Dell vil have AI-agenter til at udføre arbejdet – ikke bare svare på spørgsmål

Dell Technologies’ budskab på The Six Five Summit: AI Unleashed 2026 var klart: Virksomheders brug af AI er på vej ind i en ny fase. Chatbots bruges typisk til at søge i information, opsummere dokumenter eller skabe indhold. Den næste bølge handler ifølge Dell om agenter, der rent faktisk udfører arbejdet.

Dell oplyste, at virksomheden har skåret omkring 900 mulige AI-projekter ned til 13 initiativer med tydelig forretningsværdi. Samtidig beskrev Dell indledende produktivitetsforbedringer på cirka 20-40 procent. Det er Dells egne tal – ikke en universel branchemåling – men de illustrerer, hvad der ændrer sig, når AI går fra eksperimenter til drift. 1

AI-agenter skal gøre arbejdet – ikke bare besvare spørgsmål

Dell skelner mellem den første generation af generativ AI og såkaldt agentisk AI.

Chatbots og digitale assistenter kan hjælpe medarbejdere med at finde oplysninger i virksomhedens egne data, opsummere dokumenter og producere tekst. En AI-agent er derimod bygget til at digitalisere en proces: Den kan ræsonnere over en opgave, bruge forskellige værktøjer, koordinere flere trin og afslutte arbejdet med mindre direkte menneskelig indblanding. 1

Det er derfor ikke kun selve AI-modellen, der skal ændres. Ifølge Dell kræver AI-agenter i produktion også nye løsninger inden for infrastruktur, styring, sikkerhed og organisering. Det strategiske mål er at mindske sammenhængen mellem, hvor meget arbejde en virksomhed kan udføre, og hvor mange menneskelige ressourcer den råder over. 1

Tre konkrete områder: CRM, kode og priser

Dell siger, at virksomheden har arbejdet med agenter i omkring to år og taget dem i brug i driften i løbet af det seneste år. Blandt de nævnte anvendelser er:

• Oprydning i CRM-data: Agenter kan håndtere gentagne opgaver med datakvalitet på tværs af kundeoplysninger.
• Softwareudvikling: Agenter kan hjælpe med rutinepræget kodning, annoteringer og dele af koordineringen i CI/CD-forløb.
• Særlige priser: Agenter kan understøtte arbejdsgange, hvor hurtig behandling og ensartet anvendelse af regler er vigtigt. 1

Eksemplerne er langt fra billedet af en fuldt autonom virksomhed. Til gengæld viser de, hvorfor selve processen er afgørende. En vellykket implementering er ikke bare en sprogmodel, der er lagt ind i et eksisterende program. Det er en automatiseret arbejdsgang med klare input, værktøjer, tilladelser og resultater.

Hvorfor blev 900 projekter til 13?

Dell oplyste, at omkring 900 mulige AI-projekter blev reduceret til cirka 13 fokuserede initiativer. De blev udvalgt på baggrund af en tydelig forretningsværdi og prioriteret centralt i organisationen. 1

Det afspejler en praktisk erfaring fra mange AI-programmer: En lang liste af eksperimenter skaber ikke nødvendigvis en konkurrencefordel. Dells argument er, at virksomheder bør koncentrere ressourcerne om arbejdsgange, hvor resultatet kan måles – og derefter opbygge den infrastruktur og de kontrolmekanismer, der skal til for at drive dem stabilt.

Dell tilskrev målrettede assistenter indledende produktivitetsforbedringer på cirka 20-40 procent og sagde, at gevinsterne kan blive væsentligt større, når agenter overtager hele kategorier af arbejde. Virksomheden hævdede også, at det fokuserede program har bidraget til at løsne forbindelsen mellem omsætningsvækst og omkostningsstruktur. Det er virksomhedens egne resultater og bør ikke opfattes som en garanti for andre implementeringer. 1

»Agent washing« gør forskellene uklare

Dell-chefen John Roese advarede mod at kalde enhver AI-funktion for en autonom agent. I Dells forståelse opstår agent washing, når chatbots, begrænsede assistenter og systemer med reel autonom udførelse beskrives, som om de var det samme. 1

En praktisk skelnen ser sådan ud:

• Chatbot: Svarer på en prompt og leverer typisk information eller indhold.
• Målrettet assistent: Forbedrer en afgrænset opgave, mens et menneske fortsat er tæt involveret.
• Autonom agent: Kan planlægge, kalde værktøjer, koordinere handlinger og gennemføre en arbejdsgang med betydeligt mindre direkte overvågning. 1

Forskellen er vigtig, fordi større autonomi også øger risikoen. Et forkert resumé kan rettes. En agent med adgang til virksomhedens systemer kan derimod ændre poster, udløse efterfølgende handlinger eller komme til at eksponere følsomme oplysninger.

AI-agenter ændrer kravene til infrastrukturen

Marvells administrerende direktør Matt Murphy sagde, at AI-inferens i produktion stiller andre krav til infrastrukturen end traditionelle træningsopgaver. Agenter kan have brug for at bevare arbejdsgangens tilstand gennem såkaldte key-value-caches på tværs af gentagne modelkald, lange kontekster og flertrinsforløb med flere agenter. Derfor kan hukommelseskapacitet og båndbredde blive flaskehalse, før rå beregningskraft bliver det største problem. 1

Murphy fremhævede også CPU’ens voksende betydning. AI-agenter skal orkestrere forgreninger, informationssøgning, værktøjskald, isoleret programafvikling og koordinering mellem agenter. Ifølge diskussionen kan forholdet mellem CPU’er og GPU’er derfor bevæge sig fra cirka 8-16:1 i traditionel AI til omkring 1-2:1 i agentiske arbejdsbelastninger. 1

For købere betyder det, at en agentplatform ikke kun bør vurderes på modellens kvalitet eller antallet af GPU’er. Hukommelse, netværk, CPU-orkestrering, overvågning og omkostningerne ved gentagne inferenskald er også afgørende for, om en løsning kan betale sig i drift.

Én arkitektur passer ikke til alle agenter

Dell argumenterede imod en »monokultur« med én model eller én placering. I stedet beskrev virksomheden en kombination af muligheder: åbne modeller lokalt, frontier-modeller hostet af Dell, kontrollerede virtuelle private clouds, eksterne API’er og modeller, der kører på enheder. Valget bør afhænge af ydeevne, compliance, funktionalitet og pris. 1

Økonomien afhænger også af den konkrete opgave. En agent, der hjælper ledelsen med beslutninger, kan retfærdiggøre en høj månedlig udgift. En CRM-agent, der behandler store datamængder, skal derimod have meget lave omkostninger pr. post – i diskussionen blev et niveau under cirka 0,50 dollar nævnt. 1

Det bedre spørgsmål er derfor ikke nødvendigvis: »Hvilken model er bedst?« Virksomheder bør i stedet spørge, hvilken model, driftsform og grad af autonomi der kan levere det ønskede resultat til en acceptabel pris og risiko.

Digital identitet bliver kontrolpunktet

Dell siger, at alle autonome agenter, der får adgang til virksomhedens data – internt eller eksternt – bør have en digital identitet udstedt af Dell. Identiteten skal gøre det muligt at styre adgangen detaljeret og hurtigt tilbagekalde den som en praktisk nødafbryder. 1

Sikkerhedsopgaven bliver vanskeligere, når agenter ikke blot arver en brugers identitet. En agent, der arbejder på vegne af en bestemt medarbejder, bruger medarbejderens legitimationsoplysninger. En headless-agent arbejder mere selvstændigt, hvilket gør det sværere at fastslå ansvar, tildele rettigheder og styre agentens livscyklus. Ifølge diskussionen forventede Dell, at headless-agenter vil udgøre omkring 70 procent af fremtidige implementeringer. 2

Dell pegede desuden på protokoller til kommunikation mellem agenter og mellem agenter og værktøjer samt på beredskab til postkvantekryptografi som dele af den sikkerhedsmodel, der kræves for autonom AI i produktion. 1

Den overordnede pointe er, at en agent bør behandles som en softwareidentitet med en ansvarlig ejer, et afgrænset arbejdsområde, en revisionslog og en tydelig mulighed for at lukke adgangen – ikke som en usynlig udvidelse af en chatbot.

Job bliver opdelt i opgaver

Dell oplyste, at virksomheden har analyseret 6.800 job ved at dele arbejdet op i blandt andet produktivitet, datavedligeholdelse, koordinering, ekspertopgaver og menneskekontakt. Konklusionen var, at agenter snarere vil fjerne dele af roller end automatisk at eliminere hele stillinger. 1

Inden for softwareudvikling kan agenter eksempelvis håndtere rutinepræget kodning, annoteringer og dele af koordineringen i leveringsprocessen. Mennesker kan i højere grad koncentrere sig om arkitektur, krav, vurderinger og kundekontakt. 1

Det betyder ikke, at job forbliver uændrede. Dells argument er, at alle job vil blive formet på ny, efterhånden som opgaver, der egner sig til automatisering, trækkes ud, og medarbejdere bevæger sig mod ansvar, der i højere grad kræver ekspertise, kontekst, dømmekraft og menneskelige relationer.

Den afgørende test for AI-agenter

Dells position kan koges ned til en krævende test: Et projekt med agentisk AI er først klar til produktion, når det har et målbart forretningsresultat, en tydeligt afgrænset arbejdsgang, en bæredygtig økonomi samt kontrol med identitet, adgang og håndtering af fejl.

Skiftet fra 900 muligheder til 13 initiativer opsummerer strategien. Agentisk AI er ikke blot en mere samtalevenlig brugerflade. Det er en driftsmodel, hvor software udfører arbejde – og hvor infrastruktur, sikkerhed og jobdesign skal udvikle sig sammen med modellerne.