Kontekst og koordinering: Det manglende laget i bedriftsautomatisering

De fleste bedrifter har rikelig med automatisering og lite transformasjon. Pilotprosjektene fungerte. Botene kjører. Produktivitetskurven flattet likevel ut. Det er den mest gjentatte historien i næringslivet, og den neste bølgen, Agentic AI, kan endelig bryte dette mønsteret, for de bedriftene som er villige til å konstruere konteksten disse systemene opererer på.

Nesten ingen behandler dette som strategien. Det er det.

Et stort amerikansk nettverk av helseleverandører oppdaget at den egentlige begrensningen ikke var klinisk kapasitet. Det var avtaleplanlegging som ble drevet av reaktiv gjetning, uten innsikt i hvilke pasienter sannsynligvis ville utebli til et besøk før tidspunktet allerede var tomt. Å bygge prediktive modeller basert på avtalehistorikk gjorde at nettverket kunne handle før hull oppstod i stedet for å måtte løse dem i etterkant. Pasienter som ikke møtte opp, falt, nettoinntektene steg og tiden brukt på triage av planleggingen ble redusert. Kontexten eksisterte allerede i flere år med avtaledata. Den trengte bare å samles og settes i verk.

I alle disse engasjementene er det de samme tre disiplinene – kjerne, kontekst og koordinering – som skiller Agentic AI som leverer fra Agentic AI som stopper opp.

Automatisering av den enkle delen

Det dypeste gapet er mellom å automatisere oppgaver og å automatisere resultater. Bedrifter automatiserer trinnene, fakturamatching, datainntasting, statusoppdateringer, og oppdager at kostnaden fortsatt ligger i arbeidet mellom trinnene. En prosess som er mesteparten automatisert er ikke mesteparten løst. Et menneske syr fortsatt sammen delene og eier resultatet, og utfører koordinasjonsarbeidet som ingen automatisering noen gang ble bygget for.

Årsaken er enkel. Gammel automatisering følger regler. Den kan ikke håndtere skjønn fordi den mangler kontekst for å løse unntak og koordinering for å overlevere dem. Botene er feilfrie i den forutsigbare midten og hjelpeløse i kantene, og i virkeligheten er kantene jobben. Et krav med et manglende dokument eller en merkelig klausul stopper boten og aktiverer en person. Ledelsen teller hva som ble automatisert. Resultatregnskapet teller hva som ikke ble det.

Hvorfor motstår den vanskelige delen? Fordi det er der konteksten lever. Den rene delen kjører på ryddige rader og kolonner. Den vanskelige delen skjuler seg i policy‑PDF‑en, e‑posttråden, det skannede skjemaet, samtaletranskripsjonen, klausulen i et vedlegg. McKinsey anslår at rundt 90 % av bedriftsdata er ustrukturert. Automatisering som kun ser den strukturerte delen, er blind for mesteparten av beslutningen. Å løse dette betyr å gi automatiseringen to ting den aldri har hatt: kontekst for å ta en skjønnsmessig avgjørelse og koordinering for å handle på den på tvers av systemer.

Hvorfor kontekst endrer alt

Agentic AI lukker dette gapet fordi den kan resonere med kontekst, noe tidligere generasjoner av automatisering aldri kunne. I motsetning til tradisjonell automatisering kan en agent resonere på tvers av systemer, arbeide gjennom tvetydighet og tilpasse seg når virkeligheten bryter manus. Den automatiserer skjøtene mellom prosesser så vel som selve prosessene.

Det gjør kontekst til den egentlige ingeniørufordringen. Kontekst‑engineering er disiplinen som bestemmer hva en agent trenger å vite, henter den informasjonen fra riktige kilder og presenterer den på riktig tidspunkt. En agent kan kun resonere over det den vet.

Et globalt halvlederfirma med mer enn 30 000 ansatte lærte denne leksjonen direkte. Over tusen av deres kontrakter lå spredt på SharePoint, delte disker og lokale mapper som ustrukturerte PDF‑er, uten mulighet til å spore oppsigelsesfrister eller fornyelsesvilkår før fristene gikk ut. Å trekke ut og tolke den skjulte konteksten automatisk reduserte kontraktsgjennomgangstiden, sparte mer enn 200 timer manuelt arbeid per år og reduserte risikoen for en savnet forpliktelse. Bedrifts‑AI skalerer ikke ved å automatisere flere isolerte oppgaver. Den skalerer ved å samle konteksten som ligger mellom dem.

Automatisering stopper fortsatt uten koordinering

Automatisering kan ha perfekt kontekst og fortsatt stoppe opp dersom kunnskapen ikke kan bevege seg på tvers av systemene, teamene og tidssonene en reell prosess faktisk berører, og dette gapet er ikke hypotetisk. Et globalt livsvitenskapsfirma som håndterer omtrent 50 000 klager per år på tvers av fire regioner, erfarte dette direkte. Klager kom inn via frakoblede e‑poster, portaler og dokumenter, og lignende saker ble behandlet ulikt avhengig av hvilket team som håndterte dem – akkurat den typen inkonsistens regulatorer påpeker. Å standardisere dette til en koordinert arbeidsflyt sparte mer enn 4 200 timer per år og reduserte løsnings tiden med 70 %. Bedrifter som hopper over dette laget ender opp med automatisering som resonnerer godt, men fortsatt setter seg fast på de samme overleveringene som stoppet de gamle systemene.

Styringsfellen

Automatisering ble tidligere styrt som programvare, lisensiert, distribuert og overvåket for oppetid. Agentic AI bryter denne modellen, fordi i det øyeblikket den begynner å ta beslutninger i stedet for å utføre dem, er styring av hva den kan få tilgang til ikke lenger tilstrekkelig. En agent som leser et CRM, skriver til et ERP, utløser en betaling og sender meldinger til en kunde, er ikke et verktøy. Den er en aktør med rekkevidde. Spørsmålet skifter fra om integrasjonen er sikker til hva denne agenten kan bestemme, på hvilken myndighet, med hvilken sporingslogg, og hvem som svarer når den tar feil. Løsningen er ikke mindre autonomi. Det er klare grenser, definert myndighet, en fullstendig handlingslogg og en navngitt eier for hvert resultat en agent produserer.

Styringen må inkludere tilsyn, ikke som en brems, men som mekanismen som lar en agents omfang utvide seg trygt over tid. Hver korreksjon viser om agenten hadde riktig kontekst, og gir en løkke som jevnt gir den mer ansvar.

Den må også nå kontekstlaget, den delen de fleste team overser. Å utvinne ustrukturerte kilder betyr å arve det som ligger i dem: personopplysninger, privilegert materiale, motstridende versjoner av sannheten. En agent er kun så pålitelig som opprinnelsen til konteksten den bruker. Behandle kontekst som en styrt eiendel, med opprinnelse, tilgangs- og ferskhetsregler innbygget, og automatisering blir et reviderbart system i stedet for en risiko. Bygg dette før spredningen, ikke etter hendelsen.

Første år, gjort annerledes

De fleste organisasjoner vil bruke dette året på å lete etter oppgaver som kan automatiseres. Et mindre antall vil bruke det på å kartlegge hvor informasjon, ansvar og beslutninger faktisk skifter hender, og bygge for det som skjer ved den overgangen.

Om to år vil ingen bry seg om hvor mange agenter et selskap har satt i drift. Det egentlige spørsmålet vil være hvem som bygde infrastrukturen under dem, og hvem som fortsatt skrur bots på ødelagte overganger.