Det hurtige overblik
Adecco Group udruller Salesforce Agentforce Coworker til 27.000 medarbejdere i mere end 40 lande. Det fremgår af en udmelding 15. september, som placerer agentiske AI-assistenter i rekruttering og salg som en del af den daglige arbejdsrutine – ikke bare et pilotprojekt. Ifølge Adecco er Coworker bygget ind i Salesforce-platformen og kører på Anthropics Claude. Udrulningen følger en aftale fra marts, der beskrives som multiårig og med “unlimited global access” til Agentforce 360 frem til 2027, under en Agentic Enterprise License Agreement.
Det lyder stort. Og er det også. Samtidig mangler flere detaljer: Hvilke 40+ lande er med fra dag ét, hvordan er 27.000 defineret, og hvad dækker “unlimited” konkret over i praksis. Udmeldingen nævner også, at værktøjet trækker på kontekst fra mere end 2,5 mio. agent–kandidat-interaktioner siden april 2025. Her beder tallene om en forklaring af datakilder, tællemetode og lovgrundlag i de enkelte lande.
Hvad Agentforce Coworker er teknisk
Agentforce Coworker beskrives som en indlejret assistent i Salesforce, der samler data og processer på tværs af CRM og tilhørende systemer. Ifølge materialet kører Coworker på Anthropics Claude-modeller, mens Salesforce-laget kobler kontekst og handling via Data 360, Agent Fabric og – i nogle demonstrationer – dataintegration gennem Informatica. Agentforce Voice og Service fremhæves som motoren for indgående henvendelser, hvor AI-agenter kan håndtere en del af opgaverne, før medarbejdere tager over.
Der er dog tekniske spørgsmål, der bør afklares for en global drift: Kører dataforbindelsen helt inde i Salesforce-miljøet, eller forlader dele af konteksten platformen for at nå Claude? Er der privat netværksopsætning, dedikerede regioner eller kundestyring af modeladgangsnøgler? Hvordan styres prompt- og agentpolitikker på tværs af lande og brands, og hvor ligger audit-logs – i Salesforce, en SIEM, begge steder? Udmeldingen nævner ikke den præcise arkitektur. Den bør på bordet, før nogen kalder det “færdigimplementeret”.
Fra pilot til stor udrulning
Adecco peger på en pilot i Storbritannien og Frankrig med “stærk adoption på få dage”. Det er en markant påstand for et værktøj, der indgriber direkte i både salgs- og rekrutteringsprocesser. Samtidig leverer september-udmeldingen ikke konkrete brugs- eller produktivitetstal fra piloten. I marts fremhævede selskabet dog 15 procent tidsbesparelse i dele af det britiske rekrutteringsflow samt kortere time-to-fill, højere fill rate og lavere cost-to-serve. De tal er selskabsoplyste og mangler ekstern verifikation.
Hvad betyder “adoption på dage” i praksis? Realistisk: lynhurtig onboarding i Salesforce, forudfyldte playbooks, en stram agent-vejviser og korte e-læringsmoduler. Men også en klar eskalationssti, når output er forkert, og en supportlinje, der fanger mønstre, før de bliver til sager. Hvis 27.000 mennesker rammer systemet samtidig, kræver det en operationsplan med timebaserede SLO’er – ikke bare gode hensigter.
Hvad Agentforce gør i dagligdagen
Adecco nævner anvendelser i salg og rekruttering: finde prioriterede prospekter, skrive salgsbriefs, berige kunder og leads, tjekke status på tværs af teams, vælge kandidater og starte pre-screening eller onboarding-agenter. Tanken er én indgang til koncernens viden og kundedata, så medarbejderen ikke skal hoppe mellem “snesevis” af værktøjer. Genkendeligt for enhver større kommerciel organisation, hvor CRM, ATS og fagsystemer ofte lever deres eget liv.
Lille hverdagsflow, som det kan se ud: En rekrutteringskonsulent åbner Coworker i Salesforce. Beder den hente gældende kandidatbaggrund for tre navne i pipeline, inklusive seneste kundefeedback. Coworker sammenfatter, foreslår tre pre-screening-spørgsmål baseret på jobkrav og tilbyder at sende en kort mailopdatering til kunden. Konsulenten redigerer. Trykker send. Fejlpunkter her: Der kan mangle dokumentation, modellen kan “overforstå” et krav, eller data kan være forældede i ATS’et. Derfor giver det mening med en før-udsendelses-tjekliste, et auditspor og en hurtig-knap til at markere “AI tog fejl her”.
Data og governance — de svage led
Den mest følsomme detalje er påstanden om mere end 2,5 mio. agent–kandidat-interaktioner siden april 2025, som Coworker vil trække kontekst fra. Vigtige spørgsmål melder sig: Hvad tæller som en interaktion? Kun telefonsamtaler, eller også chat, mail, SMS? Hvilke kilder indgår, hvor stammer tidsstemplede noter fra, og hvordan er felter mappet mellem CRM og ATS? Er data anonymiseret eller pseudonymiseret? Hvad er samtykkegrundlaget i hvert land, og hvem kan genidentificere data? Uden klare svar her er tallene mest overskrifter.
For global HR-drift kræver agentiske workflows skarp logning: Hvem bad om hvad, hvilken modelversion svarede, hvilket datagrundlag blev brugt, og hvad blev efterfølgende rettet af et menneske. GDPR og tilsvarende regler i andre jurisdiktioner fordrer desuden dokumenterbare kontroller for formålsbegrænsning, dataminimering, rettelse og sletning. Hvis modellen trænes, finjusteres eller på anden måde påvirkes af interaktionsdata, stiger kravene yderligere. Der er ikke fremlagt en detaljeret policy i materialet – endnu.
Kontrakt og økonomi
Selskabet henviser til en aftale fra marts, gældende til 2027, med “unlimited global access” til Agentforce 360 under en Agentic Enterprise License Agreement. Formuleringen lyder vidt åben, men licenser skjuler ofte forbehold: brugsmønstre, rate limits, medbragte tredjepartsydelser, tilkøb for visse features, geografiske dataforpligtelser. Uden at have selve kontrakten at se, er det svært at konkludere andet end at “unlimited” i praksis sjældent er helt uden loft.
For leverandørstyring bliver to ting afgørende: 1) modelafhængighed af Anthropics Claude og 2) platformslåsning til Salesforce. Begge kan være fornuftige valg, men det presser forhandlingskraften, hvis resultaterne i 2026–27 gør AI-agenterne uundværlige. Hvad koster skalering efter 2027? Hvad er exit-mulighederne, hvis governance-krav eller regionale datakrav ændrer sig? Det hører med til helhedsbilledet.
Risici i drift og performance
Når 27.000 mennesker får en ny AI-makker, bliver driftsfejl hurtigt til forretningsfejl: hallucinationer, bias i kandidatudvælgelse, fejlagtige kundebreve, eller blot forældede data i automatiske referater. Det kræver SLO’er for svartider og kvalitet, klare eskalationsregler og løbende evalueringskørsler mod guldstandard-sæt af sager. Der bør være et review-board, der godkender nye agent-playbooks, og en “kill-switch” for agenter, der pludselig performer under tærskelværdier.
KPI’er der giver mening i praksis: adoption rate pr. team, task resolution accuracy på definerede opgavetyper, time-to-escalation fra AI til menneske, aktuel fill rate og time-to-fill sammenlignet med baseline, fejlrate i dokumenter genereret af AI, samt cost-to-serve inkl. modelkald. Sæt kontrolgrænser pr. proces, ikke kun pr. land. Hvis en agent falder under fx 85 procent korrekthed over 50 sager i træk, pauser man rollen og evaluerer træningsdata eller promptguard.
Hvem gør hvad når noget går galt
Ansvarsfordelingen er ikke uvæsentlig. Hvis en agent foreslår en kandidat, der viser sig uegnet af grunde, agenten burde have fanget, hvor lander ansvaret så? Hos operatøren, hos platformejer, hos modeludbyder? Kontrakterne her placerer typisk hovedansvaret hos kunden – med begrænset ansvar hos leverandører. Derfor bliver governance, audits og interne politikker centrale. I praksis bør afgørende beslutninger have menneskeligt sign-off, ikke mindst for at efterleve EU-regler og interne kontrolkrav.
Derudover er bias-risikoen reel i rekruttering. Uden dedikerede fairness-tests på kandidatforslag, promptfiltre og kontrolleret brug af historiske data kan små skævheder blive selve systemets mønster. Det kræver dedikeret overvågning i produktion, ikke kun i sandkasse.
Tal der ikke helt flugter
Der er enkelte steder, hvor udmeldingerne krydser hinanden. I marts blev der talt om cirka 27.000 rekruttere; i september taler man om 27.000 medarbejdere. Er det samme gruppe, et bredere udsnit, eller en anden måleenhed? Samtidig nævner september-udmeldingen 2,5 mio.+ interaktioner siden april 2025, mens tal fra scenen ved Dreamforce – refereret af CX Today – taler om 2,6 mio. interaktioner “i år”. Det kan begge være rigtige, fordi perioderne er forskellige. Men metode og definition på “interaktion” bør frem i lyset.
Et andet eksempel: Ved Dreamforce blev der ifølge et Salesforce-opslag vist et flow, hvor 2 mio. servicekald delvist håndteres af Agentforce, og ~30 procent løses af AI-agenter. Det er et stærkt signal om modenhed – hvis tallene gælder faktisk drift og ikke primært demos eller afgrænsede miljøer. Uden uafhængig bekræftelse hører det stadig under “lovende, men kræver dokumentation”.
Hvad det betyder for implementering
For organisationer, der overvejer tilsvarende udrulninger, er prioriteringen jordnær: Få data på plads mellem CRM og ATS. Definér 3–5 agentroller, der løser konkrete opgaver med klare succeskriterier. Opbyg en integrationsbro, hvor kandidathistorik, kundekontrakter, jobprofiler og samtalenoter er konsistente og søgbare. Uden det bliver AI’en et lag ovenpå rod – og værdien forsvinder i friktion.
Dernæst: driftsdisciplin. Overvågning af agentperformance, som var det et kritisk API. Playbooks med begrænset scope først, derefter udvidelser. Og så meget lav friktion for at give feedback – en knap i hver genereret note, ikke en månedlig survey. Kedeligt? Ja. Men det er her forskellen mellem “demo” og “drift” ligger.
Brancheperspektiv og konkurrence
HR-tech bevæger sig hurtigt mod agentiske assistenter, men mange cases er stadig i pilotfasen hos banker, telcos og detailkæder. Adecco skiller sig ud ved at gå bredt i mange lande med en mainstream-platform. Det kan presse konkurrenter til at offentliggøre egne tal for time-to-fill, fill rate og cost-to-serve – eller at forklare, hvorfor de ikke gør det endnu. De mere forsigtige vil pege på governance og compliance som årsag til at trække tiden. Fair – hvis de samtidig kan vise, at problemerne faktisk bliver løst.
Hvad journalisten skal spørge kilderne
Til Adecco: Er de 27.000 i marts “rekruttere” identiske med de 27.000 “medarbejdere” i september? Hvilke lande er reelt live, og hvilke forretningsenheder er med i hvert land? Hvad er definitionen på de 2,5 mio. interaktioner, hvilke kilder og tidsrum indgår, og er data anonymiseret eller pseudonymiseret? Hvad var pilotens målbare gevinster i UK/Frankrig udover anekdotisk adoption?
Til Salesforce og Anthropic: Forlader data Salesforce-miljøet for inferens hos Claude, og hvis ja, hvordan er det isoleret? Hvilke certifikater og tredjepartsrevisioner dækker Agentforce Coworker i enterprise-opsætning? Hvordan styres Agent Fabric i forhold til kundens egne agenter, og hvor ligger audit- og promptlogs? Hvad betyder “unlimited global access” kontraktuelt – rate limits, overforbrug, geografiske begrænsninger, afhængighed af Informatica?
Den større vurdering
Det interessante her er ikke kun antallet 27.000, men tidspunktet. Agentiske arbejdsgange rykker ud af pilotfasen i en sektor, hvor datakvalitet sjældent er perfekt, og hvor fejl har menneskelige konsekvenser. Hvis Adecco får global drift til at køre stabilt, er det et pejlemærke: AI-agenter kan levere værdi trods uperfekte data – forudsat at governance og drift er skarpe. Hvis ikke, ser man hurtigt en omvendt hockey-stav i supporttickets.
Der mangler stadig hårde tal for produktivitet og kvalitet fra piloterne, en tydelig metode for at tælle interaktioner samt indblik i kontraktlige begrænsninger. Indtil de lander, står historien på to ben: et klart mod til at rulle ud bredt – og en lige så klar opgave i at dokumentere effekten. Forskellen mærkes først, når hænderne er på tastaturet.
