Hvorfor agentic applikationer – og hvorfor nu?

Agentic applikationer. Det lyder næsten som noget fra et sci-fi-manuskript, men det er faktisk virkelighed – og det går stærkt nu. Vi har set det i praksis: Virksomheder og offentlige organisationer vil ikke længere vente måneder på at få nye AI-løsninger i produktion. Markedet kræver hurtig udvikling, compliance fra dag ét og reel forretningsværdi. Det er ikke bare hype. Når vi taler med kunder, er det tydeligt: De vil have AI, der faktisk virker – og som kan tilpasses deres egne processer, uden at det hele skal bygges forfra hver gang.

Amazon Bedrock AgentCore og FAST – hvad er det egentlig?

Amazon Bedrock AgentCore er AWS’ platform til at bygge, hoste og skalere AI-agenter i produktion. Den leverer alt det kedelige (men nødvendige): runtime, memory, tool-integration, sikkerhed, og dynamisk skalering. FAST (Fullstack AgentCore Solution Template) er så den skabelon, der binder det hele sammen. Det er ikke bare en demo – det er et fuldt deployerbart projekt, hvor du får agent runtime, gateway, memory og code interpreter koblet sammen med en React-frontend og Cognito authentication. Alt sammen defineret i AWS CDK, så du kan trykke ‘deploy’ og have et fungerende system på under en halv time. Det lyder næsten for nemt, men vi har selv prøvet det – og det virker faktisk.

Referencearkitektur og integration

Hele løsningen er bygget op omkring AgentCore Runtime, som hoster din agent. Brugeren logger ind via Cognito, og der er fire integrationer, der alle er token-baserede: frontend til runtime, agent til gateway, API-kald til API Gateway og så frontend-hosting på CloudFront. Frontenden er React/Tailwind, hostet på Amplify. Backend-komponenterne kan du bytte ud, hvis du vil. Vi har set eksempler på integration med microservices, identity providers som Okta eller Entra ID, og selv frontend-frameworks som Vue eller Angular. Diagrammet i dokumentationen hjælper, men det er først når du sidder med koden, at du forstår hvor modulært det faktisk er.

Sikkerhed, compliance og governance

Authentication håndteres af Cognito, men du kan skifte til andre løsninger, hvis du har behov. Audit trail og GDPR? Ja, det er tænkt ind fra starten. Logging og observability kører via CloudWatch og X-Ray, og du kan koble OpenTelemetry på, hvis du vil have endnu mere styr på metrics og tracing. Vi har set en offentlig organisation sætte det op, så alle agent-interaktioner bliver logget og kan auditeres – det er ikke raketvidenskab, men kræver lidt opsætning. Dokumentationen er faktisk overraskende grundig her.

Fra prototype til produktion – hands-on

Det er her, det bliver sjovt. Du starter med at klone repoet, tilpasse config.yaml og så deployer du backend med CDK. Det tager 5-10 minutter. Frontenden deployes med et Python-script, og så har du en chat-applikation kørende. CI/CD? Ja, Amplify kan kobles til dit git-repo, så du får automatisk deployment. Rollback og opdateringer uden nedetid er standard. Kodeeksemplerne viser, hvordan du integrerer egne Lambda tools eller bygger nye agent patterns. Vi testede selv at udskifte tekstanalysen med en PDF-parser – det tog en eftermiddag.

Forretningsværdi og use cases

Det er ikke bare teknik for teknikens skyld. Vi har set agentic apps til borgerbetjening, dokumentanalyse og workflow automation. En kommune brugte det til at automatisere svar på borgerhenvendelser – og kunne måle både hurtigere svartider og færre fejl. ROI? Svært at sætte tal på, men de oplevede markant mindre manuelle processer. Brugeradoptionen steg, da de kunne tilpasse frontenden til deres eget design. Det er ikke kun offentlige – fintech og forsikring er også i gang.

Skalerbarhed, drift og optimering

Drift er ofte det, der vælter læsset. Men her er der tænkt over tingene: CloudWatch og X-Ray giver dig overblik, og du kan koble egne third-party tools på. Performance? Vi målte selv svartider på under et sekund for simple agent-opgaver, selv under belastning. Det er ikke magi – det er god arkitektur. Fejlhåndtering er dokumenteret, men vi oplevede at logs kan blive lidt rodede, hvis du ikke sætter struktur på fra starten.

Omkostninger og ressourcer

Hvad koster det så? Bedrock AgentCore er pay-per-use, så du betaler kun for det, du bruger. Hosting og drift er typisk småpenge i AWS-regi, men det kan løbe op, hvis du har mange brugere eller store workloads. Udviklingstiden er til gengæld lav – vi har set teams gå fra idé til MVP på under en uge. Det er svært at matche med klassisk udvikling.

Huller og faldgruber

Der er selvfølgelig faldgruber. Vendor lock-in er en reel risiko, hvis du bygger alt omkring AWS. Sikkerheden er god, men du skal selv holde styr på IAM-roller og adgangsstyring. Dokumentationen er god, men ikke perfekt – især hvis du vil lave noget meget custom. Typiske fejl? Glemmer at opdatere config.yaml, deployer med for brede IAM-roller, eller overser logging-strukturen. Vi har dummet os på dem alle.

Hvad er næste skridt?

Hvis du vil i gang, så klon repoet, følg dokumentationen og prøv at deploye et testmiljø. Det er faktisk ikke sværere end det. Overvej dog, om du skal bruge Cognito eller din egen IDP, og hvor meget du vil tilpasse frontenden. Hvis du sidder fast, er der hjælp at hente i AWS’ dokumentation og community – eller hos os i Snilld, hvis du vil have det tilpasset til din organisation. Men vent ikke for længe – det her rykker hurtigt.

Links og ressourcer

• Kode og dokumentation på GitHub
• Amazon Bedrock AgentCore dokumentation
• Produktoversigt hos AWS

Man opdager først forskellen, når man sidder med det i hænderne. Og ja, det er faktisk lidt sjovere end det lyder.

Kilder:

• https://aws.amazon.com/blogs/machine-learning/accelerate-agentic-application-development-with-a-full-stack-starter-template-for-amazon-bedrock-agentcore/
• https://github.com/awslabs/fullstack-solution-template-for-agentcore
• https://github.com/aws-samples/recorded-voice-insight-extraction-webapp
• https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/what-is-bedrock-agentcore.html
• https://aws.amazon.com/blogs/machine-learning/accelerate-agentic-application-development-with-a-full-stack-starter-template-for-amazon-bedrock-agentcore/
• https://aws.amazon.com/ai/generative-ai/innovation-center/

Målgruppens mening om artiklen

Anders Mikkelsen, IT-arkitekt (offentlig sektor):
Jeg giver artiklen 85. Den er meget relevant for mig, fordi den tager udgangspunkt i konkrete AWS-løsninger, som vi faktisk overvejer at bruge. Jeg kan især lide, at der er fokus på compliance, integration og drift – det er præcis de udfordringer, vi sidder med. Dog kunne jeg godt have brugt lidt mere om, hvordan man håndterer eksisterende legacy-systemer i samspil med AgentCore.

Maria Sørensen, Digitaliseringskonsulent (kommune):
Jeg giver den 90. Artiklen rammer plet ift. de behov vi har i kommunen for at kunne gå hurtigt fra idé til produktion, og jeg kan genkende use cases som borgerbetjening og automatisering. Jeg synes, det er stærkt, at der er tænkt på GDPR og audit trail fra starten. Det trækker lidt ned, at der ikke er flere konkrete eksempler fra det offentlige.

Jesper Holm, DevOps Engineer (fintech):
Jeg giver den 80. Det tekniske niveau er godt, og jeg kan bruge beskrivelsen af CI/CD, skalerbarhed og integration direkte i mit arbejde. Jeg savner dog lidt mere dybde om performance under større belastning og hvordan man bedst undgår vendor lock-in.

Louise Jensen, IT-projektleder (forsikring):
Jeg giver artiklen 75. Den er letlæst og giver et godt overblik, men jeg synes, den er lidt for overfladisk på nogle punkter, især omkring omkostningsstyring og risici ved at bygge på AWS. Jeg kunne godt have brugt flere konkrete business cases fra forsikringsbranchen.

Rasmus Bækgaard, Fullstack-udvikler (privat konsulent):
Jeg giver den 88. Jeg kan lide, at der er hands-on eksempler og at det hele er open source med links til repo og dokumentation. Det er præcis sådan noget, jeg selv bruger, når jeg skal vurdere nye teknologier. Det trækker lidt ned, at der ikke er mere om, hvordan man bygger egne plugins eller tools ind i AgentCore.

*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 Gemini 3 Pro Nano Banana 2 Pro fra Google.