Ifølge VentureBeats dækning af VB Transform 2026 lød konklusionen fra scenen sådan her: Det er ikke modellerne, der bremser AI‑agenter, men arvet enterprise‑infrastruktur. Panelet samlede Animesh Singh (senior director of AI platform and infrastructure, LinkedIn), Desiree Gosby (SVP of corporate technology services and technology strategy, Walmart) og Sami Ghoche (VP of applied AI, Zendesk). Hver især beskrev de, hvor det knækkede, da deres organisationer flyttede agenter fra pilot til produktion. VentureBeat skriver, at fællesnævneren var infrastrukturen, ikke modelvalget.
VentureBeat opsummerer præmissen sådan, at meget enterprise‑infrastruktur er bygget til menneskers arbejdsrytme. Agenter arbejder anderledes og hurtigere, og kløften mellem de to tempoer er dér, den reelle ingeniøropgave ligger. Det er en overordnet tråd i panelets fortællinger, som VentureBeat gengiver.
Hvad panelet var enige om
Panelet pegede ifølge VentureBeat på et gennemgående mønster i produktion: latens og orkestrering bliver problemer, når agenter møder klassiske antagelser i it‑stakken. Ikke fordi modellerne ikke kan, men fordi omgivelserne hænger fast i langsomme opstarts‑ og batchmønstre. Gosby formulerede målet sådan, at engineering ikke igen må blive flaskehals for det, de forsøger at bygge. Den vinkel gengives direkte i VentureBeats referat.
Budskabet var derfor ikke et nyt modelnavn eller et større kontekstvindue. VentureBeat fremhæver i stedet rammerne omkring modellerne: hvordan man provisionerer compute, hvordan kontrolflowet er skruet sammen, og hvordan man undgår, at evaluering af agenter reproducerer de samme fejl, når modeller evaluerer modeller.
LinkedIns konkrete greb på latens
Ifølge VentureBeat var LinkedIns første store bump ikke en model, men Kubernetes. Antagelsen om on‑demand container‑provisioning, der tager sekunder at spinne op, var for langsom til agent‑workloads, forklarede Singh. Løsningen blev at gå fra on‑demand til pre‑provisionerede pooler af containere, som kan bytte workloads ind og ud i realtime.
Da LinkedIn efterfølgende lod agenter styre egen orkestrering, dukkede et andet problem op ifølge Singh, gengivet af VentureBeat. En pæn evalueringsskala så fin ud på papiret, men hallucination dukkede op igen. Årsagen blev beskrevet som strukturel: en LLM, der evaluerer en anden LLM, kan dele de samme fejlmønstre. LinkedIns svar var at bygge eget kontrolflow og skubbe LLM’er ud til bladene frem for at lade dem styre loopet.
VentureBeat skriver, at omtrent 80 procent af workflowet hos LinkedIn nu er scriptet, deterministisk kode, og at LLM’er kun bruges dér, hvor ræsonnement er nødvendigt. Den fordeling tilskrives Singh i artiklen.
Hvorfor det betyder noget i praksis
LinkedIns erfaring, som VentureBeat beskriver, peger på et simpelt regnestykke: hvis cold starts måles i sekunder, og agenten kalder flere værktøjer i træk, akkumuleres ventetid hurtigt. Derfor er pre‑warmed pooler et greb, der direkte adresserer opstarts‑latens. Det er formuleret som en kvalitativ implikation af LinkedIns løsning, ikke som målte resultater.
Kontrolflowet er den anden implikation i VentureBeats referat. Hvis en model både producerer og evaluerer, kan fejl forstærkes. Et deterministisk skelet rundt om agentens løkke gør det muligt at styre, hvad der sker, før og efter modelkald. Også her er der tale om en kvalitativ pointe fra panelet.
Walmarts vinkel i panelets kontekst
I VentureBeats gennemgang fremhæves, at Gosby ønskede at undgå, at engineering blev flaskehalsen for arbejdet med agenter i Walmart. Det er en organisatorisk pointe, der knytter sig til panelets hovedspor om, at bremserne ikke sad i modellerne. Ud over den ambition deler VentureBeat ikke konkrete måletal eller procesdetaljer i det refererede afsnit.
Det efterlader et klart, men afgrænset signal fra scenen: tempo og ansvar for at få idéer i drift skal tænkes ind, når man ruller agentiske mønstre ud. VentureBeat tilskriver den pointe Gosby.
Zendesk og Forethought
Zendesk bekræfter i en pressemeddelelse, at opkøbet af Forethought blev gennemført den 26. marts 2026, og at Forethoughts agentplatform indgår i Zendesks AI‑tilbud. Kilden er Zendesks egen pressemeddelelse. Sammenhængen til panelet er, at Ghoche fra Zendesk deltog i samtalen, som VentureBeat dækker.
Pressemeddelelsen taler om selvforbedrende AI‑agenter i Zendesks kontekst. VentureBeats paneldækning kobler temaet om infrastrukturens rolle til aktører som Zendesk, uden produktmålinger fra selve sessionen.
Markedspres og hvad der står på spil
Amazon skriver i et blogindlæg om Amazon Quick, at en gennemsnitlig sælger kun bruger omkring 40 procent af sin tid på faktisk salg, mens resten går til opgaver af lavere værdi. Kilden er AWS’ egen blog. Pointen i den kontekst er, at agentiske værktøjer søger at frigøre tid til kernearbejdet.
Læst sammen med VentureBeats panelreferat sætter det en ramme: hvis backenden kører i mennesketempo, risikerer man at tabe noget af den potentielle gevinst fra agentiske værktøjer. Det fremgår som en kvalitativ sammenfatning af kilderne.
Hvad der ikke fremgår af kilderne
VentureBeats artikel gengiver valg og erfaringer fra panelet, men uden præcise tal for container spin‑up, end‑to‑end‑latens eller omkostningssammenligninger mellem pre‑provisionerede pooler og on‑demand‑provisioning. Der er heller ikke detaljerede sikkerheds‑ eller compliance‑kontroller i referatet.
Det betyder, at konkrete benchmarks, TCO og sikkerhedsdetaljer ikke er tilgængelige i de åbne kilder her og må komme fra virksomhedernes egne, ikke‑offentliggjorte data eller senere udgivelser.
Kort opsamling på panelets implikationer
VentureBeat beskriver, at LinkedIn fik adresseret oplevet latens ved at gå fra on‑demand til pre‑provisionerede containere. Det peger på, at opstartsantagelser i infrastrukturen er afgørende for agenters svartider. Samtidig beskrives LinkedIns skift til et mere deterministisk kontrolflow med LLM’er i bladene, hvilket peger på en klar arbejdsdeling mellem kode og modelkald.
Sammen med Gosbys ambition om at undgå nye flaskehalse i engineering og Zendesks strategiske bevægelse omkring Forethought tegner kilderne et billede af, at tempoet i driften, ikke modelnavnet, ofte afgør oplevelsen i agentiske systemer. Alle dele ovenfor er direkte tilskrevet VentureBeats referat, Zendesks pressemeddelelse og AWS’ blog.
Kilder og sporbarhed
De nævnte panelpointer, LinkedIns skifte fra on‑demand provisioning til pre‑provisionerede containere og ændringen af kontrolflowet med cirka 80 procent deterministisk kode, stammer fra VentureBeats artikel. Zendesks pressemeddelelse bekræfter lukningen af Forethought‑købet 26. marts 2026 og positioneringen af Forethoughts agentplatform i Zendesks tilbud. AWS’ blogindlæg er kilden til udsagnet om, at sælgere i gennemsnit bruger cirka 40 procent af tiden på faktisk salg.
Hvor artiklen ovenfor drager praktiske implikationer, er de bundet snævert til de beskrevne valg i kilderne og præsenteret som kvalitative pointer, ikke som kvantitative målinger.
