Anthropic har løftet sløret for en ny funktion i Claude Managed Agents kaldet dreaming, der lader agenter lære fra deres egne tidligere sessioner og forbedre sig over tid. Samtidig flytter virksomheden outcomes og multi‑agent orkestrering fra research preview til public beta. For agent‑arbejde i drift er det et skridt mod hurtigere, mere kontrolleret selvforbedring. Præsentationen skete på Code with Claude i San Francisco (ifølge VentureBeat).
Agent‑snakken har længe været præget af demoer og få driftscases. Hvis dreaming holder i praksis, får vi kortere læringssløjfer uden konstant manuel babysitning – og det kan flytte både kvalitet og økonomi i gentagne vidensopgaver. Linjen blev lagt på scenen i San Francisco.
Hvad er dreaming, outcomes og multi‑agent orkestrering
Dreaming er et planlagt review‑loop, hvor agenten gennemgår tidligere sessioner og sin hukommelse, finder mønstre og nedskriver konklusioner som noter og playbooks til fremtidige sessioner. Det adskiller sig fra almindelig agent‑memory ved at køre periodisk, trække på tværs af mange forløb og kuratere læring til mere generelle artefakter – uden at ændre modelvægte, men i stedet skrive menneskeligt læsbare noter og playbooks, der kan auditeres (ifølge VentureBeat). Kort sagt: session‑logs + memory → planlagt analyse → mønstre → noter/playbooks → påvirker næste session.
Outcomes giver en eksplicit definition af succes og fejl for en opgave, så agenter kan måles og styres mod konkrete resultater. Multi‑agent orkestrering fordeler arbejde mellem flere specialiserede agenter, så komplekse opgaver ikke sander til. VentureBeat beskriver, at Anthropic positionerer de tre dele som svar på præcision, læring og gennemløb i skala.
Scenen i San Francisco og Anthropics væksttal
Nyhederne kom på anden udgave af Code with Claude i San Francisco. Ifølge VentureBeat oplyste CEO Dario Amodei, at Anthropic i første kvartal 2026 så omkring 80x annualiseret vækst i omsætning og usage mod planlagt 10x. API‑volumen på Claude‑platformen er oppe nær 70x år for år, og udviklere, der bruger Claude Code, tilbringer i snit omkring 20 timer om ugen i værktøjet (kildet til VentureBeat). Amodei pegede samtidig på compute som en reel flaskehals – hvilket sætter rammen for, hvor aggressivt man kan køre dreaming.
I praksis bliver det regneark: når efterspørgslen løber foran compute, koster automatiseret læring både penge og ventetid. Tænder man det hele på én gang, ryger budgettet. Køer vokser. Pacing er nødvendig.
Hvordan dreaming virker i praksis
Dreaming flytter fokus fra rå hukommelse til kurateret praksis. Ifølge VentureBeat beskrev Anthropics Alex Albert det som at nedskrive stien fra A til B efter et forløb – bare gjort automatisk af agenten. Ikke skjulte træningskørsler; i stedet noter og playbooks, der kan ses og redigeres før de påvirker næste lignende opgave. Og ja, dreaming ændrer ikke modelvægte, men producerer læsbare artefakter (ifølge VentureBeat). Det gør forbedringerne synlige – og fejlene synlige. Et svagt outcome‑signal kan forstærke et mønster, man helst vil af med. Risikoen er reel.
Forskellen til klassisk memory er derfor mindre hype og mere struktur: hvor memory bliver en skuffe med uens noter, forsøger dreaming at samle mønstre til regler, der genbruges. Der ligger værdien. Og faren.
Rapporterede resultater fra tidlige kunder
VentureBeat beskriver tre cases, som er vendor‑/kunderapporterede tal: Harvey, et juridisk AI‑firma, så en cirka 6x stigning i task completion rate efter at have taget dreaming i brug (ifølge VentureBeat). Wisedocs, som laver medicinsk dokumentgennemgang, halverede tiden med outcomes (50 procent, ifølge VentureBeat). Og Netflix bruger multi‑agent orkestrering til at processere logs fra hundredvis af builds samtidig (ifølge VentureBeat). De tal er ikke tredjeparts‑auditerede.
Retningen er logisk: bedre outcome‑definitioner og systematisk genbrug af læring plejer at flytte nålen. Men 6x i én kontekst betyder ikke 6x hos jer. Mål før og efter. Ellers gætter man.
Hvorfor det betyder noget i drift
Tre direkte konsekvenser for implementering. For det første bliver validerings‑pipelines obligatoriske. Når agenten selv skriver playbooks, skal der være tests for regression, en klar proces for promovering og sporbar logging af, hvad der ændrede adfærden, hvornår og hvorfor.
For det andet får compute‑budgetter en ny post. Dreaming er batch‑analyse af sessioner og memory, som kører jævnligt og påvirker både regningen og latency, hvis man lægger det tæt på realtid. For det tredje governance: når agenter kuraterer viden på tværs af teams og projekter, skal dataveje og formål være dokumenteret, samtykker være på plads, og ændringer kunne forklares for audit og ledelse – ikke med poesi, men med logs.
Risici og åbne spørgsmål
Fire huller står åbne. Forstærkede fejl: en misforstået edge case kan blive en “regel”. Databeskyttelse: hvordan håndteres PII og følsomme felter i noter og playbooks i sundhed og finans. Traceability: hvor nemt er rollback i praksis, og er der versionsstandard. Compute‑omkostninger: hvor ofte bør man køre dreaming, og hvad koster det pr. 1.000 sessioner ved skala. VentureBeat gør klart, at artefakterne er læsbare, hvilket hjælper audit, men ikke besvarer algoritmik eller anbefalet menneskelig kuratering i følsomme miljøer.
Der er et mellemrum mellem demo og compliance‑manual. Broen bygges med processer og værktøjer.
Regulatorisk friktion i hverdagen
I EU‑kontekst kræver autonome agentflows typisk ekstra godkendelser og dokumentation, før noget må røre produktion. Det betyder risikovurdering, defineret menneskelig overvågning dér hvor det er påkrævet, og forklarlighed, der kan præsenteres for et audit‑team uden lange tolkninger. Vi har set forløb, der var teknisk klar, men ventede, fordi sporbarhed og rolleadgange ikke stod skarpt på papir. Dreaming kan accelerere læring, men den hurtighed rammer en port – governance‑mappen.
Pointen er ikke, at agenter ikke må arbejde selv. Pointen er, at udrulning kræver iscenesatte menneskelige gates på de rigtige steder, så man bevarer styring, mens man høster tempoet.
Hvad vi har set i felten
Interne, anonymiserede casenoter fra Snilld: I to kundeforløb med agent‑memory (før dreaming) så vi hurtigere svar og færre åbenlyse gentagelsesfejl efter en uge. Vi så også et tilbagevendende fejlmønster, der dukkede op hver tredje dag, fordi en enkelt forkert antagelse havde sat sig fast i noterne. Det tog tyve minutter at spotte i logs, men to uger før det holdt op, fordi flere workflows var afhængige. Det er præcis her, dreaming kan hjælpe – og også her, det kan gå galt, hvis outcome‑signalet ikke er skarpt.
En detalje, der hænger ved: den sagte summen fra køleren i vores lille testrack en mandag aften, mens vi så agenten gentage en forkert validering på tværs af tre sager. Trivielt i det små. Dyrt i skala.
Sådan ville vi rulle dreaming ud i praksis
Start småt: ét workflow, klart outcome, baseline i to uger uden dreaming, derefter aktivering i skema med daglige checks. Menneskelig godkendelse af nye playbooks, indtil regressioner er under en tærskel tre uger i træk. Og en hård rollback‑mekanisme, der kan slå alle nye noter fra på 10 minutter, hvis en indikator går i rødt.
Næste trin er at automatisere evalueringen. Byg en pipeline, der for hver batch af playbooks kører et sæt syntetiske og historiske testcases, måler task completion, tidsforbrug, hallucinationsrate og rollback‑frekvens og sammenligner med baseline. Log alle ændringer med versions‑ID og ansvarlig proces. Tredje trin er skaleret drift: sæt en kadence for dreaming‑jobs, der passer til jeres rytme – måske natligt på hverdage – og få omkostningsgrafen under kontrol, før I ruller bredere ud.
Regnestykke for break‑even
Brug en simpel formel til at afgøre, om dreaming betaler sig for et givent flow: Nettogevinst = (Forbedring i task completion × værdi pr. gennemført opgave) − (Ekstra compute‑omkostning pr. 1.000 sessioner × antal 1.000‑sessioner) − (evt. ekstra reviewtid × timepris).
Eksempel, kun som pejlemærke: Hvis 1.000 sessioner koster 3.000 kr. ekstra med dreaming, I kører 20.000 sessioner om måneden (60.000 kr. ekstra), og hver ekstra gennemført opgave er 75 kr. værd, så kræver break‑even 800 flere gennemførte opgaver pr. måned. Ligger jeres baseline på 16.000 gennemførte opgaver, svarer det til et løft på 5 procent. Rammer I 6‑7 procent stabilt over tre batches, så skaler. Under 5 procent? Justér kadence eller outcomes, før I skruer op.
Tekniske tradeoffs der ikke går væk
Omkostninger vs. forbedring: hvor lavt er gulvet for gevinst, før en dreaming‑kørsel kan betale sig. Latency vs. frisk læring: hvor tæt på realtid tør I lade nye playbooks påvirke produktion. Menneskelig in‑the‑loop vs. skalering: mere godkendelse giver sikkerhed, men også lavere throughput. Eval‑kvalitet: uden skarpe outcomes bliver al læring mudret.
Vi forener autonomi og kontrol sådan her: lad agenten lære, men frigiv kun nye regler efter beståede test og stikprøvekontrol. Autonomi i maskinrummet, menneskelig portvagt ved døren. Det er en faseopdeling, ikke en modsætning.
Konkurrencen kort sat i perspektiv
Google tester Remy som en mere handlende Gemini‑agent ifølge Artificial Intelligence News’ dækning af Business Insider. Fokus ser ud til at være brugerkontrol og integration på tværs af Googles økosystem, ikke kurateret læring via noter og playbooks. Microsoft og OpenAI arbejder også med agent‑flows, men offentlig dokumentation om selvforbedrende loops i produktion er mere spredt. På den baggrund fremstår Anthropics dreaming som en satsning på auditerbar selvforbedring via tekstartefakter frem for sort‑boks‑finetuning (kontekst fra VentureBeat og Anthropics offentlige materiale).
Valget af platform bliver dermed også et valg af styringsfilosofi. Ingen af vejene er gratis.
Tjekliste til beslutningstagere
Før aktivering: afgræns én proces med høj volumen og klare regler. Definér outcomes så en praktikant kan forstå dem – ikke kun data‑teamet. Etablér målepunkter: task completion rate, gennemsnitstid pr. opgave, hallucinationsrate, rollback‑frekvens og en simpel kundetilfredshed før/efter.
Opsæt governance. Versionsstyr alle playbooks, log alle ændringer, adskil miljøer. Aftal, hvornår menneskelig godkendelse er et krav, og hvornår den kan være stikprøve. Hav en plan for datasikkerhed: PII‑redaktion i noter, retention‑politikker, adgangskontrol og en audit‑trail, der kan præsenteres uden rysten på hånden.
Hvad vi ikke ved endnu
Der mangler detaljer om kurateringen i dreaming: hvilke scoringsmetoder styrer udtræk af mønstre, hvor meget kan man konfigurere, og hvordan prioriteres konflikter mellem playbooks. Der er heller ikke offentlige tredjeparts‑audits af Harvey‑, Wisedocs‑ eller Netflix‑casene, så tal bør læses som tidlig indikation – ikke endegyldig sandhed (alle tre via VentureBeat). Der er ingen åbne omkostningsmodeller for, hvor dyrt det er at køre dreaming i stor skala med hundredetusindvis af sessioner.
Det ændrer ikke på, at piloter kan give klar læring hurtigt. Byg egne målinger. Hold piloten i snor. Insistér på rollback, hver gang noget nyt rører produktion. Man skal kunne sove roligt – også når agenten drømmer.
Hvad det kræver i organisationen
Tre simple, men hårde krav. Forankring hos en procesejer, der definerer et godt udfald og ikke skifter mening hver fredag. Et data‑team, der kan bygge og drive eval‑pipelines uden nedetid, når nogen holder ferie. Og et driftsteam, der kan forklare ændringer for brugere og ledelse i hverdagssprog.
Vi sad under præsentationen og overvejede, hvor meget man kan overlade til agenten uden at tabe kontrol. Svaret er nok: mindre end man håber – mere end man tør lige nu. Det kræver mod at lade systemer lære af sig selv og disciplin at sige nej, når outcome‑signalet ikke er skarpt.
Konklusion og næste skridt
Anthropics dreaming – sammen med outcomes og multi‑agent orkestrering i public beta – er et skridt mod selvforbedrende agenter, der kan måles og styres. De tidlige effekter, som VentureBeat gengiver fra Harvey (~6x), Wisedocs (50 procent) og Netflix (hundredvis af builds), er lovende, men vendor‑/VentureBeat‑rapporterede og ikke tredjepartsverificerede. Compute og governance bliver de reelle knaster. Den pragmatiske vej frem er at pilotere snævert, måle hårdt og fase menneskelig godkendelse ud der, hvor test og stabilitet bærer. Forskellen mærkes først, når man sidder med det i hænderne.
Appendiks kilder og metode
Primær dækning: VentureBeat “Anthropic introduces ‘dreaming,’ a system that lets AI agents learn from their own mistakes” med citater om dreaming, outcomes og multi‑agent orkestrering, kundetal for Harvey (~6x), Wisedocs (50 procent) og Netflix (“hundreds of builds”), samt Amodeis væksttal (80x annualiseret Q1 2026, ~70x API YoY, 20 timer pr. uge for Claude Code‑udviklere). Produkt‑ og sikkerhedsvinkel bekræftet mod Anthropics offentlige side om Claude, sikkerhed og agentkapabiliteter. Konkurrencekontekst: Artificial Intelligence News’ dækning af Business Insider om Googles Remy‑test. Udsagn mærket som vendor‑/kunderapporterede stammer fra de nævnte virksomheder via VentureBeat og er ikke tredjepartsverificeret. Egne observationer er anonymiserede, interne casenoter fra Snilld og skal læses som praktisk kontekst – ikke som ekstern dokumentation.
