26 minutter mod 33 sekunder kan lyde som et slides‑tal – indtil en connector løber løbsk, eller en sagsbehandler skal gennemgå 14 trin for at forstå, hvad agenten faktisk gjorde. Alligevel er gabbet svært at ignorere. En ny forskningsartikel fra Harvard og Perplexity, offentliggjort 8. juni 2026, finder cirka 48× højere autonomi i Perplexitys agentprodukt Computer end i den samtalebaserede Search, målt som maskinel eksekveringstid per session over 90 dage. Primærkilderne kan læses her: Perplexity Research og Marktechpost.
Det er produktionsdata fra 27. februar til 27. maj 2026. Computer blev lanceret to dage før vinduet. 10.000 næsten identiske session‑par blev matchet, og Computer‑siderne blev kun medtaget, hvis der var brugt et ‘do’‑værktøj som kodekørsel, browserhandlinger, filskrivning eller connector‑kald. En kort note, før vi går videre: udvælgelsen af sessioner og filtrering af bot/script‑trafik er afgørende her. Studiet beskriver rammen, men læs med kildekritik.
Hvad studiet målte
Metoden er relativt simpel at forstå i praksis: Find næsten samme spørgsmål i Search og Computer (kosinus‑lighed over 0,99), og se dem som to måder at løse samme opgave på. For Computer krævedes mindst ét eksekveringsværktøj – så vi måler kun, når agenten faktisk gør noget, ikke bare snakker.
Mean og median siger ikke det samme. Gennemsnittet påvirkes af de lange haler; medianen viser det typiske forløb. Begge blev rapporteret, og mønsteret holder i begge. Det gør resultaterne mere robuste, selv om ekstreme kæder stadig kan trække snittet.
Autonomi i tal
Gennemsnittet lander på 26 minutters maskinel kørsel per Computer‑session mod 33 sekunder for Search, med medianer på 9 minutter mod 14 sekunder. Forskellen er ikke ens overalt. I Local‑opgaver ligger gabbet omkring 75×; i Science omkring 26×, hvor kortere svar ofte rækker. Jo flere eksekverbare trin, jo mere kan agenten overtage.
Hvad bruger tiden på? Computeren gik oftere ud i verden. Connector blev brugt i 7,9 procent af Computer‑sessioner mod 1,8 procent i Search. Det matcher det, vi ser hos kunder: får agenten lov at trykke på knapper, gør den det også.
Kvalitet og brugerreaktion
Højere autonomi gav ikke lavere kvalitet i de mål, forskerne brugte. Next‑turn dissatisfaction – adfærdsbaseret utilfredshed i næste tur – lå på 1,3 procent for Computer mod 2,9 procent for Search. Et fald på 55 procent. Opfølgninger i Computer flyttede også lidt mod review og forlængelse.
Men metrikken er snæver. Den fanger tydelige korrektioner, ikke de stille fejl eller skæv vægtning i en lang kæde. Vi har set et slutdokument se fint ud, mens loggen afslørede et tvivlsomt API‑kald undervejs. Brug metrikken – bare ikke alene.
Hvor gevinsterne kommer fra
Forskerne sammenligner Search+Human med Computer+Human på matched tasks. Estimatet: 269 minutter for Search‑flowet mod 36 minutter for Computer‑flowet. 87 procent mindre tid og 94 procent lavere omkostning. Besparelsen i kroner slår tiden, fordi høj løn i domænet forstærker effekten, når manuelt trinarbejde fjernes.
Modelomkostningerne anslås til cirka 4–10 dollar per Computer‑opgave mod omkring 5 cent for Search. På trinniveau koster Computer+Human omkring 16 cent per step mod 2,05 dollar for Search+Human. Matchede Computer‑sessioner havde også længere prompts ved medianen (652 tegn mod 448), hvilket passer med højere fast omkostning ved delegation og review, men lavere marginal ved ekstra trin.
Breakeven i praksis
Strukturen er klar: højere fast pris per opgave for agenter, lavere pris per ekstra trin. Derfor findes et breakeven‑trintal, hvor agenten vinder. Tommelfingerreglen i studiet: En professionel skal kunne lave alle manuelle trin på under 20 minutter for at matche Computer. Ellers taber Search‑workflows på økonomien.
Oversat til drift: korte lookup‑opgaver og én‑til‑to‑klik‑flows bliver i samtale‑ eller søgesporet. De lange, regelstyrede kæder flytter til agent. Vi har oplevet det i praksis: redaktionelle opgaver var ikke lavthængende frugt; dataindsamling på tværs af fem‑seks kilder og generering af standardfiler var. Ikke sexet. Effektivt.
Adoption og komplementaritet
Computer tog fart gennem perioden. Kumulative forespørgsler nåede 84× af første uge. En matched analyse fandt, at brugere, der tog Computer til sig, lavede 1,05 flere Search‑forespørgsler dagligt. Det peger på komplementaritet: når agenten løfter det tunge, har man stadig brug for hurtige afklaringer ved siden af.
Planlæg derfor infrastruktur til begge modes – og support, der kan håndtere to fejltyper: samtaleforståelse og eksekveringsfejl. Vi har set serviceborde gearet til chatfejl, men ikke til en connector, der prøver 200 opdateringer i et CRM. Den sag tog en eftermiddag at rulle tilbage.
Tre erhvervscases hvor agenter allerede gør en forskel
Lokale opsætninger og koordinering. Research på leverandører, prisindsamling, kalender‑booking, udkast til e‑mails og oprettelse af mapper i de rigtige skabeloner. Agenten kan klikke sig gennem 10–12 trin, og et menneske reviewer til sidst. Drift: sikre connector‑tokens, synlig handlingslog og mulighed for rollback, hvis kalenderintegration går galt.
Videnskabelige datapipelines. Scraping af åbne datasæt, simpel rensning, notatgenerering og placering i et versionskontrolleret bibliotek. Agenter skinner, fordi trinnene er klare. Governance: dataklassificering, så persondata ikke flyttes ukritisk, og cost‑vagt på netværkstunge skridt. Vi har set ét højkost‑kald til et eksternt API stikke af, indtil rate‑limits og cost‑alerts kom på plads.
Dokumentproduktion og opsummering
Agenter, der tager 60 sider høringssvar, trækker referencer, laver udkast, sætter det i jeres skabelon og afleverer som PDF, fungerer faktisk. Kvalitetsrisikoen er forkert vægtning – ikke stavefejl. Derfor skal reviewer se handlingsstien, ikke kun slutfilen. Vi insisterer på menneskevenlige logs og en genkør‑knap for enkelttrin; ellers bliver review gætværk.
En note fra maskinrummet: I en kundepilot lavede agenten ét trin for meget og ramte en premium‑connector. Den ene session spiste ugens besparelse. Løsningen var cap pr. opgave og step‑baseret cost‑monitorering. Små greb. Stor effekt.
Drift og arkitektur
Vil man have de 26 minutter som gevinst – ikke regning – skal arkitekturen med. Værktøjsgate: klare regler for hvornår agenten må eksekvere og på hvilke domæner. Connector‑styring: rotationsnøgler, mindst mulige rettigheder og synlige scopes for tokens. Audittrail: en fortløbende, menneskelæselig eksekveringssti med input, output og beslutningsgrundlag.
Næste lag er kommandosikring og rollback: hårde stop før irreversible handlinger og mulighed for at rulle et enkelttrin tilbage frem for at afbryde hele kæden. Og cost‑monitorering per task og per step. Brug thresholds og alarmer – månedlige dashboards kommer for sent.
Governance og compliance
Etabler et tydeligt review‑flow: Hvem godkender, før en agent sender mails, opretter bilag eller rører ved persondata? Ansvar ved fejl skal være afklaret, før fejlen opstår. Dataadgang følger mindsteprincip. KPI’er bør være praktiske: tid sparet per opgave, fejlrate via stikprøver, next‑turn dissatisfaction, andel af sessioner med connector‑brug og gennemsnitligt trinantal.
Vi tvivler på, at next‑turn dissatisfaction kan stå alene. Supplér med blind human eval på et sample og task‑completion correctness mod kendte facitlister, hvor det giver mening. Det tager tid – men hvis agenten rører jeres CRM, er det nødvendigt.
Implementering af piloter på 90 dage
Vælg processer med mange trin, høj gentagelsesgrad og lav til moderat datafølsomhed. Mål både mean og median for maskinel eksekveringstid per session og track follow‑ups. Brug matched tasks A/B som i studiet, så konteksten holdes fast. Vi har testet tilgangen internt – den er mere stabil end brede brugermålinger.
Definér testmål: beregn breakeven‑trin for hver proces, sæt forventede nøgletal for tid og cost og læg konservative mål ind (for eksempel 30–50 procent tidsbesparelse i første iteration). Fastlæg stopkriterier, hvis dissatisfaction eller fejlrate løber. Dokumentér værktøjsbrug, så I kan se, hvilke connectors der driver værdien.
Risici og uklarheder
Der er åbne spørgsmål: Hvordan er de 10.000 session‑par valgt i forhold til hele populationen? Risiko for selection bias mod power‑brugere? Hvordan er bot‑trafik og scriptede flows filtreret ud? Og hvor præcist er ‘do’‑værktøjer defineret (interne opslag kontra eksterne systemkald)? Små definitioner kan flytte fortolkningen.
Platformfaktoren spiller også ind. Perplexity Computer er én specifik agentstak. Kan man forvente samme autonomi i andre stacks? Måske – mål i egen drift. Tooling, sandkasser, rate‑limits og orkestrering varierer, og det påvirker både autonomi og omkostninger.
Skeptikerens synspunkt
En mere kritisk vinkel – se Towards AI – er at agenter sjældent erstatter mennesker i flows, hvor en kunde venter. Kvalitetspres og fejlhåndtering bliver for dyrt, hvis nogen sidder i røret. Evidens fra kundeservice peger på, at man ender med at ansætte mennesker tilbage, når kvaliteten halter. Den brede fortælling om “agenter erstatter chatbots” holder især i kø‑formet backoffice‑arbejde uden ventende modtager.
Det kalibrerer snarere end afkræfter. Brug agenter, hvor trin er klare, konsekvenser kan rulles tilbage, og ingen realtidsbruger venter. Ellers æder fejlomkostninger og tillidstab gevinsten. Vi har ikke set varig værdi uden review‑trin i de eksternt synlige led.
Hvad gør man nu
Kør små 90‑dages piloter med matched tasks. Sæt værktøjsgates, audittrails og cost‑alarmer op før første eksekvering. Mål de samme metrikker som i studiet, og læg et lag human eval ovenpå. Undgå opgaver, hvor 20 minutter manuelt er realistisk – her rammer I sjældent breakeven. Gå efter de lange kæder først.
Og en praktisk læring fra en kantine i Ballerup en sen aften: Forskellen ses først, når eksekveringsstien ruller, ikke i slutdokumentet. Sæt jer med loggen. Trin for trin. Det er dér, styringen bor.
Kilder og faktatjek
Alle kvantitative hovedtal stammer fra Harvard og Perplexitys arbejde, som kan læses på research.perplexity.ai og i Marktechposts opsummering: 90‑dages vinduet, launch‑timingen, 10.000 matched sessioner, gating til ‘do’‑værktøjer, 26 minutter vs 33 sekunder i gennemsnit, medianerne 9 minutter vs 14 sekunder, domænevariationer, connector‑brug, adoption på 84×, komplementaritetseffekten på +1,05 Search‑forespørgsler samt cost‑framework med breakeven. Vi har genbesøgt Perplexitys forskningsside for at bekræfte de centrale formuleringer.
Perspektiver om pilotdesign, governance, KPI’er, arkitekturkrav og de anekdoter, vi deler, er Snillds egne erfaringer og fortolkninger. Den skeptiske kontekst om, hvor agenter ikke erstatter mennesker, er hentet fra analysen hos Towards AI. Skulle der være uoverensstemmelser mellem sekundære opsummeringer og Perplexitys egen publikation, har originalen forrang. Det korte svar herfra: data peger samme vej. Det lange svar kræver jeres egne målinger.
