2025 ligner året, hvor agentiske AI-systemer tager et afgørende skridt fra hype til hverdagsredskab i dansk erhvervsliv. Bølgegangen af intelligente AI-agenter – altså software, der kan huske, planlægge, handle selvstændigt og indgå i komplekse samarbejder – er nu på vej ind i bestyrelseslokaler, vidensafdelinger og kundeservice, ikke kun hos globale tech-giganter, men også hos ambitiøse danske virksomheder. Internationale analyser, bl.a. fra MarkTechPost, peger på fem trends, der allerede rykker ved arbejdsform og konkurrencekraft. Vi dykker ned i tendenserne, deres konkrete betydning for danske virksomheder – og hvor langt vi egentlig er med at gøre AI-agenter til reel forretningsværdi.

Agentic RAG: Når AI får hukommelse og kan tænke frem

‘Agentic Retrieval-Augmented Generation’ (Agentic RAG) er hjørnestenen i nye AI-agenters succes. I stedet for kun at hente svar én gang af gangen, kan Agentic RAG-agenter både huske tidligere interaktioner og planlægge flere trin frem. Modsat klassisk RAG, kobler den agentiske tilgang hukommelse, værktøjsvalg og langtidstænkning på opgaver – f.eks. ved at hente, verificere og sammenfatte viden på tværs af data-lagre før de giver et svar. Teknologien ses allerede i smart assistenter, søgeplatforme og samarbejdsværktøjer internationalt, og flere danske it-afdelinger eksperimenterer nu (typisk i pilotskala) med at lade agenter forberede mødedagsordener, generere indkøbsoversigter og give onboarding-vejledninger baseret på flere års virksomhedshistorik.

Eksempel: En større dansk forsyningsvirksomhed har i foråret 2025 testet agentiske RAG-løsninger til automatisk at forberede compliance-rapporter. Det sparer ifølge it-lederen 20-30% af arbejdstiden tidligere brugt på manuel datafremskaffelse og sammenstilling – og løfter kvaliteten ved at sikre sporbarhed og sammenhæng mellem flere datakilder.

Voice agents: Lyt, forstå og handle – i daglig kontaktflade

Stemmestyring bryder gennem lydmuren i 2025, og voice agents, der forstår og taler flydende dansk, er ikke længere fiktion. Udbredelsen drives af store fremskridt inden for tale-til-tekst (STT), tekst-til-tale (TTS), og evnen til at sætte brugerens beskeder ind i kontekst. Ifølge MarkTechPost tilbyder førende løsninger nu, at voice agents ikke kun forstår spørgsmål, men også selvstændigt kan slå op, planlægge eller formidle beslutninger fra virksomhedens systemer.
Det betyder, at f.eks. mindre it-kyndige medarbejdere eller kunder kan tilgå information, oprette supportforespørgsler eller få læst rapporter op – blot gennem stemmestyring.

Danske eksempler findes nu bl.a. i det offentlige: Flere kommuner har pilotforsøg med stemmestyrede agenter til borgerkontakt og tidsbestilling. Ifølge Digitaliseringsstyrelsen ventes den praktiske brug dog først for alvor at tage fart, når de stemmestyrede systemer kan integrere direkte til de bagvedliggende fagsystemer.

Åbne AI-agent protokoller: Skalerbart – hvis du tør slippe kontrollen lidt

At lade flere AI-agenter og platforme spille sammen kræver, at de kan snakke sikkert, forstå workflow-data og dele kontekst på tværs af leverandører. Derfor vinder åbne protokoller som MCP (Model Context Protocol), ACP (Agent Communication Protocol) og A2A (Agent-to-Agent Protocol) frem, især på enterprise-niveau ifølge MarkTechPost. Disse protokoller muliggør, at selv ældre danske it-systemer kan integreres uden dyr leverandørlås eller siloer.

Men hvor mange bruger det i praksis i Danmark? Her er billedet blandet. Ud over få first-movers inden for finans eller it-outsourcing (se f.eks. BankData, der arbejder med interne agent-protokoller) har det brede gennembrud endnu til gode at komme. Bl.a. fordi krav til datasikkerhed og governance er høje, og mange af de åbne protokoller stadigt primært er adopteret i internationale proof-of-concept-projekter.

DeepResearch agents: Den grundige digitale analyst

DeepResearch agents kan tage et komplekst spørgsmål, splitte det op i mange delanalyser, hente og sammenfatte data fra web, interne databaser og rapporter – og præsentere samlet indsigt hurtigere end et traditionelt research-team. Det betyder, at tung videnarbejde inden for compliance, markedsovervågning eller benchmarking i stigende grad kan automatiseres.

Flere internationalt anvendte platforme (som PaperQA2 eller Mixture-of-Agents-rammerne fra 2025) demonstrerer, at DeepResearch agents kan lave multi-trins analyser, vurdere kilder og løbende forbedre egne resultater. I de danske virksomheder er denne type agenter især ved at vinde indpas på konsulenthuse, hvor de bruges som supplement til analytikere i større due diligence-opgaver. Det bekræftes af et interview med en partner fra et stort dansk konsulenthus, der vurderer, at “den menneskelige analytiker rykkes længere op i værdikæden, når AI klarer første 70% af research-opgaven”.

Kodende og computer-udførende agenter: Automatisering 2.0

Når AI selv kan skrive, læse og teste kode – og endda navigere på brugerens computer eller i browseren – står vi med næste generation af softwareautomatisering. Coding agents og CUA (Computer Using Agents) udfører ikke bare klassisk scripts, men kan selv finde fejl, rette dem og rapportere resultater til udviklerne. Ifølge MarkTechPost opleves den største effekt lige nu hos virksomheder med store devops- eller testmiljøer.

Case: En større dansk software-virksomhed har de seneste måneder automatiseret test af cloud-infrastruktur direkte gennem CUA-agenter. Efter kun tre måneder har testtiden på nye releases halveret sig, og fejlene i produktionen er faldet markant. “Vi forventer at kunne flytte flere rutineopgaver over på agent-platformene – men vi holder benhårdt fast i stramme governance-regler,” understreger deres IT-chef, og peger på at fuld autonomi stadig kræver menneskelig opsyn af hensyn til sikkerhed og sporbarhed.

Nye krav: Dataansvar, governance og transparens

Den markante udvikling i AI-agenters evner betyder, at ansvaret over for data, governance og transparens bliver et væsentligt tema. Efterhånden som AI får adgang til både følsomme systemer og beslutningsprocesser, øges behovet for at dokumentere agenters handlinger, og sikre at ingen kommer galt afsted i forsøget på automatisering. Især internationale regulativer, som EUs AI Act, sætter rammerne for hvordan agentisk AI må indføres og overvåges. Skeptikere – især i de dele af erhvervslivet, hvor persondata og forudsige interne arbejdsgange er centrale – er med rette optagede af at sikre, at AI kun får de rette beføjelser, får opsamlet den nødvendige sporbarhed og kan stoppes hurtigt ved fejl.

I Snilld arbejder vi derfor med et samlet sæt kontrolmekanismer, der går på tværs af teknik, jura og forretningsprocesser. Vi oplever voksende efterspørgsel fra virksomheder, der ønsker at lave AI-governance structures eller køre compliance-tjek på deres agentiske arbejdsgange – og vi rådgiver om både strategisk, teknisk og organisatorisk implementering.

Sådan kommer du i gang – konkrete råd

• Udpeg processer eller afdelinger hvor rutineprægede analyser, compliance-tjek eller rapportgenerering kan automatiseres.
• Inviter både it, forretning og process-ansvarlige til at finde sikre måder at teste Agentic RAG eller DeepResearch i pilotskala før skalering.
• Kig pragmatisk på integration: Understøttelse af åbne protokoller og snitflader letter pilotprojekter – men kræver ekstra fokus på datasikkerhed.
• Søger du rådgivning, så vælg partnere, der viser forståelse for både AI-publicering og jura/dataansvar – ikke kun teknologi.

AI-agent trends i 2025 handler ikke om teknologi for teknologiens skyld. Det handler om at gøre organisationer mere robuste, menneskelige og konkurrencedygtige. For ledere, forretningsudviklere og it-eksperter gælder det at gribe mulighederne – men altid med skarpt blik for både værdiskabelse og ansvar.

Kilder:

• https://www.marktechpost.com/2025/08/10/ai-agent-trends-of-2025-a-transformative-landscape/
• https://www.marktechpost.com/2025/08/09/9-agentic-ai-workflow-patterns-transforming-ai-agents-in-2025/
• https://www.ibm.com/think/topics/agentic-rag
• https://heidloff.net/article/mcp-acp-a2a-agent-protocols/
• https://deepmind.google/

Målgruppens mening om artiklen

Anders, IT-chef i større dansk produktionsvirksomhed:

Jeg giver artiklen 82. Den rammer plet på de udfordringer og muligheder, vi står overfor, især omkring integration, governance og de konkrete eksempler fra danske virksomheder. Jeg savner dog mere kritisk perspektiv på de reelle barrierer i praksis – især på datasikkerhed og modstand i organisationen.

Maria, HR-ansvarlig i mellemstor servicevirksomhed:

Jeg giver den 75. Artiklen er spændende og giver et godt overblik, men den bliver hurtigt teknisk og lidt for fokuseret på it og compliance. Jeg kunne godt have brugt flere eksempler på, hvordan AI-agenter påvirker medarbejderoplevelsen og arbejdskulturen.

Jesper, Digitaliseringskonsulent i kommune:

Jeg giver den 88. Det er sjældent, jeg ser så konkret og opdateret en gennemgang af AI-agent trends, der også nævner offentlige pilotprojekter. Artiklen rammer meget godt vores udfordringer med integration og governance, men kunne godt have haft flere case-beskrivelser fra det offentlige.

Camilla, Forretningsudvikler i fintech-startup:

Jeg giver den 90. Artiklen er superrelevant, især fordi den adresserer både teknologi, forretningsværdi og de nye muligheder for automatisering. Jeg synes dog, den kunne have været lidt mere fremadskuende på, hvordan mindre virksomheder konkret kan komme i gang.

Henrik, CFO i større dansk handelsvirksomhed:

Jeg giver den 70. Jeg synes, artiklen er informativ, men den bliver for teknisk til tider og mangler økonomiske perspektiver og risikovurderinger. Jeg savner også flere konkrete tal på gevinster og investeringer.

*Denne artiklen er skrevet af en redaktion bestående af kunstig intelligenser, der har skrevet artiklen på baggrund af automatiseret research og oplysninger om de seneste teknologi nyheder fra internettet.

Billederne i artiklen er lavet af FLUX.1.1 Pro fra Black Forest Labs.