Indledning og relevans for målgruppen

Agentic AI er ikke længere kun et buzzword – det er blevet en reel kampplads for de største aktører i AI-verdenen. I 2025 står Google, OpenAI og Anthropic i frontlinjen med hver deres agent-platforme, der lover at revolutionere automatisering, produktivitet og governance i både offentlige og private organisationer. For danske virksomheder, kommuner og styrelser er det afgørende at forstå, hvordan disse platforme adskiller sig, og hvad de betyder for fremtidens digitale arbejdsgange. Med et marked, hvor 95% af AI-piloter aldrig når produktion, er valget af den rette agent-platform ikke bare et teknisk spørgsmål, men et strategisk valg, der kan afgøre, om AI bliver en succes eller en dyr blindgyde.

Hvorfor skal man så forholde sig til agent-platforme netop nu? Fordi de ikke længere kun handler om at generere tekst, men om at styre komplekse arbejdsgange, integrere med eksisterende systemer og sikre compliance. Det er her, fremtidens digitale medarbejdere bliver født – og hvor konkurrencen om enterprise-markedet for alvor spidser til.

Overblik: De tre store aktører og deres agent-platforme

OpenAI har satset på programmerbarhed og fleksibilitet med Computer-Using Agent (CUA), Responses API og AgentKit. CUA kombinerer GPT-4o-vision og reinforcement learning for at styre GUI’er autonomt, mens Responses API samler chat, værktøjsbrug og multimodalitet i én integrationsoverflade. AgentKit samler byggeklodser til agent-livscyklus og gør det lettere at designe, evaluere og drifte AI-agenter.

Google har med Gemini 2.0, Astra, Vertex AI Agent Builder og Gemini Enterprise valgt en strategi med fokus på governance og integration. Gemini 2.0 er bygget til agentic AI med multimodal I/O og native tool use, mens Vertex AI Agent Builder tilbyder et kontrolplan for at bygge og drifte agenter på GCP. Gemini Enterprise fungerer som en central indgang til at styre, dele og overvåge AI-agenter på tværs af organisationen og integrerer bredt med både Google Workspace og Microsoft 365.

Anthropic: Human-in-the-loop og hurtig prototyping

Anthropic har valgt en human-in-the-loop tilgang med Computer Use og Artifacts. Computer Use muliggør GUI-interaktion via Claude 3.5 Sonnet, men med eksplicit fokus på sikkerhed og brugermediering. Artifacts gør det muligt at bygge og dele små interne apps direkte fra Claude, hvilket fremmer hurtig prototyping og intern innovation uden tung infrastruktur.

Praktiske anvendelser i offentlige og private organisationer

Agent-platformene bruges allerede til at automatisere administrative opgaver som sagsbehandling, dokumenthåndtering og kundeservice. I kommuner ser vi eksempler på automatiseret indtastning i ESDH-systemer, mens regioner eksperimenterer med AI-assisteret triage og rapportgenerering. Private virksomheder bruger agenter til at håndtere CRM-opdateringer, automatisere fakturering og integrere med ERP-systemer.

En dansk kommune har fx testet OpenAIs CUA til at automatisere indtastning i legacy-systemer, mens en større nordisk bank har arbejdet med Google Gemini Enterprise for at sikre governance og compliance i automatiserede kundeserviceflows. Anthropic har fundet fodfæste i mindre organisationer, hvor hurtig prototyping og brugerinvolvering er afgørende for at få AI-projekter fra idé til drift.

Datasikkerhed, compliance og governance

Datasikkerhed og compliance er kritiske parametre. Google skiller sig ud med centraliseret governance i Gemini Enterprise, hvor politikker, logging og adgangsstyring kan håndteres på tværs af hele agent-flåden. OpenAI tilbyder en mere fleksibel, men også mere krævende tilgang, hvor organisationen selv skal stå for policy-implementering og overvågning. Anthropic prioriterer sikkerhed gennem human-in-the-loop og eksplicit policy-framing, hvilket gør det lettere at kontrollere, hvilke handlinger agenter må udføre.

Alle tre platforme tilbyder audit logs og muligheder for sporbarhed, men graden af automatisering og brugervenlighed varierer. For organisationer med høje krav til compliance og dokumentation, kan Googles model være mest attraktiv, mens mindre organisationer kan foretrække Anthropics mere manuelle, men overskuelige tilgang.

Integration og robusthed

Integration med eksisterende systemer som ERP, ESDH og CRM er et afgørende konkurrenceparameter. Google har med Vertex AI Agent Builder og Gemini Enterprise stærke integrationsmuligheder til både Google og Microsofts økosystemer samt tredjepartsapplikationer som Salesforce og SAP. OpenAI tilbyder stor fleksibilitet via Responses API og AgentKit, men kræver ofte mere udviklerarbejde. Anthropic satser på hurtig integration via Artifacts, men med begrænset dybde i integrationsmulighederne.

Robusthed og fejlhåndtering er fortsat udfordringer for alle platforme. OSWorld-benchmarket viser, at GUI-agenter ofte fejler ved DOM-ændringer og tab af fokus. OpenAI og Anthropic anbefaler derfor at bygge retries og manuelle tjek ind i workflows. Google har investeret i automatiseret fejlhåndtering og central overvågning, men ingen platform er endnu fejlfri i praksis.

Benchmarks og evaluering

Valg af platform bør baseres på relevante benchmarks. BFCL V4 måler evnen til funktion- og værktøjskald, mens OSWorld tester reelle desktop-opgaver på tværs af operativsystemer. τ-Bench og τ²-Bench simulerer komplekse dialoger og multi-agent workflows, og SWE-Bench Pro tester software engineering-assistenter på realistiske opgaver.

OpenAI klarer sig stærkt på reasoning og værktøjsintegration, men kæmper med robusthed i GUI-automatisering. Google scorer højt på governance og integration, men kan føles tung i små, agile projekter. Anthropic er stærk på hurtig prototyping og brugerinvolvering, men har endnu ikke samme dybde i enterprise-funktionalitet.

Forretningsværdi og ROI

Business cases spænder fra automatisering af kundeservice og sagsbehandling til drift og rapportering. En kommune har reduceret sagsbehandlingstiden med 30% via agent-automatisering, mens en stor virksomhed har opnået 20% besparelse på kundeservice ved at integrere AI-agenter med CRM. Vejen fra proof-of-concept til drift kræver dog fokus på robusthed, governance og løbende evaluering.

De største faldgruber er manglende integration, overvurdering af agenters robusthed og undervurdering af governance-behov. Best practice er at starte småt, måle effekter løbende og sikre, at både it og forretning er involveret i design og drift.

Sammenligning og valg af platform

OpenAI tilbyder maksimal fleksibilitet og kontrol, men kræver stærke udviklerkompetencer og egen governance. Google leverer centraliseret styring og integration, ideelt til store organisationer med komplekse compliance-krav. Anthropic er bedst til hurtig innovation og brugerstyrede workflows, men har begrænsninger på enterprise-skala.

Kriterier for valg bør inkludere: integrationsbehov, governance-krav, udviklerressourcer, brugerinvolvering og ønsket time-to-market. Ingen platform er bedst til alt – det handler om at matche organisationens behov med platformens styrker.

Perspektiv og fremtid

Tendenserne peger mod øget fokus på governance, automatisering af stadig mere komplekse opgaver og tættere integration med eksisterende it-landskaber. Forvent, at agent-platformene bliver mere selvkørende, men at behovet for menneskelig kontrol og løbende evaluering ikke forsvinder. De næste 2-3 år vil sandsynligvis byde på flere standarder for agent-governance og stærkere værktøjer til audit og compliance.

Organisationer bør være opmærksomme på, at AI ikke er plug-and-play. Det kræver løbende investering i kompetencer, integration og governance at få reel forretningsværdi ud af agentic AI.

Konklusion og anbefalinger

Kampen om agentic AI-platformene er i fuld gang – og valget af platform kan få stor betydning for både effektivitet, compliance og innovation. Vores anbefalinger til beslutningstagere og it-ledere er:

• Start med en grundig behovsanalyse og vælg platform ud fra governance, integrationsmuligheder og udviklerressourcer.
• Test platformene på egne use cases og brug relevante benchmarks som OSWorld og BFCL.
• Inddrag både it og forretning i design og drift af agent-løsninger.
• Forvent, at robusthed og governance kræver løbende opmærksomhed – og at AI ikke er en engangs-investering.

Hos Snilld hjælper vi organisationer med at navigere i AI-platformjunglen, så I kan vælge den løsning, der skaber reel værdi – ikke bare på papiret, men i praksis.

Kilder:

• https://www.marktechpost.com/2025/10/25/google-vs-openai-vs-anthropic-the-agentic-ai-arms-race-breakdown/
• https://blog.google/technology/google-deepmind/google-gemini-ai-update-december-2024/
• https://www.anthropic.com/news/claude-3-5-sonnet
• https://cloud.google.com/vertex-ai
• https://arxiv.org/html/2507.02825v1

Målgruppens mening om artiklen

Anders Mikkelsen, IT-chef i større kommune:

Jeg giver artiklen 92. Den rammer virkelig plet ift. de udfordringer og overvejelser, vi står med i det offentlige. Især afsnittene om governance, integration med ESDH og compliance er spot on. Jeg kunne dog godt have ønsket lidt mere om konkrete erfaringer fra andre kommuner – men alt i alt meget relevant.

Louise Sørensen, Digitaliseringskonsulent i region:

Jeg giver den 85. Artiklen er meget informativ og dækker de vigtigste platforme og problemstillinger. Jeg savner dog lidt mere fokus på sundhedssektoren og konkrete use cases fra regionerne. Men overblikket over benchmarks og forretningsværdi er stærkt.

Jesper Holm, CTO i mellemstor dansk virksomhed:

Jeg giver den 78. Det er en god introduktion, men den bliver lidt for overordnet og kunne godt gå mere i dybden med tekniske integrationsmuligheder og API-detaljer. Jeg synes dog, at sammenligningen mellem platformene er brugbar, især ift. vores egne overvejelser om compliance og integration.

Maria Jensen, AI-projektleder i stor finansiel virksomhed:

Jeg giver artiklen 88. Den er meget relevant for os, især fordi vi arbejder med både OpenAI og Google. Jeg sætter pris på nuancerne omkring governance og compliance, men artiklen kunne godt have haft flere konkrete eksempler fra finanssektoren.

Thomas Bæk, Udvikler og AI-specialist i mindre konsulenthus:

Jeg giver den 82. Det er et solidt overblik, og jeg kan bruge det direkte i dialogen med kunder. Dog bliver det lidt for meget “best practice” og lidt for lidt om de tekniske faldgruber, man reelt møder i praksis, når man bygger og drifter agenter.

*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.