Raise 2025: Hvordan kunstig intelligens-agenter transformerer forretningsdrift

I en stadig mer digitalisert verden fortsetter kunstig intelligens (KI) å omdefinere måten bedrifter opererer på. Raise Paris 2025-toppmøtet illustrerte denne transformasjonen med sesjonen «Kode, kopiere, erobre: Hvordan KI-agenter omdefinerer foretak», som samlet bransjeledere for å utforske de virkelige bruksområdene til KI-agenter i organisasjoner. Mens noen selskaper er i forkant av denne revolusjonen, er andre midt i strategisk tenkning om hvordan de kan integrere disse automatiseringsverktøyene samtidig som de sikrer menneskelig samarbeid. Hva er implikasjonene for fremtidens arbeid?

Tilstanden til KI-agenter i næringslivet: Utfordringer og realiteter

Implementeringen av kunstig intelligens-agenter i næringslivet reiser viktige spørsmål om deres effektivitet og integrering i forretningsprosesser. Under Raise Summit-sesjonen diskuterte eksperter som Adrian McDermott fra Zendesk og Sara Maldon fra Make de grunnleggende forskjellene mellom automatiserte assistenter, prosessautomatisering (RPA) og ekte KI-agenter. Sistnevnte er definert av deres evne til å utføre oppgaver autonomt takket være en kognitiv komponent, kontekstuell hukommelse og verktøy for å handle uten mellomliggende instruksjoner.

For å illustrere disse forskjellene: Automatiserte assistenter:
Fleksible og enkle, nyttige for repeterende oppgaver. RPA:
Prosessautomatisering, men med begrensninger i beslutningstaking. AI-agenter:

Ekte autonome enheter som er i stand til proaktivt å håndtere mål.

Veien til full autonomi er imidlertid full av utfordringer. Ifølge McDermott er «veien til full autonomi en gradvis eskalering av risiko.» Dette reiser organisatoriske utfordringer, spesielt når det gjelder systemintegrasjon og håndtering av menneskelig interaksjon. Bruken av AI-agenter resulterer i et eksponentielt økende volum av kundeinteraksjoner, noe som krever nøye oppmerksomhet på utvikling av infrastrukturer som er i stand til å håndtere denne kompleksiteten.

Utfordringer med integrering av AI-agenter	Det er sett betydelig fremgang i konkrete tilfeller i selskaper. For eksempel fremhevet SAPs Jan Bungert erfaringene til et stort tysk industrikonsern, der en AI-agent bidro til å erstatte mer enn 300 manuelle arbeidsflyter. Denne typen suksess demonstrerer potensialet til AI-agenter for å optimalisere prosesser, men det er fortsatt barrierer for skalering. Hindringer for industrialisering
Vurderte løsninger	Systemfragmentering
Utvikle en enhetlig infrastruktur	Dataheterogenitet
Datastandardisering og -rensing	Mangel på prosessdokumentasjon
Implementering av beste dokumentasjonspraksis	Tradisjonelt arbeidsmiljø

Opplæring og bevissthet blant ansatte

Tallene taler for seg selv: ifølge S&P Global vil 42 % av bedriftens AI-prosjekter innen 2024 ha blitt stoppet på grunn av disse utfordringene. For å komme videre med denne dynamikken må bedrifter kombinere teknologisk innovasjon med tilpasning av menneskelige ressurser.

Organisasjonstransformasjon: Å tenke nytt om arbeid med AI-agenter

Innføringen av kunstig intelligens-agenter markerer en sann gjenoppfinnelse av arbeidsmetoder. Salesforces Betty Junod understreker at problemet ikke bare er et spørsmål om teknologi, men en kulturell og operasjonell transformasjon. «Å introdusere en AI-agent handler ikke bare om å automatisere en prosess: det handler om å tenke nytt om hvordan arbeid utføres», sier hun.

Denne tilnærmingen innebærer dyptgripende endringer i operative team, HR og toppledelse. Bedrifter må sørge for at integreringen av disse agentene ikke skaper motstand, men fremmer en samarbeidsdynamikk. Bekymringer om tap av arbeidsplasser blir ofte reist, men eksperter beveger seg mot et mer nyansert syn på omstrukturering av arbeid.

Fordel roller og ansvar
Innen kundeservice kan for eksempel AI-agenter håndtere enkle forespørsler, mens menneskelige rådgivere fokuserer på mer komplekse saker. Denne typen samarbeid sikrer økt kundetilfredshet uten at det går på bekostning av tjenestekvaliteten. Fordeler med å bruke AI-agenter:
Reduserte driftskostnader.
Økt produktivitet.

Forbedret brukeropplevelse.

Frigjør tid for menneskelige team til å fokusere på oppgaver med høy verdi.

Dette skiftet i ansvar er også synlig i programvareutviklingsteam, der kodeassistenter øker produktiviteten samtidig som de opprettholder behovet for menneskelig gjennomgang. I finanssektoren er automatiseringen av KYC (Know Your Customer)-prosessen et konkret eksempel på hvordan flere AI-agenter kan koordinere for å optimalisere menneskelige ferdigheter. Denne dynamikken lar beslutningstakere fokusere på strategiske spørsmål snarere enn administrative byrder.

Ser fremover: Mot en æra med AI-transformasjon
Adrian McDermott setter dette definerende øyeblikket i den digitale utviklingen av bedrifter i perspektiv ved å hevde at vi går inn i en ny æra. Etter femten år med skytransformasjon må bedrifter nå omfavne AI-drevet transformasjon. Denne fremtiden er ikke begrenset til teknologiske innovasjoner, men krever også nye ledelsesmessige tilnærminger og etablering av nye roller. Nye jobber drevet av AI
Behovet for å finne opp nye roller – AI-agentarkitekter, automatiseringsledere – blir stadig viktigere etter hvert som bedrifter omdefinerer sine interne strukturer. Dette skiftet skaper tverrfaglige team som er i stand til å samhandle med ulike teknologier og skape synergier.

Virkningsområder for AI-agenter:

Programvareutvikling.
Kundesupport.	Backoffice-funksjoner (personal, finans, drift).Markedsføring og salgsfremmende tiltak. Forskning og utvikling. AI-agenter kan veilede salgsteam og legge til rette for onboarding, samtidig som de gir verdifull støtte til vitenskapelig forskning. Som Sarah Maldon påpeker, er det viktig å omdefinere oppgaver og verktøy for å tilpasse seg dette nye arbeidsmiljøet. Dette betyr ikke nødvendigvis å redusere bemanningen, men snarere å transformere eksisterende jobber. Infrastrukturen som trengs for en vellykket digital transformasjon
For at denne transformasjonen skal lykkes, må flere grunnleggende elementer være på plass. En enhetlig sky- og datainfrastruktur er avgjørende. I denne digitale tidsalderen må det også tas i bruk en brukstilfelleorientert tilnærming for å sikre effektive integrasjoner.
Forutsetninger for vellykket integrering av AI-agenter	Anbefalte tiltak
Enhetlig sky- og datainfrastruktur	Invester i løsninger som Google Cloud, Oracle eller Microsoft.

Brukstilfelleorientert tilnærming Start med pilotprosjekter (POC-er) for å validere potensialet til AI-agenter. ForretningsengasjementOpplær og øk ansattes bevissthet om bruken av AI-agenter. Kontinuerlig ferdighetsutviklingUtvikle opplæringsprogrammer skreddersydd for nye roller. Disse grunnlagene vil gjøre det mulig for bedrifter å fullt ut utnytte løftet om kunstig intelligens-agenter. Ved å kombinere teknologiske og menneskelige styrker, fremstår fremtidens arbeidsliv som en kontekst der innovasjon rimer på samarbeid. Markedsledere som SAP, Salesforce, C3.ai og DataRobot leder an i å bygge bærekraftige driftsmodeller basert på intelligente allianser mellom mennesker og maskiner.