För organisationer innebär agentisk AI ett betydligt större skifte än ännu en ny språkmodell. Det handlar om hur arbete organiseras och hur affärsprocesser byggs, men även vilken roll affärssystemet får i en AI-driven verksamhet.
Första vågen: Digitalisering byggde grunden
Den första vågen handlade egentligen inte om AI. Under flera decennier digitaliserade organisationer sina processer. Ekonomisystem, ERP, CRM och andra verksamhetssystem ersatte manuella rutiner och skapade strukturerad information. Resultatet blev enorma mängder affärsdata. Det var först när dessa data började bli tillgängliga som modern AI blev möjlig.
Andra vågen: Generativ AI
När stora språkmodeller slog igenom förändrades förväntningarna på AI över en natt. Plötsligt kunde AI
- skriva rapporter
- analysera dokument
- skapa kod
- översätta
- sammanfatta möten
- generera bilder
AI blev ett kraftfullt verktyg för kunskapsarbete, men den arbetade fortfarande på uppdrag. Människan bad om något. AI levererade.
Tredje vågen: Agentisk AI
Nu sker nästa skifte. Istället för att hjälpa människor att utföra arbete börjar AI utföra arbetet själv. Det är detta som brukar beskrivas som agentisk AI.
En AI-agent kan exempelvis
- analysera inkommande order
- kontrollera lagersaldo
- skapa inköpsförslag
- kontakta leverantörer
- uppdatera affärssystemet
- meddela ansvariga om något avviker
utan att varje steg behöver initieras av en människa.
AI blir med andra inte längre bara ett verktyg. Den blir en digital medarbetare.
Från ”Human in the Loop” till ”Human above the Loop”
McKinsey beskriver utvecklingen som att människor allt oftare arbetar ”above the loop”, d v s längre i flödet utan tar mer av en övervakande roll. Det innebär inte att människor försvinner ur beslutsfattandet. Snarare flyttas människans roll. Istället för att utföra varje arbetsmoment handlar arbetet om att
- sätta mål
- definiera regler
- prioritera
- godkänna undantag
- följa upp resultat
AI utför det operativa arbetet. Människan leder processen. Det är en betydligt större förändring än att bara använda ChatGPT som skrivhjälp.
Därför blir ERP viktigare än någonsin
När AI börjar utföra affärsprocesser uppstår en avgörande fråga. Hur vet AI vad som är rätt? Svaret finns sällan i själva språkmodellen. Det finns i verksamhetens processer.
Affärssystemet innehåller
- affärsregler
- masterdata
- behörigheter
- processer
- ekonomiska samband
- leverantörer
- kunder
- lager
- inköp
Ju mer AI får göra, desto viktigare blir kvaliteten på denna information. Det är därför ERP-systemet håller på att få en ny roll. Inte bara som transaktionsmotor. Utan som AI:s operativa hjärna.
Nästa steg: Physical AI
Många bedömare menar att nästa steg redan har börjat. När agentisk AI kombineras med robotik, sensorer och autonoma maskiner uppstår det som ofta kallas Physical AI.
AI lämnar då datorn och börjar styra den fysiska världen. Exempel finns redan inom
- autonoma lager
- självkörande fordon
- robotiserad tillverkning
- drönare
- logistik
Vad betyder det för organisationer?
Det största misstaget är att tro att AI framför allt handlar om vilken språkmodell man väljer. Den verkliga konkurrensfördelen kommer sannolikt att avgöras av något helt annat.
Organisationer som har
- tydliga processer
- hög datakvalitet
- gemensamma definitioner
- modern ERP-plattform
- tydligt dataägarskap
- fungerande governance
kommer att kunna införa agentisk AI betydligt snabbare än organisationer som fortfarande arbetar i silos.
Framtidens AI handlar därför mindre om teknik än om verksamhet. Och kanske är det just därför affärssystemet – som många trodde skulle bli mindre viktigt i AI-eran – istället håller på att bli viktigare än någonsin.
FAQ
Vad är AI:s tredje våg?
AI:s tredje våg syftar på utvecklingen från generativ AI till agentisk AI. Medan generativ AI främst skapar innehåll – som text, bilder och kod – kan agentisk AI planera, fatta beslut inom givna ramar och utföra hela arbetsflöden. Fokus flyttas från AI som ett verktyg till AI som en digital medarbetare som samarbetar med människor och andra AI-agenter.
Vad är agentisk AI?
Agentisk AI består av AI-agenter som kan ta emot mål snarare än enskilda instruktioner. De kan analysera information, välja nästa steg, använda flera olika system och utföra uppgifter med begränsad mänsklig inblandning. Exempel är AI som hanterar inköp, kundservice eller lagerplanering genom att arbeta direkt i verksamhetens affärssystem.
Vad är skillnaden mellan generativ AI och agentisk AI?
Generativ AI skapar innehåll efter en instruktion från användaren, till exempel en text eller en bild. Agentisk AI kan däremot själv planera och genomföra flera steg för att nå ett mål. Där generativ AI svarar på en fråga kan agentisk AI utföra ett helt arbetsflöde, exempelvis registrera en order, kontrollera lagersaldo, beställa varor och informera berörda personer.
Varför blir ERP viktigare när AI utvecklas?
AI behöver förstå hur verksamheten fungerar för att kunna fatta rätt beslut. ERP-systemet innehåller affärsregler, processer, masterdata, behörigheter och transaktioner som ger AI den affärskontext den behöver. Ju mer AI automatiserar verksamheten, desto viktigare blir datakvalitet, processmognad och ett modernt affärssystem.
Hur arbetar SAP med agentisk AI?
SAP:s strategi bygger på att affärssystemet ska bli navet för AI. Med SAP Business Data Cloud, Joule och AI-agenter kopplas affärsdata, processer och AI samman. Målet är att AI ska kunna arbeta direkt i affärsprocesserna och använda samma regler, data och affärskontext som organisationens medarbetare.
Hur arbetar Microsoft Dynamics med agentisk AI?
Microsoft utvecklar Copilot från en personlig assistent till en plattform för AI-agenter. Tillsammans med Dynamics 365, Microsoft Fabric, Dataverse och Copilot Studio kan organisationer skapa AI-agenter som arbetar i verksamhetens processer och använder information från både Microsofts egna system och externa datakällor.
Vad är Physical AI?
Physical AI innebär att AI styr fysiska system som robotar, autonoma fordon, lagerrobotar eller drönare. Här kombineras AI med sensorer och robotik för att utföra arbete i den verkliga världen. Många ser detta som nästa steg efter agentisk AI, där digitala beslut omsätts till fysiska handlingar.
Behöver företag byta affärssystem för att kunna använda agentisk AI?
Inte nödvändigtvis. Men organisationer med moderna, molnbaserade affärssystem har ofta bättre förutsättningar eftersom de erbjuder standardiserade processer, högre datakvalitet, öppna API:er och inbyggt stöd för AI. För äldre system handlar utmaningen ofta mer om data, integrationer och processmognad än om AI-modellen i sig.
