”Agentisk AI handlar inte om nya verktyg – utan om nya sätt att arbeta”

– De som är mest framgångsrika köper inte bara ett verktyg utan tänker om hela arbetsflöden. De frågar sig: vilken resa försöker vi slutföra, och vad skulle det innebära att tänka om hur vi gör mjukvaruutveckling, hur vi gör årsbokslut, hur vi genomför en marknadskampanj eller hur vi hanterar HR-processer?

En viktig del i utvecklingen är att fler inom organisationen får möjlighet att själva bygga med AI. Richard Seroter beskriver en situation där skapandet av AI-agenter och personliga appar inte längre är något som bara görs av utvecklingsteam.

– Allt kräver inte ett it-ärende. Ibland vill jag bara bygga en agent som rensar upp i min inkorg, bearbetar ett kalkylblad eller gör ett researchprojekt. Och vem som helst kan göra det.

Det här betyder dock inte att alla medarbetare ska släppas fria att bygga affärskritiska system. För CIO:er och it-chefer blir den stora frågan hur man skapar en kontrollerad miljö där fler kan experimentera och automatisera, utan att säkerhet, dataskydd och behörigheter hamnar på efterkälken. Därför behöver spelplanen vara tydlig innan organisationen skalar upp.

– Det är bra att vara lite försiktig eftersom det finns saker som kan gå fel. Man vill inte att människor ska lämna ut privata data till publika tjänster som kan läcka personuppgifter.

Richard Seroter menar att det handlar om en balansakt. Företag behöver ge medarbetarna kraften att bygga men också säkerställa att det sker på en skyddad plats. Det får inte bli en situation där varje avdelning väljer egna verktyg, egna modeller och egna sätt att hantera data.

För Google Cloud är Gemini Enterprise Agent Platform en central del i att skapa en trygg utvecklingsmiljö för AI-agenter. Richard Seroter beskriver plattformen som en sandlåda där organisationen kan låta medarbetarna bygga, men samtidigt hålla ihop identitet, styrning, observerbarhet, spårbarhet och återanvändning. Poängen är inte bara att skapa agenter, utan att göra det på ett sätt som fungerar i en enterprise-miljö.

Han lyfter särskilt frågan om agentidentitet. Om agenter ska kunna agera i it-systemen på en stor organisation måste man veta vilken agent som gör vad och med vilka behörigheter. Annars riskerar agenterna att få alltför bred tillgång till information och system.

– Jag är säker på att de flesta företag funderar på vad som händer när en revisor kommer på besök och man måste kunna visa hur agenten fattade ett beslut. Då är det viktigt med möjlighet till felsökning och observerbarhet.

Frågan blir helt central när AI-agenter börjar påverka beslut inom områden som ekonomi, vård eller verksamhetskritiska processer. Det räcker inte att agenten ger ett svar. Organisationen måste i efterhand kunna visa hur svaret uppstod, vilken väg agenten följde och vilken information som användes.

Lyfter begreppet context engineering

För it-organisationen innebär agentisk AI också nya kompetenskrav. Richard Seroter lyfter fram begreppet context engineering som en av de viktigaste nya färdigheterna. Det handlar om att förstå vilken information som behöver ges till modellen, hur interna datakällor kopplas samman och hur agenter får rätt verktyg och instruktioner.

– Det kan handlar om agentfärdigheter, där man ger AI-agenten kunskap i ett dokument om processer, rutiner och liknande. Det kan också vara Model Context Protocol-servrar som får åtkomst till företagets interna data.

Allt sammantaget ökar kraven på att företagen blir bättre på att organisera sin kunskap. Information som ligger utspridd i olika system och inkorgar blir svårare att använda i agentiska arbetsflöden. Därmed blir informationsstruktur, kommunikation och kunskapshantering ännu viktigare frågor än tidigare.

En annan viktig del av kompetensskiftet handlar om hur vi styr AI-agenterna. När alla kan bygga och använda agenter behöver också fler medarbetare kunna instruera, följa upp och kvalitetssäkra dem. Richard Seroter menar att alla i praktiken blir chefer över små team av agenter, men att det i dagsläget är alltför få organisationer som tränar sina medarbetare för det.

– Idag är alla byggare, men det innebär att alla också är chefer och potentiellt styr en uppsättning agenter. Men jag tror inte att någon tränar alla sina enskilda medarbetare i att tänka som chefer idag.

Han beskriver förmågor som att bryta ner ett arbete, fördela uppgifter, följa upp, granska, kritisera och sammanfatta. Det är klassiska ledarskapsförmågor, men nu behöver de skalas ut till betydligt fler roller i organisationen.

Många brottas med mätning

En annan fråga som många företag brottas med är hur resultaten från AI-agenter ska mätas. Richard Seroter är tydlig med att mått som antal förbrukade tokens inte räcker. En agent kan arbeta snabbt och ändå leverera ett sämre resultat. Det viktiga är om affärsnyttan, kvaliteten och kundupplevelsen faktiskt blir bättre.

För att komma dit behöver företag bygga upp en förmåga att utvärdera agenters arbete. Det handlar om dataset, mätningar och testning, men också om att koppla tekniken till rätt affärsmål. Kunden bryr sig inte om vilken modell eller vilket operativsystem som ligger bakom en tjänst, bara slutresultatet.

Det innebär att AI-satsningar måste mätas på samma sätt som andra strategiska förändringar. Förbättrar de verksamheten. Blir arbetet bättre? Går det snabbare? Ökar kvaliteten? Skapas mer värde?

Det som överraskat Richard Seroter mest under det senaste året är inte bara AI-modellernas utveckling, utan allt som vuxit fram omkring dem. Orkestreringslagret, kontexten, möjligheten att starta flera agenter och låta dem utföra uppgifter i bakgrunden har utvecklats snabbare än han väntat sig.

– Modellerna spelar roll, men lagren runt modellen som hjälper dig att skapa kontext tillför ännu mer värde. För ett år sedan höll vi fortfarande på med enkla chattbotar. Nu sitter vi plötsligt med autonoma agenter som körs i bakgrunden medan vi går och äter lunch.

AI-utvecklingen påverkar också molnstrategier. Enligt Richard Seroter är AI ett starkt argument för molnets elastiska leveransmodell. Få företag vet hur mycket GPU- eller TPU-kapacitet de kommer att behöva nästa år. Behovet kan skifta kraftigt från dag till dag, vilket gör det svårt att motivera stora investeringar i egen infrastruktur.

– I stället för att köpa en massa kapacitet som står oanvänd är det ett utmärkt tillfälle att hyra beräkningskraft.

Samtidigt menar han att molnets nästa kapitel inte bara handlar om infrastruktur. Plattformslagret blir allt viktigare, inte minst när företag ska koppla samman modeller, data, agenter och styrning. Han pekar på Gemini Enterprise Agent Platform och Googles datatjänster som exempel på den typen av byggstenar.

– Google erbjuder fullstack-AI, från chip till Deepminds forskning, modeller, plattformar och appar som Google Workspace och Gemini-appen. Men det lager i molnet som är mest intressant för mig är plattformslagret: Gemini Enterprise Agent Platform och datatjänsterna.

För en CIO som vill göra organisationen redo för agentisk AI börjar arbetet enligt Richard Seroter med kompetensutveckling. Företag kommer inte att kunna rekrytera sig ur omställningen. I stället måste den befintliga organisationen få en gemensam grundförståelse för AI och hur tekniken förändrar arbetet.

– Du måste kompetensutveckla den talang du redan har. När jag tittar på min egen organisation gick alla igenom en AI-utbildning. Inte för att alla behöver samma färdigheter, utan för att man behöver samma grundläggande AI-förståelse.

Men utbildning räcker inte. Organisationen behöver också en kultur där medarbetarna vågar använda AI utan att uppleva tekniken som ett direkt hot mot deras eget jobb. Ledningen måste visa hur AI kan göra arbetet bättre, frigöra tid och minimera monotona arbetsuppgifter.

Rätt verktyg är en annan förutsättning. Om organisationen ska bygga nya arbetsflöden med AI måste den också få tillgång till modeller, utvecklingsverktyg, low code-miljöer och plattformar som gör det möjligt att arbeta säkert och effektivt.

– Du kan ha världens bästa team, men om de gnuggar två pinnar mot varandra för att skapa eld hjälper du dem inte. Du måste ge dem riktiga verktyg, annars hjälper inte all kunskap i världen.

Viktigt sätta rätt mål

Sist men inte minst måste företaget sätta rätt mål. Richard Seroter varnar för att mäta fel saker, till exempel hur många tokens organisationen använder eller hur stor andel kod som är AI-genererad. Det avgörande är om tekniken bidrar till affärsmål som högre kvalitet, snabbare utveckling eller bättre leveranser.

– Jag har sett företag som lyckas bra genom att ta sina affärsmål och göra dem mer extrema, så att de måste förändra hur de arbetar och använda AI för att nå dem. Jag har gjort det med mitt eget team. Jag har försökt titta på irrationella affärsmål och sätta dem väldigt högt, så att mitt team har tvingats starta om sin process och säga: vi måste tänka om det här från grunden.

För it-chefer och andra ledare blir de kommande åren avgörande enligt Richard Seroter. Frågan är inte bara vilka AI-verktyg som ska köpas in, utan hur organisationen ska utbildas, styras och organiseras för att använda dem på rätt sätt. Richard Seroter beskriver det som ett karriärdefinierande ögonblick för många beslutsfattare.

– Om du är ledare är detta sannolikt ett av de mest avgörande ögonblicken för de kommande fem åren för de flesta företag. Vad ska de göra i år, just nu? Jag tror att detta är ett karriärdefinierande ögonblick för många människor.

– Jag tror att agentisk AI inte är en evolution utan en revolution på teknikområdet. De som omfamnar det nya sättet att arbeta kommer att vinna och det här är byggarnas tidsålder. Jag tror att ju fler som får både modet och självförtroendet att omfamna detta, desto bättre.