Hoppa till innehållet
aicoach.se

Vad är en AI-agent? Exempel för företag

En AI-agent utför uppgifter i flera steg på egen hand. Vad det betyder i praktiken, exempel för företag och hur ni börjar med agenter i Claude.

11 min läsning

En AI-agent är en AI som inte bara svarar på frågor, utan utför en uppgift i flera steg på egen hand. Den gör en plan, använder verktyg som mappar, mejl och webbläsare, kontrollerar resultatet och fortsätter tills jobbet är klart eller den behöver fråga dig. Här går vi igenom vad det betyder i praktiken, exempel från företag och hur ni börjar med agenter i Claude utan att tappa kontrollen.

Vad är en AI-agent?

Anthropic, som utvecklar Claude, beskriver en agent som en AI-modell som själv styr hur den löser en uppgift och vilka verktyg den använder, i stället för att följa ett fast manus. Skillnaden mot en chattbot är att agenten arbetar i en slinga: den planerar, gör något, tittar på resultatet, justerar och fortsätter, tills uppgiften är klar eller den behöver fråga en människa.

En agent består av fyra delar, och i varje del kan ni styra den:

  • Modellen, själva AI:n, till exempel Claude.
  • Ramarna, instruktionerna och skyddsräckena den arbetar under, som "fråga innan du skickar något".
  • Verktygen, tjänsterna den får använda, som mejlen, kalendern eller en mapp med filer. Utan verktyg kan Claude läsa ett kvitto men inte lämna in det.
  • Miljön, var agenten körs och vilka filer, webbplatser och system den når därifrån.
En AI-agent som planerar, använder verktyg, kontrollerar resultatet och justerar i en slinga, och i läget Manual väntar på godkännande innan den skickar eller raderar
Du ger målet och ramarna, och agenten arbetar i en slinga tills den är klar. I läget Manual väntar steg som skickar eller raderar på ditt ja.

Ordet agentisk AI (agentic AI) används ofta som samlingsnamn. Anthropic räknar både fasta flöden och fria agenter som agentiska system, men skiljer dem åt: i ett flöde är stegen bestämda i förväg, medan en agent själv avgör vilka steg som behövs.

Agenter i Copilot och ChatGPT

Microsoft beskriver agenterna i Copilot Studio på liknande sätt, som AI-assistenter som följer era instruktioner, använder kunskapskällorna ni kopplar på och använder verktyg för att agera. Microsoft har också Copilot Cowork, som gör uppgifter i Microsoft 365 åt dig: skickar mejl, bokar möten, skapar dokument och skriver i Teams. Innan en viktig åtgärd, som att skicka ett mejl, frågar den först. Cowork arbetar med filer i OneDrive och SharePoint och är allmänt tillgängligt för jobbkonton. Skillnaderna mot Claude tar vi upp i Claude vs Microsoft Copilot.

OpenAI beskriver ChatGPT Work som en agent för längre uppgifter i flera steg. Work kan undersöka och analysera information, arbeta i kopplade appar och filer och ta fram färdiga dokument, kalkylark och presentationer. Du kan följa arbetet, svara på frågor, ändra riktning och godkänna viktiga åtgärder. Work kan också köras som schemalagda uppgifter, en gång, återkommande eller när något händer i en kopplad app. På Plus, Pro och företagsplanerna finns Work på webben, i mobilen och i datorappen, och Free och Go har en begränsad version i datorappen. På företagsplanerna styr ägare och administratörer vem som får använda det. På webben och i mobilen körs Work i molnet, och i datorappen kan den använda filer och program på datorn med din tillåtelse. Den tidigare funktionen ChatGPT agent finns inte längre, och OpenAI hänvisar i stället till Work. För kod har OpenAI Codex, som de kallar sin kodagent och som ingår i alla ChatGPT-planer, även gratisplanen. Mer om skillnaderna finns i Claude vs ChatGPT: vilken ska företaget välja?

Skillnaden mellan chatt, automatisering och agent

ChattAutomatiseringAgent
Vem bestämmer stegen?Du, en fråga i tagetDen som byggde flödet, i förvägAgenten, utifrån målet
Passar närDu vill ha hjälp att tänka eller formuleraUppgiften ser likadan ut varje gångStegen beror på vad som dyker upp
Förutsägbart?Ja, du ser varje svarJa, samma steg varje gångMindre, den väljer väg själv och ett fel kan följa med till nästa steg

Anthropic råder att välja den enklaste lösningen som fungerar. Agentiska lösningar tar ofta längre tid och kostar mer, i utbyte mot bättre resultat. För många uppgifter räcker en bra prompt med rätt underlag och exempel, och ser uppgiften likadan ut varje gång passar ett fast flöde bättre. En agent lönar sig när stegen inte går att bestämma i förväg.

I praktiken glider det ihop. En schemalagd uppgift i Claude startar på en bestämd tid som vanlig automatisering, men själva arbetet gör Claude som agent. Hur ni sätter upp sådana flöden går vi igenom i AI-automatisering med Claude: återkommande uppgifter.

Eftersom agenten väljer väg själv blir uppdraget viktigare än i en chatt. Anthropic ger ett exempel: ber du en agent att organisera dina filer kan den radera det den tror är dubbletter och flytta om hela mappstrukturen.

Vag

Ordna upp i projektmappen.

Tydlig

Sortera offerterna i mappen Offerter 2026 i en undermapp per kund och döp om filerna till ÅÅÅÅ-MM-DD kundnamn. Radera ingenting. Skriv dubbletter du hittar i en lista så tar jag ställning.

Exempel på AI-agenter i företag

Agenter gör mest nytta när uppgiften har flera steg, underlaget finns digitalt och resultatet går att kontrollera.

  • Reseräkningen. Anna Berg på Exempelbolaget AB lägger kvittona från en resa i en mapp. Agenten läser kvittona, plockar ut belopp och leverantör, delar in utgifterna och ställer upp en reseräkning. Verkar ett hotellkvitto gå över ert tak frågar den i stället för att gissa. Anna läser igenom och lämnar in själv.
  • Första genomläsningen av avtal. Agenten går igenom inkomna avtal mot er egen checklista och skriver en kort promemoria per avtal, med hänvisning till klausulen där avtalet avviker. Juristen bestämmer.
  • Omvärldsbevakning. En schemalagd uppgift går varje vecka igenom branschnyheter och konkurrenters webbplatser och sammanfattar det som är nytt.
  • Kundtjänst. Anthropic lyfter kundtjänst som ett område där agenter passar: agenten kan hämta orderhistorik och artiklar ur kunskapsbanken och uppdatera ärenden, och det går att mäta om kunden fick hjälp. En sådan agent byggs mot era egna system. Låt en människa godkänna beslut som återbetalningar.
  • Kod. Claude Code läser kodbasen, ändrar filer, kör testerna och rättar det som inte fungerar. Testerna visar om lösningen fungerar, men Anthropic påpekar att en människa ändå behöver granska.

AI-agenter i Claude

Claude kan arbeta som agent på flera sätt. Valet beror mest på vem som ska använda det och var arbetet finns.

SättPassar förPlan eller konto
CoworkKunskapsarbete i dokument, kalkylark, mappar och kopplade verktygPro, Max, Team, Enterprise
Schemalagda uppgifterUppgifter som körs på en bestämd tid utan att du sitter bredvidPro, Max, Team, Enterprise
Claude in ChromeUppgifter på webbplatser, i din egen webbläsarePro, Max, Team, Enterprise
Claude CodeUtvecklare som låter Claude arbeta i kodbasenPro, Max, Team, Enterprise eller utvecklarkonto i Claude Console
Agent SDKUtvecklare som bygger en egen agent i Python eller TypeScriptUtvecklarkonto, betalas efter användning
Managed AgentsUtvecklare som vill att Anthropic står för miljön agenten körs iUtvecklarkonto, betalas efter användning

Cowork bygger på samma agentiska arkitektur som Claude Code, men utan terminal. Du beskriver resultatet, Claude gör en plan, delar upp arbetet och visar varje steg: filerna den öppnar, verktygen den använder och valen den gör. Claude når bara de mappar och verktyg du har valt, och för filer på din egen dator behövs Claude-appen för Mac eller Windows. Anthropic håller på att slå ihop chatten och Cowork till ett enda Claude. Det rullas ut till Pro och Max, är beta på Enterprise där en administratör slår på det, och Team behåller tills vidare två separata lägen. Har du den nya versionen ger du uppgiften i en vanlig konversation. Läs mer i vår guide om Claude Cowork och om Claude-appen för datorn.

Claude Code är agenten för utvecklare. Den kan lämna delar av ett jobb till subagenter som arbetar samtidigt, och sedan sammanställa deras svar. Det finns också agentteam, där en ledande session fördelar arbetet mellan flera Claude Code-sessioner, men de är på försök, avstängda från början och drar betydligt mer användning. Börja med Installera Claude Code: kom igång steg för steg, och jämför med andra kodverktyg i Codex vs Claude Code vs Cursor: vilket passar?

Risker och kontroll: människan i loopen

Det som gör en agent användbar, att den arbetar själv, är också risken. Anthropic pekar ut två saker. Agenten kan missförstå vad du menar och göra något du inte ville. Och text i mejl, dokument eller på webbsidor kan innehålla dolda instruktioner som försöker styra om den, så kallad prompt injection.

Hur illa ett misstag blir beror nästan helt på vad agenten kan läsa och vad den får göra. Att söka i inkorgen är mindre riskabelt än att skicka mejl, boka möten eller radera filer. En attack via text utifrån kräver båda delarna: att agenten läser något utanför det ni litar på och att den kan göra något som skadar. Ta bort den ena, så blir en sådan attack svårare.

I Cowork väljer du hur ofta Claude ska fråga:

  • Manually approve: Claude stannar och ber om lov innan den agerar, utom med verktyg du redan har valt att alltid tillåta.
  • Automatically approve: Claude kontrollerar själv varje steg och stoppar det som ser osäkert ut. Läget drar mer av användningen.
  • Skip all approvals: ingenting kontrolleras. Använd det bara om du litar helt på allt som ingår i uppgiften.

I den nya versionen av Claude, som rullas ut till Pro och Max och är beta på Enterprise, heter valen Auto och Manual, och Manual är förvalt. I alla lägen frågar Claude innan den raderar filer permanent.

På Team och Enterprise kan ägaren under Organization settings > Cowork stänga av Cowork för hela organisationen och ta bort läget Automatically approve. Från början godkänner medarbetarna dessutom kopplingar som kan skriva uppgift för uppgift.

För schemalagda uppgifter, som körs när ingen tittar, råder Anthropic att börja med sådant som sammanfattningar, att undvika känsliga filer, meddelanden i ert namn och köp, att granska resultatet efter varje körning och att pausa uppgifter ni inte använder. Ni ansvarar för det agenten gör i ert namn.

Checklista

Innan agenten får köra själv

Uppgiften

  • Målet och vad som räknas som klart står i uppdraget
  • Det står i uppdraget vad agenten inte får göra
  • Någon äger resultatet och läser det efter varje körning

Åtkomsten

  • Agenten når bara de mappar och kopplingar uppgiften kräver
  • Den arbetar i en egen mapp, och det finns kopior av viktiga filer
  • Bara de ekonomiska dokument uppgiften kräver, och inga inloggningar eller andras personuppgifter
  • Mejl och webbsidor från okända avsändare ingår inte

Kontrollen

  • Agenten kan inte skicka, radera eller betala något utan ett ja
  • Ni har kört uppgiften tillsammans med agenten flera gånger och granskat stegen
  • Alla vet hur man pausar eller stoppar uppgiften
  • Det står i er AI-policy vem som får låta agenter köra själva
Gå igenom listan innan en agent får köra en uppgift utan att någon följer med.

Så kommer ni igång

  1. Välj en uppgift som återkommer, har flera steg och där ett fel märks innan det gör skada. Listan i AI-automatisering med Claude: återkommande uppgifter hjälper er att välja.
  2. Börja i Cowork med Manually approve (Manual i den nya versionen) och en egen mapp med kopior av underlaget.
  3. Skriv uppdraget med mål, var underlaget finns, hur resultatet ska se ut och vad agenten inte får göra.
  4. Följ med de första gångerna. Titta på vilka filer och webbplatser den öppnar, och stoppa uppgiften om den gör något du inte bad om.
  5. Skriv ner arbetssättet som en skill när resultatet blir bra, se Claude Skills: så bygger du din första skill.
  6. Schemalägg först när ni har sett att den gör rätt. Kontrollera läget för godkännanden i uppgiften innan du sparar den, och låt den leverera utkast som någon läser.
  7. Koppla in era system. För ett internt system räcker det ofta med en egen koppling (MCP) som Claude kan använda i Cowork, se När lönar det sig att bygga en egen MCP-server? En agent som möter kunder eller ingår i era egna system byggs med Agent SDK, Managed Agents eller API:t, och då behövs någon som kan bygga, testa och sätta behörigheterna.

Regler för agenter i en policy beskriver vi i AI-policy för företag: en mall att börja med, och kopplingar till era system i Vad är MCP? Model Context Protocol utan jargong. För webbuppgifter finns Claude in Chrome, och för utvecklare Claude Code hooks och subagenter. Ska agenten arbeta i ert affärssystem, er kundtjänst eller ett eget flöde i flera steg kan en AI-konsult bygga agenten åt er, med rätt behörigheter och en människa som godkänner det som spelar roll.

Sammanfattning

En AI-agent får ett mål och tar sig dit själv: den planerar, använder verktyg, kontrollerar resultatet och frågar när den behöver. Välj en agent när stegen inte går att bestämma i förväg. I Claude finns Cowork, schemalagda uppgifter och Claude in Chrome på alla betalda planer, Claude Code för utvecklare och Agent SDK eller Managed Agents för egna agenter. Begränsa vad agenten kan läsa och göra, kräv ett ja för allt som skickar, raderar eller betalar, och låt en människa fatta besluten.

Fler guider

Alla guider
Arbetssätt

Claude i Excel: så använder du tillägget

Så installerar du Claude for Excel, vad du kan be om i arbetsboken, hur Claude visar sina ändringar och vad tillägget inte klarar. Med svenska exempel.

· 9 min läsning

Arbetssätt

AI-förordningen och kravet på AI-kunnighet

Vad EU:s AI-förordning kräver av företag som använder AI, vad artikel 4 om AI-kunnighet betyder efter ändringen 2026 och hur ni uppfyller kravet.

· 9 min läsning

Kom igång

Claude Artifacts: bygg och dela direkt i Claude

Så bygger du kalkylatorer, checklistor och små appar med Claude Artifacts, delar dem med teamet och vet vad som gäller för planer och säkerhet.

· 9 min läsning

Vill du bygga det här för ditt eget team?

Berätta vad ni vill få gjort, så hittar vi en coach som kan just det området.