Google Cloud: AI-agenterna behöver nya arbetssätt – inte fler pilotprojekt

Google talar om det agentdrivna företaget, där AI utför uppgifter i flera steg. Men en kraftfullare AI-modell räcker inte. För att få effekt behöver företagen ändra sina processer och hur man arbetar från grunden.

– Företagen som får resultat har inte bara köpt en bättre modell. De har förändrat hur arbetet utförs och vad som automatiseras. Det är en förändring av verksamhetsmodellen förklädd till ett teknikprojekt.

Men visst kommer modellerna som ligger till grund för AI-revolutionen att vara viktiga även fortsättningsvis. Endast några dagar innan AI Day kom exempelvis beskedet om att Google Cloud breddar sitt utbud med Open AI:s modeller och kodverktyget Codex. Open AI:s modeller ska också bli tillgängliga i utvecklingsverktyget Google Antigravity och Gemini Agent. Samarbetet omfattar Google Clouds åtkomstkontroller och datastyrning.

Google Cloud bjöd upp några av sina kunder på scenen under AI Day, för att låta dem berätta om hur de använder sig av AI. Från Ericsson kom Razvan Teslaru, vice president för strategi och partnerskap, som berättade att Google Clouds tjänster används både för drift och för att öka säkerheten i Ericssons produkter.

– I början fokuserade vi mycket på hur agentbaserad AI kunde öka den operativa effektiviteten. Det är ett värdefullt resultat, men om man stannar där missar man en stor möjlighet. Nu använder vi agenter som autonomt kan styra nät mot affärsmål.

Kan förutsäga trafik och optimera nätverket

Han berättade att Ericsson on Demand låter operatörer driftsätta tjänster i 5g-corenätet på endast några minuter. Realtidsdata används för att förutsäga trafik och optimera energiförbrukningen. Samtidigt integrerar Ericsson också Googles säkerhetstjänster med sitt Cyber Defense Center.

Nästa gäst på scenen var Elizabeth Suzuki, CIO och chef för data och analys på SEB. Hon berättade hur storbanken har byggt en AI-agent som hjälper rådgivare att hitta affärsmöjligheter och förbereda kundkontakter. Specialiserade agenter analyserar marknadshändelser, konkurrenter och företags ekonomi. Rådgivaren kan sedan be om samtalsöppningar eller mejlutkast.

– Tidigare var det här ett fragmenterat och tidskrävande arbete där alla gjorde på olika sätt. Nu samlar vi informationen och lägger den i händerna på rådgivarna, säger Elizabeth Suzuki.

Lösningen använder data i Big Query, Gemini Enterprise och ett semantiskt lager i Looker. Banken gick från idé till färdig tjänst på tre månader. Tidigare kunde liknande utvecklingsarbete ta år.

– Vi började med att intervjua dem som faktiskt skulle använda verktyget. Sedan utvecklade vi det stegvis, med avstämningar varannan vecka. Tillförde en funktion inget extra värde tog vi bort den och gick vidare.

– Börja inte med tekniken eller AI. Börja med affärsproblemet. Sätt samman dem som kan verksamheten med experter på teknik, AI och data i samma team, och låt cheferna undanröja hindren, sade Elizabeth Suzuki.

Sinch produktchef Daniel Morris visade hur Gemini kunde skapa en RCS-kampanj åt en fiktiv vårdgivare som ville få fler kvinnor att boka bröstscreening. En instruktion på engelska resulterade i en verifierad avsändare och ett meddelande med bokningsknapp.

– Vi gick från ett verksamhetsmål till en konversation med mottagaren. Ingen utvecklare behövde skriva kod, och varje steg i kampanjen går att följa upp, säger Daniel Morris.

Google Cloud fortsätter att upprepa sitt mantra, att man äger hela AI-stacken, det vill säga även processorerna som används för att utföra beräkningarna. Man vill också samla all AI-utveckling i en gemensam agentmiljö.

Pavel Carballo, AI-ansvarig på Google Cloud i Norden, beskrev hur Gemini kan arbeta mot Microsoft 365, Slack och Servicenow och fördela uppgifter mellan specialiserade agenter.

– Vi har gått från att tala om för datorerna hur de ska göra något till att tala om vad vi vill ha gjort. I ett agentdrivet företag samarbetar människor och datorer som en digital arbetsstyrka.

I en demonstration fick en anställd på ett fiktivt företag ta fram en försäljningsprognos. Gemini hämtade information från Big Query, mejl och Excel, fördelade arbetsuppgifter mellan sex specialiserade agenter och skapade en Powerpoint-presentation. Arbetsflödet kunde sedan schemaläggas och delas med kollegor.

Säkerhetsaspekten lyfts allt oftare i samband med AI-utvecklingen och bara dagen innan AI Day hade två allvarliga säkerhetsbrister i PHP kommunicerats. Säkerhetsexperter hade bland annat använt sig av Gemini 4 Argon för att hitta dem.

Google Cloud påtalar därför vikten av att ha kontroll över AI-agenterna. Verktyg som Agent Sandbox och Agent Gateway ska begränsa åtkomsten och kontrollera inkommande instruktioner.