AI-assistenter, automationer och agenter - vad är skillnaden och hur påverkar det oss?
Innebär 2026 ett skifte från generativ till agentisk AI? Från AI-assistenter till AI-agenter? Vad är egentligen skillnaden mellan assistenter, automationer och agenter? Och vad innebär det för våra arbetsliv och organisationer? Junglemap bjöd in till webinarium för att reda ut begreppen och för att fortsätta ta säkra steg i AI-utvecklingen, utan att drabbas av AI-stress och samtidigt få med oss hela organisationen på resan.
Medverkade gjorde Ann-Therese Enarsson, vd på Tankesmedjan Futurion, som tittar på hur automatisering och AI påverkar framtidens arbetsliv och kompetensbehov.
Gabriel de Jong, vd på Walma AI, som hjälper företag och organisationer att få AI-nytta i vardagen. Anita Stenbakk, AI-learning specialist på Junglemap, som hjälper och coachar våra kunder att skapa NanoLearning med hjälp av vår AI.
Webinariet hade lockat en stor publik med över 400 anmälda från alla typer av verksamheter i både Sverige och Norge. Syftet var att reda ut skillnaden mellan assistenter, automationer och agenter och ge exempel på vad en AI-agent kan vara. Och inte minst diskutera vad nästa AI-steg är: Hur AI-redo är våra organisationer?
Samtalsledare Per Lagerström, kommunikationschef på Junglemap, inledde med två disclaimers: Dels att webinariet inte presenterar några absoluta sanningar. Det finns andra tolkningar och definitioner. Dels att utvecklingen går fort.
- Bara för ett par veckor kom nyheten om OpenClaw, AI-agenten som tar över din dator och jobbar medan du sover. Det hade vi ingen aning om när vi först bjöd in till det här samtalet.
Så den som ser webinariet i efterhand behöver komma ihåg att det som sägs gäller i mitten av februari 2026.
Webinariet inleddes med en enkät där deltagarna fick svara på frågan:
AI-agenter i vår organisation är något som…
• Vi redan använder oss av
• Vi börjat titta på
• Vi valt bort
• Ett okänt begrepp
Resultatet visade att 30 procent redan använder sig av agenter och drygt 60 procent har börjat titta på olika typer av AI-agenter. För en mindre grupp på 7 procent är det fortfarande ett okänt begrepp – ett resultat som både Ann-Therese Enarsson och Anita Stenbakk känner igen, men som Gabriel de Jong såg som positivt överraskande.
- De stora skillnaderna vi ser mellan olika verksamheter och inom organisationer kan bli ett problem i sig, konstaterade Ann-Therese Enarsson.
Gabriel de Jong fortsatte sedan med att reda ut de olika AI-begreppen. Hans genomgång kan sammanfattas i följande tre punkter:
- Agenter är inte automationer
- Automationer bygger på bestämda instruktioner
- Agenter resonerar och agerar
Den stora skillnaden mellan generativ och agentisk AI kan beskriva med att generativ AI utför uppgifter, AI-assistenter stöttar processer och agentisk AI jobbar utifrån uppsatta mål och levererar slutresultat.
Gabriel påpekade också att begreppet AI-agent används på olika sätt av olika aktörer som OpenAIs ChatGPT och Microsoft Copilot t.ex, och att det i sig bidrar till förvirringen.
AI-agenter levererar högre värde – och större osäkerhet
Hittills har många försök med AI-agenter misslyckats. Lite sammanfattat kan man säga att det beror på att AI-agenter varit för osäkra. Gabriel beskrev hur AI-agenter bygger på sannolikheter i flera steg. Om sannolikheten är 90% i varje steg och agenten bygger på fyra steg ger det en korrekthet på 65% i slutändan, vilket i sig är alldeles för osäkert.
Med en enkel demonstration visade sedan Gabriel hur en AI-agent som analyserar CO2-avtrycket utifrån resedokumentation, byggs upp utifrån ett antal olika sekvenser som steg för steg utför fördefinierade uppgifter som sammantaget utför en uppgift på egen hand.
Utifrån den demonstrationen lyfte både Anita Stenbakk och Ann-Therese Enarsson behovet av transparens och explicability – att det som omnämns som supervised AI, faktiskt går att få en överblick och insyn i och en möjlighet att den som är ansvarig också kan korrigera det som AI-agenten utför.
- För att det här ska få ett positivt genomslag i organisationen, måste ledningen värna medarbetarnas tillit till systemen. Satsar vi för mycket på AI-styrd övervakning tappar vi den tilliten och då blir inte resultaten bra, säger Ann-Therese Enarsson.
Anita hänvisade till principerna bakom EUs AI-act om att AI i grunden skall göra nytta, vara transparent och rättvis och inte vara skadlig och att dessa principer är viktigare än någonsin nu om vi tar steget mot en agentisk AI.
Vad borde vara nästa AI-steg?
Den avslutande delen blickade framåt. Vilket är panelens bästa råd för att ta nästa AI-steg i organisationen? Anita lyfte fram en enkel checklista som svar på frågan om vilken typ av AI-stöd organisationen behöver beroende på vad vi vill uppnå.
Om målet är bättre text och analyser av data -> assistent
Om målet kan nås via en definierad kedja av bestämda steg -> automation
Om målet kräver planering och agerande som korsar flera system -> agent
Med erfarenhet från de organisationer Walma AI arbetar med, rekommenderar Gabriel att börja enkelt och ta ett steg i taget. Fokusera på tidskrävande men icke-komplexa delar av verksamheten. Där finns de lågt hängande frukterna att plocka.
Fler positiva till AI-agenter
Webinariet avslutades med ytterligare en enkätfråga där deltagarna fick svara om de var mer positiva eller skeptiska till AI-agenter. Knappt två tredjedelar av de som svarade på enkäten var mer positiva, medan en knapp tredjedel var fortsatt kluvna eller osäkra och resten något mer skeptiska.
Ett första steg mot en säker AI-användning kan vara att använda Junglemaps kurs i säker generativ AI. Läs mer om kursen här.
Fyll i formuläret för att få tillgång till inspelningen av detta webinar:
