Agentisk KI er testet i storbedriftene – men langt fra skalert

Mange store selskaper har kommet forbi spørsmålet om en KI-agent kan løse en avgrenset oppgave. Den langt vanskeligere jobben er å få agentene til å fungere trygt, målbart og stabilt i den daglige driften.

Det er hovedbildet i UiPaths globale undersøkelse fra september 2026 blant rundt 600 C-level-ledere og IT-praktikere i selskaper med minst 1 milliard dollar i omsetning. Mange har gjennomført et første konseptbevis, men sliter med å gjøre agentisk KI til en repeterbar kapasitet på tvers av virksomheten. UiPath omtaler dette som «pilot purgatory» – en pilotfase man ikke kommer seg ut av. 418

Undersøkelsen er finansiert av UiPath, og resultatene bygger på respondentenes egne vurderinger. Særlig tallene for avkastning på investeringer (ROI) bør derfor ikke leses som en uavhengig måling av faktisk effekt. Likevel peker funnene tydelig på hvor utrullingen stopper opp: i data, systemintegrasjon og styring.

KI er i bruk, men ikke jevnt forankret

Blant de spurte sa 31 % at KI var fullt integrert i virksomheten. Ytterligere 35 % oppga begrenset bruk, mens 11 % fortsatt befant seg i pilot- eller eksperimenteringsfasen. 3

Tallene betyr ikke nødvendigvis at alle andre selskaper har mislyktes med KI. De viser derimot at bred integrering i ordinær drift fortsatt er mindre vanlig enn avgrensede initiativer. UiPaths hovedpoeng er at mange bedrifter har validert et første bruksområde for agentisk KI, men strever med å skalere og dokumentere vesentlig ROI. 18

Tre hindringer går igjen

Da respondentene ble bedt om å peke på utfordringer ved å forbedre KI-utrullinger, var dette de vanligste svarene:

• Datakvalitet og dataklargjøring: 38 %
• Integrasjon med eksisterende arbeidsflyter og systemer: 37 %
• Styring og etterlevelse: 33 % 18

Dette forklarer hvorfor en vellykket demonstrasjon ikke er det samme som produksjonssetting. En pilot kan gjennomføres for én oppgave, med få brukere og begrensede koblinger til andre systemer. I vanlig drift må løsningen fungere på tvers av applikasjoner, team, godkjenninger og kontrollmekanismer.

TechTarget trekker samme skille: En demo kan vise at en agent klarer en oppgave under kontrollerte forhold, men ikke at virksomheten har løst kravene til data, sikkerhet, arbeidsflytdesign, verdimåling og driftsmodell som kreves for gjentatt bruk i stor skala. 21

Orkestrering blir bindeleddet

UiPath bruker begrepet forretningsorkestrering om et koordinerende lag som knytter sammen mennesker, applikasjoner, data, automatisering og KI-agenter i en forretningsprosess. Målet er at delene skal fungere som én styrt ende-til-ende-flyt, fremfor som enkeltverktøy som lever hver for seg. UiPaths egen produktbeskrivelse omfatter koordinering av agenter, roboter, mennesker, applikasjoner og data i virksomhetsprosesser. 14

I praksis handler dette om å avgjøre hva som skal skje videre i en arbeidsflyt, hvilket system eller hvilken medarbeider som skal ta neste steg, når et menneske må godkjenne noe, og hvordan prosessen overvåkes og styres. Det blir særlig viktig når agenters handlinger får konsekvenser i eksisterende fagsystemer og godkjenningsløp.

Bare 29 % oppga at orkestrering var fullt integrert i arbeidsflytene. I denne gruppen svarte 89 % at deres agentiske KI-implementeringer innfridde eller overgikk forventningene til ROI. 5

Det er en tydelig sammenheng i undersøkelsen, men ikke et bevis på at orkestrering alene skaper resultatene. Selskaper med moden orkestrering kan også ha bedre datagrunnlag, tydeligere valg av bruksområder og mer utviklede arbeidsmetoder. Den mer nøkterne konklusjonen er at orkestrering ser ut til å være en del av kapasitetene som henger sammen med respondentenes rapporterte suksess.

Hybride arbeidsflyter får mye oppmerksomhet

De neste tolv månedene ventet 36 % av respondentene at agenter ville spille en betydelig rolle i virksomhetens arbeidsflyter. 2

Det vanligste fokusområdet var hybride arbeidsflyter, valgt av 52 %. Dette er prosesser som kombinerer faste, repeterbare steg med dynamisk arbeid som avhenger av kontekst. 212

Det er relevant fordi prosessene med størst verdi ofte verken er helautomatiske eller rent manuelle. De kan inneholde strukturerte transaksjoner, dokumenter, avvik, vurderinger og godkjenninger. Agentisk KI kan bidra i slike prosesser, men skalering krever at virksomheten koordinerer de ulike arbeidsformene i stedet for å behandle agenten som et frittstående grensesnitt.

Fra konseptbevis til driftsevne

Lærdommen fra undersøkelsen er at virksomheter ikke bør vurdere beredskapen utelukkende ut fra om en agent klarer en testoppgave. Det avgjørende spørsmålet er om den samme evnen kan tas i bruk konsekvent i reell drift.

En mer produksjonsrettet tilnærming må omfatte:

1. Pålitelige og anvendelige data. Agentene må få tilgang til informasjon som er tilstrekkelig korrekt og tilgjengelig for oppgaven.
2. Integrasjon med arbeidsflyter og systemer. Agenten må fungere innenfor dagens applikasjoner, prosessledd og overleveringer – ikke ved siden av dem.
3. Styring og tydelig ansvar. Når KI deltar i operativt arbeid, trengs passende kontroll, innsyn og eierskap.
4. Utforming av hybride prosesser. Arbeidsflyten må gi rom for regelstyrt automatisering, KI-drevne steg og menneskelige beslutninger der det passer.
5. Måling av resultater. Teamene trenger en metode for å avgjøre om utrullingen gir en meningsfull forretningseffekt, ikke bare en imponerende demo.

UiPaths funn viser ikke at agentisk KI mangler i store virksomheter. De viser at utfordringen har flyttet seg fra eksperimentering til operasjonalisering. For selskaper som vil ut av pilotfasen, handler prioriteten mindre om å legge til enda en isolert agent – og mer om å bygge data-, integrasjons-, styrings- og koordineringskapasiteten som gjør agentene til ansvarlige deler av ende-til-ende-prosesser. 1821