Agentisk AI er nået til PoC – men ikke til fuld skala

UiPaths undersøgelse fra september 2026 blandt omkring 600 it-praktikere og ledere i virksomheder med mindst 1 mia. dollar i omsætning peger på en tydelig kløft: Mange virksomheder har bevist, at en AI-agent kan løse en konkret opgave, men langt færre har gjort teknologien til en gentagelig kapacitet på tværs af forretningen. UiPath kalder situationen for en slags »pilot-skærsild«. 418

Undersøgelsen er finansieret af UiPath, og resultaterne bygger på respondenternes egne vurderinger. Oplysningerne om investeringsafkast, ROI, er derfor ikke en uafhængig måling af effekten. Men svarene peger klart på, hvor udrulningen går i stå: data, integration og styring.

AI bruges allerede – men ikke ensartet

31 % af de adspurgte sagde, at AI var fuldt integreret i deres virksomhed. 35 % anvendte AI i begrænset omfang, mens 11 % fortsat befandt sig i en pilot- eller eksperimentfase. 3

Det betyder ikke nødvendigvis, at alle andre virksomheder helt har fravalgt AI. Det viser snarere, at en bred, driftsmæssig forankring stadig er mindre udbredt end afgrænsede løsninger. UiPaths hovedpointe er, at virksomhederne ofte har et indledende proof of concept, PoC, for agentiske løsninger, men har svært ved at opskalere og dokumentere et væsentligt afkast. 18

Tre barrierer står i vejen for skalering

På spørgsmålet om udfordringer ved at optimere udrulningen pegede respondenterne især på:

• Datakvalitet og dataparathed: 38 %
• Integration med eksisterende arbejdsgange og systemer: 37 %
• Governance og compliance: 33 % 18

Det forklarer, hvorfor en vellykket demonstration ikke er det samme som drift i fuld produktion. En pilot kan være afgrænset til én opgave, en lille brugergruppe og få systemforbindelser. I den daglige drift skal løsningen derimod fungere på tværs af systemer, teams og kontroller.

TechTarget fremhæver samme skel: En demo kan vise, at en agent kan løse en opgave under kontrollerede forhold. Den beviser ikke, at virksomheden har styr på data, sikkerhed, workflowdesign, måling af forretningsværdi og den driftsmodel, der kræves for at bruge løsningen gentagne gange i hele organisationen. 21

Orkestrering skal binde processen sammen

UiPath bruger begrebet forretningsorkestrering om et koordinerende lag, der samler mennesker, applikationer, data, automatisering og AI-agenter i en forretningsproces. Målet er, at delene arbejder som ét styret forløb fra ende til anden frem for som løsrevne værktøjer. UiPaths egen produktbeskrivelse omfatter koordinering af agenter, robotter, mennesker, applikationer og data på tværs af virksomhedens processer. 14

I praksis handler orkestrering om at afgøre, hvad næste trin i en arbejdsgang er, hvilket system eller hvilken medarbejder der skal håndtere det, hvornår et menneske skal godkende, og hvordan arbejdet overvåges og styres. Det bliver særligt vigtigt, når agenternes handlinger griber ind i eksisterende systemer og godkendelsesveje.

Kun 29 % af respondenterne havde orkestrering fuldt integreret i deres arbejdsgange. Blandt dem sagde 89 %, at deres implementeringer af agentisk AI enten levede op til eller oversteg forventningerne til ROI. 5

Det er en tydelig sammenhæng i undersøgelsen, men ikke et bevis på årsag og virkning. Virksomheder med moden orkestrering kan også have stærkere datagrundlag, bedre udvalgte anvendelsestilfælde eller mere udviklede arbejdsmetoder. Den mere forsigtige konklusion er, at orkestrering ser ud til at være en del af den kapacitet, der hænger sammen med respondenternes rapporterede succes.

Hybride arbejdsgange får særlig opmærksomhed

I de kommende 12 måneder forventede 36 % af respondenterne, at agenter ville få en væsentlig rolle i virksomheders arbejdsgange. 2

Det mest udbredte fokusområde var hybride arbejdsgange, som 52 % pegede på. De kombinerer faste, gentagelige trin med dynamisk arbejde, hvor konteksten varierer. 212

Det er væsentligt, fordi mange af de mest værdifulde processer hverken kan automatiseres fuldt ud eller overlades helt til mennesker. De kan rumme strukturerede transaktioner, dokumenter, undtagelser, faglige vurderinger og godkendelser. Agentisk AI kan bidrage i sådanne forløb, men skalering kræver, at virksomheden kan koordinere de forskellige former for arbejde – ikke blot placere en agent som et selvstændigt værktøj.

Fra PoC til driftsklar kapacitet

Undersøgelsens overordnede lære er, at en virksomhed ikke bør vurdere sin parathed alene ud fra, om en agent kan gennemføre en testopgave. Det afgørende spørgsmål er, om kapaciteten kan bruges konsekvent i den virkelige drift.

En produktionsklar tilgang skal blandt andet omfatte:

1. Pålidelige og anvendelige data. Agenter skal have adgang til information, der er tilstrækkeligt korrekt og tilgængelig til opgaven.
2. Integration i arbejdsgange og systemer. Agenten skal fungere i eksisterende applikationer, procestrin og overleveringer – ikke ved siden af dem.
3. Governance og ansvar. Når AI indgår i driftsarbejde, kræver det passende kontroller, indsigt og klare ejerskaber.
4. Design af hybride processer. Arbejdsgangen skal kunne rumme regelbaseret automatisering, AI-drevne trin og menneskelige beslutninger, hvor det er relevant.
5. Måling af resultater. Teamet skal kunne afgøre, om løsningen skaber reel forretningsværdi – og ikke kun leverer en overbevisende demo.

UiPaths tal viser ikke, at agentisk AI mangler i store virksomheder. De viser, at den vanskelige fase har flyttet sig fra eksperimenter til operationalisering. For virksomheder, der vil videre fra pilotprojektet, handler næste skridt derfor mindre om at tilføje endnu en isoleret agent og mere om at opbygge datafundamentet, integrationerne, governance og koordineringen, der gør agenter til ansvarlige dele af sammenhængende forretningsprocesser. 1821