Kontekst og koordination: Det manglende lag i virksomhedsautomatisering

De fleste virksomheder har masser af automatisering og kun lidt transformation. Pilotprojekterne virkede. Botterne kører. Produktivitetskurven fladede alligevel ud. Det er den mest gentagne historie i erhvervslivet, og den næste bølge, Agentic AI, kan endelig bryde dette mønster – for de virksomheder, der er villige til at konstruere den kontekst, som disse systemer kører på.

Næsten ingen betragter det som strategien. Det er det.

En stor amerikansk sundhedsudbydernetværk opdagede, at den egentlige begrænsning ikke var klinisk kapacitet. Det var tidsbestilling, som foregik på reaktiv gætning, uden synlighed i hvilke patienter der sandsynligvis ville misse et besøg, indtil tidspunktet allerede var tomt. Ved at bygge forudsigelsesmodeller på historik for tidsbestillinger kunne netværket handle, før huller opstod i stedet for at kæmpe bagefter. Patient‑no‑shows faldt, nettoomsætningen steg, og triagetiden for planlægning faldt. Kontexten fandtes allerede i årtiers data om tidsbestillinger. Den skulle blot samles og anvendes.

På tværs af alle disse engagementer er de samme tre discipliner – kerne, kontekst og koordination – det, der adskiller Agentic AI, der leverer, fra Agentic AI, der stopper.

Automatisering af den nemme del

Det dybeste hul er mellem at automatisere opgaver og at automatisere resultater. Virksomheder automatiserer trinnene, fakturamatchning, dataindtastning, statusopdatering, og opdager, at omkostningerne stadig ligger i arbejdet mellem trinnene. En proces, der er mest automatiseret, er ikke mest løst. En menneskelig medarbejder samler stadig brikkerne og ejer resultatet, og udfører koordineringsarbejdet, som ingen automatisering nogensinde er bygget til.

Årsagen er enkel. Gammel automatisering følger regler. Den kan ikke håndtere dømmekraft, fordi den mangler kontekst til at løse undtagelser og koordination til at overlevere dem. Botter er fejlfri i den forudsigelige midte og hjælpeløse i kanterne, og i virkeligt arbejde er kanterne selve jobbet. Et krav med et manglende dokument eller en mærkelig klausul stopper botten og aktiverer en person. Ledelsen tæller, hvad der blev automatiseret. P&L’en tæller, hvad der ikke blev.

Hvorfor modstår den svære del? Fordi det er der, konteksten lever. Den rene del kører på ryddelige rækker og kolonner. Den svære del gemmer sig i politik‑PDF’en, e‑mail‑tråden, den scannede formular, samtale‑transkriptet, klausulen i et bilag. McKinsey anslår, at omkring 90 % af virksomhedsdata er ustruktureret. Automatisering, der kun ser den strukturerede del, er blind for størstedelen af beslutningen. At løse det betyder at give automatisering to ting, den aldrig har haft: kontekst til at foretage en dømmekald og koordination til at handle på den på tværs af systemer.

Hvorfor kontekst ændrer alt

Agentic AI lukker dette hul, fordi den kan ræsonnere med kontekst – noget tidligere generationer af automatisering aldrig kunne. I modsætning til traditionel automatisering kan en agent ræsonnere på tværs af systemer, arbejde gennem tvetydighed og tilpasse sig, når virkeligheden bryder manuskriptet. Den automatiserer samlingerne mellem processer såvel som selve processerne.

Det gør kontekst til den reelle ingeniøruppgave. Kontekst‑engineering er disciplinen, der fastlægger, hvad en agent skal vide, henter den information fra de rette kilder og præsenterer den på det rette tidspunkt. En agent kan kun ræsonnere over det, den ved.

Et globalt halvlederfirma med mere end 30.000 ansatte lærte den lektie direkte. Over tusind af dets kontrakter lå spredt på SharePoint, delte drev og lokale mapper som ustrukturerede PDF‑filer, uden mulighed for at spore opsigelsesvarsler eller fornyelsesbetingelser, før fristerne indtraf. At udtrække og fortolke den begravede kontekst automatisk reducerede kontraktgennemgangstiden, sparede mere end 200 timer manuelt arbejde om året og sænkede risikoen for en overset forpligtelse. Enterprise‑AI skalerer ikke ved at automatisere flere isolerede opgaver. Den skalerer ved at samle den kontekst, der ligger mellem dem.

Automatisering stopper stadig uden koordination

Automatisering kan have perfekt kontekst og stadig stoppe, hvis den viden ikke kan bevæge sig på tværs af de systemer, teams og tidszoner, som en reel proces faktisk berører, og dette hul er ikke hypotetisk. Et globalt life‑science‑firma, der håndterer cirka 50.000 klager om året på tværs af fire regioner, ramte dette direkte. Klager ankom via adskilte e‑mails, portaler og dokumenter, og lignende sager blev behandlet forskelligt afhængigt af, hvilket team der håndterede dem – præcis den slags inkonsistens, regulatorer påpeger. At standardisere dette til en koordineret arbejdsgang sparrede mere end 4.200 timer om året og reducerede løsnings tiden med 70 %. Virksomheder, der springer dette lag over, ender med automatisering, der ræsonnerer godt, men stadig hænger fast ved de samme overleveringer, som stoppede de gamle systemer.

Styringsfælden

Automatisering blev tidligere styret som software, licenseret, provisioneret og overvåget for oppetid. Agentic AI bryder denne model, fordi i det øjeblik den begynder at træffe beslutninger i stedet for blot at udføre dem, er styring af, hvad den kan tilgå, ikke længere tilstrækkelig. En agent, der læser et CRM, skriver i et ERP, udløser en betaling og sender beskeder til en kunde, er ikke et værktøj. Den er en aktør med rækkevidde. Spørgsmålet skifter fra, om integrationen er sikker, til hvad denne agent måtte beslutte, på hvis autoritet, med hvilken spor og hvem der svarer, når den tager fejl. Løsningen er ikke mindre autonomi. Det er klare grænser, defineret autoritet, et fuldt handlingsspor og en navngivet ejer for hvert resultat, som en agent producerer.

Den styring skal inkludere tilsyn, ikke som en brems, men som den mekanisme, der gør det muligt for en agents omfang at udvide sig sikkert over tid. Hver korrektion afslører, om agenten havde den rette kontekst, og fodrer en løkke, der gradvist giver den mere ansvar.

Den skal også nå kontekstlaget, den del de fleste teams overser. Udvinding af ustrukturerede kilder betyder, at man arver det, der ligger i dem: persondata, privilegeret materiale, modstridende versioner af sandheden. En agent er kun så pålidelig som oprindelsen af den kontekst, den bruger. Behandl kontekst som en styret ressource med indbygget oprindelse, adgangs- og friskhedsprincipper, så bliver automatisering et reviderbart system i stedet for en forpligtelse. Byg dette før spredningen, ikke efter hændelsen.

Det første år, gjort anderledes

De fleste organisationer vil bruge dette år på at lede efter opgaver, der kan automatiseres. Et mindre antal vil bruge det på at kortlægge, hvor information, ansvar og beslutninger faktisk skifter hænder, og bygge til det, der sker ved den overgang.

Om to år vil ingen bekymre sig om, hvor mange agenter en virksomhed har implementeret. Det egentlige spørgsmål vil være, hvem der har bygget infrastrukturen under dem, og hvem der stadig fastgør bots til ødelagte overgange.