Agentisk AI och multi-agent-system – vad betyder begreppen?
Agentisk AI beskriver AI-system som kan arbeta mer målorienterat över flera steg. Systemet kan tolka ett mål, planera, använda verktyg, granska resultat och anpassa nästa steg. Ett multi-agent-system består av flera agenter som har olika roller eller som samarbetar kring en större uppgift.
Begreppen får stor uppmärksamhet, men de innebär inte automatiskt bättre resultat. För många verksamhetsproblem är en tydlig assistent eller ett fast arbetsflöde enklare, billigare och säkrare.
Vad gör ett system agentiskt?
Agentisk förmåga är snarare en skala än en av/på-egenskap. En enkel assistent följer en fast instruktion och svarar. Ett mer agentiskt system kan välja mellan verktyg, dela upp en uppgift och köra flera steg utan att användaren ger en ny prompt varje gång. Högre autonomi innebär fler beslut och därmed fler möjliga felvägar.
En agentisk researchlösning kan exempelvis formulera delfrågor, söka i godkända källor, jämföra uppgifter och skapa en rapport med osäkerheter. En människa behöver fortfarande bedöma källval, slutsatser och om sökningen var tillräcklig.
Vad är ett multi-agent-system?
I ett multi-agent-system delas arbetet mellan flera komponenter. En agent kan planera, en annan söka information och en tredje kontrollera resultatet. De kan arbeta i en bestämd sekvens eller lämna uppgifter mellan sig dynamiskt.
Ett exempel är offertarbete:
1. En intake-agent strukturerar kundens behov. 2. En kunskapsagent hittar relevanta tjänster och villkor. 3. En utkastagent skapar en offertstruktur. 4. En granskningsagent kontrollerar obligatoriska delar. 5. En människa godkänner pris och löften.
Samma flöde kan ofta byggas som ett vanligt program med flera steg utan att varje steg kallas agent. Arkitekturen bör väljas efter behov, inte trendord.
Möjliga fördelar
Specialiserade roller kan göra instruktionerna tydligare. Delsteg kan testas var för sig och olika modeller eller verktyg kan användas för olika uppgifter. Ett kontrollsteg kan upptäcka vissa fel från ett tidigare steg. Arbetet kan i vissa fall köras parallellt.
Kostnader och risker
Flera agenter innebär fler modellanrop, längre svarstid och mer loggning. De kan skicka fel mellan sig eller hamna i onödiga loopar. En ”granskningsagent” är inte en oberoende sanningsmaskin; den kan dela samma blinda fläckar som den första modellen.
Systemet behöver gränser för antal steg, tidsåtgång och kostnad. Varje agent ska ha minsta möjliga verktygsbehörighet. Det måste vara tydligt vilken komponent som gjorde vad och vilken information den använde.
När är flera agenter motiverade?
Använd multi-agent-design när uppgiften verkligen består av separata specialiteter, när delarna kan utvärderas var för sig och när den extra komplexiteten ger mätbar kvalitet eller hastighet. Om en enda tydlig instruktion och ett fast flöde klarar uppgiften är det ofta bättre.
Ett praktiskt test är att bygga den enklaste möjliga lösningen först. Dokumentera dess fel. Lägg bara till en ny agent om den riktar sig mot ett specifikt, återkommande fel eller ett tydligt kapacitetsbehov. Jämför sedan mot samma testsvit.
Mänsklig kontroll i agentiska system
Människan bör godkänna beslut som påverkar rättigheter, pengar, säkerhet eller externa åtaganden. Kontrollpunkten ska placeras före handlingen, inte bara som en rapport efteråt. Användaren behöver se vad agenten avser att göra, med vilka data och varför.
Kort sammanfattat
Agentisk AI kan planera och genomföra flera steg. Multi-agent-system delar arbetet mellan flera specialiserade agenter. Börja enkelt och öka komplexiteten först när tester visar att det behövs och skapar större nytta än kostnad och risk.
Relaterat
Källor
- Anthropic: Building effective agents
- Google Cloud: What are AI agents?
- OpenAI: Agent Builder
- NIST: AI Risk Management Framework
Senast granskad: 16 september 2026.