Microsofts AI-råd: Gør arbejdsgangene enklere, før agenterne sættes i gang

Microsofts Becoming a Frontier Firm-playbook har et klart hovedbudskab: At indføre AI-agenter er en ændring af driftsmodellen, ikke en almindelig softwareudrulning. Med afsæt i hundredvis af interne transformationsforløb argumenterer Microsoft for, at arbejdet først skal gøres synligt, enklere og styrbart, før agenter kan få ansvar for dele af det. Effekten bør måles på eksempelvis kvalitet, hastighed, risiko, omsætning og kundeværdi – ikke på antallet af tildelte licenser eller sendte prompts. 12

Start med arbejdsgangen – ikke med AI-værktøjet

Det første skridt er ifølge Microsoft at forstå, hvordan arbejdet faktisk udføres. Det indebærer at kortlægge processen fra ende til anden, finde overleveringer og undtagelser, tydeliggøre beslutninger og identificere de data og systemer, medarbejderne er afhængige af. Ellers risikerer virksomheden at automatisere en uensartet eller lavværdiskabende proces frem for at forbedre den. 12

Microsoft sammenfatter princippet som "lean før agenter". Før en agent får ansvar, bør organisationen:

• forenkle og standardisere den bagvedliggende proces;
• fjerne unødige godkendelser, dobbeltarbejde og overleveringer;
• etablere brugbare fælles data og forbindelser til relevante systemer;
• fastlægge adgangskontroller og governance; og
• udtrykkeligt beslutte, hvilke beslutninger, undtagelser og handlinger med højere risiko fortsat skal være menneskeledede. 12

I praksis betyder det, at en agent skal have et afgrænset ansvar i en velbeskrevet arbejdsgang – ikke blot en diffus opgave om at "forbedre produktiviteten".

Tre veje til transformation

Microsoft beskriver tre supplerende tilgange frem for én fast implementeringsvej.

1. Acceleration af roller

Her får prioriterede medarbejderroller adgang til assistenter, prompts, kompetencer og rollespecifikke agenter. Målet er at gøre de stærkeste individuelle AI-brugeres metoder til en gentagelig teamkompetence, understøttet af læring og ledelsespraksis, som gør samarbejdet mellem mennesker og AI til en naturlig del af hverdagen. 1

2. AI-drevet procesredesign

Denne tilgang retter sig mod en hel tværgående arbejdsgang. I stedet for at automatisere en enkelt opgave redesigner virksomheden processen for at mindske ventetid, dobbeltarbejde, spild og opsplittede beslutninger. Det er den tydeligste udgave af playbookens pointe: AI-værdi afhænger af, hvordan arbejdet organiseres. 12

3. AI-først-muligheder

Små teams med høj ekspertise får her plads til at udvikle et produkt, en tjeneste eller en arbejdsmetode, hvor AI er tænkt ind fra begyndelsen. Vejen indebærer større usikkerhed, men kan afdække arbejdsformer og produktmuligheder, som gradvis automatisering ellers ville overse. 1

Giv agenter mere selvstændighed – trin for trin

Playbooken betragter ikke autonomi som et enten-eller. I stedet beskrives en udvikling, hvor mennesker bevarer ansvaret, mens agenter gradvist overtager mere klart defineret arbejde:

1. Menneske med AI-assistent: AI udarbejder udkast, opsummerer, analyserer og understøtter den menneskelige vurdering.
2. Menneske-agent-teams: Agenter udfører fastlagte opgaver eller beslutninger inden for kontroller, eskalationsveje og tilsyn.
3. Menneskeledede, agentdrevne arbejdsgange: Agenter håndterer en stor del af det operationelle forløb, mens mennesker sætter retning, håndterer undtagelser, validerer resultater og fortsat står til ansvar. 1

Niveauerne er ikke nødvendigvis en rigid modenhedstrapppe. Den samme organisation kan bruge forskellige niveauer i forskellige arbejdsgange, afhængigt af risiko, datagrundlag og konsekvenserne af fejl.

Hvad Microsofts egne eksempler peger på

Microsoft oplyser, at arbejdet i virksomhedens cloud-baserede forsyningskæde begyndte med redesign af arbejdsgange og fælles grundlag, før det blev skaleret til mere end 111 specialbyggede agenter på tværs af planlægning, indkøb, levering og logistik. Virksomheden rapporterer reduktioner i gennemløbstid på op til 75 % i udvalgte arbejdsgange og siger, at undersøgelser af efterspørgselsplaner gik fra fem til syv dage til få timer. 24

I et andet eksempel lancerede et tværfagligt Copilot Cowork-team på ni personer en første produktversion på 35 dage med en AI-først-tilgang. Microsofts rapporterede læring handler ikke kun om hurtigere udvikling: Ingeniører og produktledere flyttede ind i roller, som virksomheden kalder "meta-engineers" og "meta-PMs". De dirigerede, gennemgik og koordinerede agenternes output, mens de fokuserede på produktvurderinger og systemdesign. 24

I denne forståelse reducerer AI tiden brugt på første udkast, rutinepræget research og jagten på driftsinformation. Menneskers arbejde forskydes mod at definere problemer, designe systemer, validere resultater, håndtere undtagelser, opbygge relationer og udøve faglig dømmekraft. Det kræver AI-kompetencer, tillid, eksperimentering og ændringer i både roller og ledelse – ikke blot adgang til en Copilot-licens. 12

Den varige fordel ligger ifølge Microsoft ikke i modellen

Microsoft vurderer, at grundmodeller i stigende grad bliver udskiftelige. Den forsvarbare fordel skal i stedet findes i det virksomhedsspecifikke: troværdig institutionsviden, styret adgang til data og værktøjer, orkestrering af arbejdsgange, egne definitioner af godt arbejde og evalueringer knyttet til reelle resultater. 15

Virksomheden kalder den efterfølgende feedbacksløjfe for en "hill-climbing machine". Grundideen er at definere det ønskede resultat, evaluere agenternes output, indsamle feedback og fejl, forbedre arbejdsgangen eller agenten og gentage. Fordelen kommer i dette perspektiv mindre af at vælge én bestemt model og mere af løbende at forbedre et system efter organisationens egne standarder og arbejdsformer. 5

Hvad data om virksomhedsagenter viser

Microsofts rapporterede analyse af 40.093 virksomhedsagenter i Copilot Studio på tværs af næsten 2.000 tenants viste, at brugssager for intern medarbejderproduktivitet og brugersupport udgjorde 64,6 % af de implementerede agenter. Analysen pegede også på en bevægelse mod snævrere definerede operationelle anvendelser, herunder teknisk assistance og specialiserede forretningsarbejdsgange. 3

Mønstret understøtter playbookens bredere argument: Brede produktivitetsassistenter kan være et almindeligt startpunkt, men mere betydningsfulde agentimplementeringer vil sandsynligvis kræve klart afgrænsede processer, relevante data, kontrolmekanismer og målbare resultater.

En ramme – ikke en universel facitliste

Grundlaget i playbooken er Microsofts egen rapportering fra interne transformationsforløb og produktøkosystemet. Resultattallene er ikke uafhængigt valideret, og Microsoft beskriver selv playbooken som en tilgang under udvikling – ikke som en foreskrivende løsning eller en garanti for andres resultater. 12

Den mest anvendelige læring er derfor ikke at kopiere Microsofts tal eller organisationsbetegnelser. Det er at afprøve rækkefølgen: Vælg et vigtigt forretningsresultat, gør arbejdsgangen synlig og enklere, skab data- og governancefundamentet, tildel agenter nøje afgrænset arbejde, fasthold menneskeligt ansvar og forbedr systemet gennem målt feedback.