Hvorfor de fleste virksomheder stadig sidder fast i pilotprojekter med agentisk AI

Agentisk AI er ikke længere kun en idé hos mange store virksomheder. Alligevel er en udrulning på tværs af hele organisationen stadig undtagelsen, viser en undersøgelse fra UiPath. Den omfattede 590 ledere på C-niveau og IT-praktikere i private virksomheder med en årlig omsætning på mindst 1 mia. dollar i USA, Storbritannien, Frankrig, Tyskland, Indien og Singapore. Hovedpointen er, at det svære ikke nødvendigvis er at sætte en enkelt AI-agent i gang, men at drive sammenhængende og kontrollerede arbejdsgange i en kompleks virksomhed. 34

AI bruges – men er sjældent fuldt forankret

Kun 31 % af respondenterne svarede, at AI var fuldt integreret i deres forretning. For 35 % var brugen begrænset til udvalgte teams, mens 11 % fortsat gennemførte begrænsede forsøg. 37

Tallene peger på det velkendte spring fra pilotprojekt til drift. En afdeling kan afprøve værdien af en agent i et afgrænset tilfælde. Men ved skalering skal agenten fungere stabilt med virksomhedens data, forretningssystemer, etablerede processer og de medarbejdere, der håndterer undtagelserne.

Tre barrierer står i vejen for skalering

Respondenterne pegede især på tre begrænsninger, når løsninger med agentisk AI skal optimeres:

• Datakvalitet og dataparathed: 38 %
• Integration med eksisterende arbejdsgange og systemer: 37 %
• Governance og compliance: 33 % 14

Det er først og fremmest driftsmæssige og arkitekturmæssige udfordringer. En AI-model kan måske fortolke oplysninger eller foreslå en handling, men en arbejdsgang i produktion kræver også pålidelige input, korrekte adgangsrettigheder, forbindelser til systemer, klart ansvar og en måde at håndtere opgaver, som ikke kan afsluttes automatisk.

Integration er særligt afgørende for virksomheder med ældre it-systemer og processer, der går på tværs af afdelinger. En agent, der fungerer godt i én applikation eller ét team, passer ikke automatisk ind i en sammenhængende proces med flere systemer, overleveringer og godkendelser.

Orkestrering skal binde det hele sammen

UiPath bruger betegnelsen forretningsorkestrering om laget, der forbinder data, systemer, arbejdsgange, mennesker og AI-agenter. I praksis handler det om at koordinere arbejdet i en samlet proces: at sende opgaver til den rette automatisering, agent eller medarbejder, følge fremdriften, anvende kontroller og eskalere undtagelser, når der er behov for menneskelig vurdering. 4

Kun 29 % svarede, at orkestrering var fuldt indført i hele organisationen. I denne gruppe sagde 89 %, at deres implementeringer af agentisk AI havde levet op til eller overgået forventningerne til ROI, altså investeringsafkast. 315

Resultatet er interessant, men bør ikke læses som bevis for, at orkestrering alene skaber et højere afkast. Undersøgelsen er finansieret af en leverandør og bygger på respondenternes egne vurderinger. Virksomheder, der allerede kan indføre orkestrering bredt, kan også have stærkere datagrundlag, mere modne processer, bedre integrationsmuligheder og større ledelsesopbakning. 15

Hybridarbejdsgange er et oplagt anvendelsesområde

Undersøgelsen peger også på potentialet i agentbrug, hvor processer kombinerer forudsigeligt og dynamisk arbejde. UiPath definerer hybridarbejdsgange som en blanding af faste, gentagelige processer og dynamiske opgaver, der afhænger af kontekst. 52 % af de adspurgte ledere oplyste, at sådanne arbejdsgange indgår i deres daglige drift. 10

Her kan agenter supplere deterministisk automatisering frem for at erstatte den. Regelbaserede trin kan håndtere de strukturerede og gentagelige opgaver, mens agenter kan hjælpe med ustruktureret information, skiftende kontekst og opgaver, der kræver vurdering. Men også denne kombination afhænger af et gennemtænkt workflow og klare kontroller.

Det er de praktiske gevinster, virksomhederne efterspørger

De mest fremhævede fordele ved orkestrering var:

• at frigøre medarbejdere til opgaver med højere værdi (51 %),
• at øge integrationen mellem applikationer (47 %), og
• at forbedre overblikket over arbejdsgange (44 %). 4

Prioriteterne understreger undersøgelsens centrale budskab: Virksomheder efterspørger ikke blot mere selvstændig software. De efterspørger en pålidelig måde at koordinere medarbejdere, applikationer, automatisering og AI i forretningsprocesser, som de kan overvåge og styre.

Hvad betyder det for virksomhedernes AI-arbejde?

Undersøgelsen indikerer, at isolerede pilotprojekter er forholdsvis nemme at sætte i gang, mens gentagelig implementering på tværs af virksomheden er langt vanskeligere. Vejen videre kræver mere end at vælge en AI-model eller sætte en enkeltstående agent i drift. Der skal være et fundament for pålidelige data, integration mellem applikationer, procesejerskab, governance, overvågning og eskalering til mennesker.

Det relevante spørgsmål for virksomhedsledere er derfor ikke kun hvor kan en agent hjælpe? Det er også hvordan skal agenten fungere sikkert og målbart i hele arbejdsgangen? Virksomheder, der løser den koordineringsopgave, står bedre rustet til at gøre lovende afdelingsforsøg til tværgående forretningskapaciteter. 4