontroller, ja. För arbete som påverkar kunder, ekonomi eller system i drift ska en människa granska innan något genomförs.
Varför gör AI-agenter ibland något annat än man tänkt?
Oftast för att målet var otydligt, sammanhanget saknades eller ramarna inte var nedskrivna. Agenten fyller luckorna med det som verkar rimligt, och det är inte alltid det ni menade.
Vilka uppgifter passar AI-agenter bäst?
Uppgifter som går att dela upp i steg, där det är tydligt när något är klart och där resultatet går att kontrollera. Att bygga en integration, ta fram en analys eller gå igenom många dokument efter samma regler är bra exempel.