Hvad bør virksomheder eje i deres AI-stak?

Den næste fase af AI-transformationen vil handle om, hvad virksomheder kan lære af hver beslutning, AI træffer, og hvem der ejer den læring

Samtalerne om AI har især kredset om ét spørgsmål: Hvad kan disse modeller gøre? De blev målt på benchmarks, afprøvet i pilotprojekter og mødt med stor begejstring, og det var det rigtige spørgsmål i eksperimentfasen. Men det er ikke det rigtige spørgsmål i den situation, vi står i i dag.

I den næste fase – den agentiske virksomhed – udfører AI opgaver, overvåger ændringer, udarbejder leverancer og deltager i vigtige beslutninger for at drive virksomheden fremad i stedet for blot at besvare spørgsmål. Den udvikling går hurtigere og hurtigere: IBM’s CEO-undersøgelse for 2026 viste, at administrerende direktører forventer, at andelen af driftsbeslutninger truffet af AI næsten fordobles til 48 % inden 2030. Når AI udfører arbejdet i stedet for blot at beskrive det, ændres det strategiske spørgsmål fra “Hvad kan denne model gøre?” til “Hvad lærer min virksomhed, hver gang den træffer en beslutning, og hvem ejer den læring?”

Hvis virksomhedens værdi opbygges én beslutning ad gangen, er dens vigtigste aktiv i AI-tidsalderen den sløjfe, der gør det muligt for organisationen at lære af hver beslutning – nærmere bestemt den kontekst, beslutningen blev truffet i, de beviser, der førte frem til den, resultatet af den og det mønster, der forbinder disse elementer. Ejer du den sløjfe, bliver hver beslutning grundlag for en bedre beslutning næste gang. Hvis du ikke gør det, automatiserer du aktiviteter uden at opbygge en konkurrencefordel.

Når man blot anskuer spørgsmålet på en ny måde, ændrer næsten alt sig ved den måde, en seriøs virksomhed bør tilrettelægge sin AI på.

Fejlen ved at satse hele virksomheden på én model

Den gængse tilgang har været at samle sig om én førende modeludbyder, standardisere på dennes model og bygge alt oven på den. Jeg mener dog, at det er en fejl – men ikke af den grund, folk normalt anfører.

Den sædvanlige indvending er leverandørlåsning og udbyderens mulighed for at få overtaget i prisforhandlinger. Det er reelle problemer, men de er sekundære. Det dybere problem handler om incitamenter og om, hvor jeres læring ender. Modeludbydere lever af at udvikle verdens bedste modeller til generelle formål, og det gør de ved at lære af brugen af modellerne. Når I sender virksomhedens egne beslutninger, data og arbejdsgange gennem én enkelt udbyder, overlader I det mest særprægede materiale, I har – dokumentationen af, hvordan virksomheden tænker – til en leverandør, der har incitament til at generalisere det. Jeres konkurrencefordel bliver dermed et input til en standardvare, som konkurrenterne også kan købe.

Udviklingen går også for hurtigt til, at man kan satse på, at én bestemt model bliver ved med at være den bedste ret længe. Den rette arkitektur bør i stedet gøre det muligt for virksomheder at dirigere opgaver til den model eller specialiserede agent, der egner sig bedst til den pågældende opgave, samtidig med at de ejer den agentramme og læringssløjfe, der indfanger, hvordan virksomheden fungerer og træffer beslutninger. Modellerne kan ændre sig; det proprietære fundament forbliver jeres og bliver mere værdifuldt med tiden.

Dette proprietære fundament kan også have en målbar strategisk værdi. IBM’s undersøgelse viste desuden, at administrerende direktører, der indarbejder proprietære data og intellektuel ejendom i tilpassede AI-modeller og agenter, forventer, at 13 % mere af deres omsætning i 2030 kommer fra produkter og tjenester, de ikke tilbyder i dag.

I kan ikke bygge alle agenter, og det bør I heller ikke forsøge på

At eje jeres agentramme, læringssløjfe og opgavestyring betyder ikke, at I skal bygge alle de agenter, der kører oven på dem. Det er jeres opgave at bygge og eje den overordnede virksomhedsagent – den, der forstår jeres organisation, prioriteter og proprietære data. Men virksomhedens arbejde spænder over områder, som intet enkelt team kan mestre: salg, HR, jura, økonomi, markedsindsigt og meget mere. Hvert af disse områder betjenes bedst af en specialiseret agent, der er særligt dygtig til netop det område.

Ingen virksomhed kommer til at bygge en førsteklasses agent internt til hver eneste funktion. Det er ikke et kapløb om ressourcer, man kan vinde. Den vindende model er en stærk overordnet agent, der koordinerer en række specialiserede underagenter, som hver især kan tilpasses virksomhedens behov og kobles til agentrammen via en enkel grænseflade. Virksomheder er dog stadig kun i begyndelsen med at opbygge den slags arkitektur. En Deloitte-undersøgelse fra 2026 viste, at kun 15 % af organisationerne har udbredt koordineret anvendelse af flere agenter på tværs af funktioner.

Virksomhedsledere står derfor over for to hovedopgaver: at bygge den overordnede agent, der sætter retningen, og den læringssløjfe, den føder, og derefter at finde de bedste specialiserede agenter og integrere dem. Ejerskab dér, hvor værdien vokser; partnerskaber dér, hvor den ikke gør.

En specialiseret agent kontra en wrapper

En specialiseret agent skal kunne tilbyde noget, som virksomheden ikke uden videre kan genskabe. Den varige fordel består af proprietære data kombineret med en specialbygget agentramme, der kan hente og ræsonnere over dem. En agent er kun så god som det, den kan finde, og hvor godt den forstår det, den finder.

Det er den målestok, virksomhedsledere bør bruge, når de beslutter, hvad de skal bygge selv, og hvor de skal indgå partnerskaber. Hvis en funktion afhænger af unikt indhold, domæneekspertise og mange års specialudviklet infrastruktur, vil det næppe skabe en konkurrencefordel at bygge den op internt igen. Brug i stedet ressourcerne på de proprietære data, beslutningssløjfen og orkestreringslaget, som er unikke for jer.

Hvad vinderne vil forstå

De virksomheder, der får succes i den agentiske æra, vil være dem, der designer deres arkitektur omkring det, der gør dem unikt klogere over tid. De vil eje den læringssløjfe, der gør det muligt for dem at lære af hver eneste beslutning, og samtidig omgive den med de bedste specialiserede agenter i stedet for at forsøge at bygge det hele selv.

Målet er ikke at eje alle dele af AI-stakken. Det handler om at eje de dele, hvor jeres forspring vokser over tid, og samarbejde med andre om resten. Forbundet er ikke det samme som intelligent. I den agentiske virksomhed betyder intelligent, at man ejer det, der vokser over tid, og samarbejder med andre om resten.