Företag bör ge AI agenter mer ansvar först när kontrollerna fungerar: tydliga ansvariga, begränsad åtkomst, meningsfulla godkännanden och spårbara åtgärder. Singapores cirka fyra månader långa sandbox testade bland annat automatiserad kvalitetssäkring av programvara, säkerhetstester av chattbotar och hantering av an...
Publicerad avRedigerad med GPT-6 LunaBilder genererade med GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: How can enterprises in Singapore’s highly regulated business environment safely scale agentic AI from controlled experiments into accountabl. Article summary: Singapore enterprises should scale agentic AI through progressively earned autonomy, not by giving successful prototypes unrestricted production access. The recommended approach is to treat every agent as a controlled op. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
En AI-agent kan göra mer än att föreslå ett svar. Den kan uppdatera kunduppgifter, använda ett verktyg eller driva ett arbetsflöde genom flera steg. För företag i Singapore handlar en säker väg till produktion därför om att utöka agentens befogenheter gradvis – och bara när åtkomst, tillsyn och återställning kan visas fungera. Singapores ramverk för AI-styrning ger en struktur för arbetet; kontrollerna nedan omsätter den i praktiken. 10
11
Singapores AI Agents Sandbox, som drevs av Google tillsammans med landets myndigheter CSA, GovTech Singapore och IMDA, undersökte användning av AI-agenter för automatiserad kvalitetssäkring av programvara, säkerhetstester av chattbotar och handläggning av ansökningar om socialt stöd. Försöket pågick i ungefär fyra månader och visade både möjligheter och utmaningar kring mänsklig tillsyn, cybersäkerhet, integritet och styrning. Det var ett avgränsat test, inte ett generellt klartecken för att agenter kan arbeta säkert i alla företagssystem. 4
12
Samtidigt ökar intresset för tekniken. Deloitte rapporterade att 72 procent av företagen i Singapore planerade att införa agentbaserad AI inom flera verksamhetsområden under de kommande två åren, jämfört med 15 procent vid rapporttillfället. I en separat, global undersökning uppgav 21 procent av företagen att de hade en mogen styrningsmodell för agentbaserad AI. Den globala siffran ska alltså inte tolkas som en uppgift specifikt om Singapore. 24
26
Singapores Model AI Governance Framework for Agentic AI, ett ramverk för styrning av AI-agenter, samlar vägledning kring att bedöma och begränsa risker, göra människor tydligt ansvariga, införa tekniska kontroller under hela livscykeln och stödja ansvarsfull användning. Ramverket är en grund för styrningsarbetet – inte ett bevis på att ett visst system är säkert utan tester i den miljö där det ska användas. 10
11
En lyckad prototyp är ett skäl att gå vidare till nästa teststeg, inte att ge agenten fri tillgång till produktionssystem. En praktisk modell är:
Sätt en tydlig produktionsgrind inför varje steg. Det räcker inte att mäta om agenten löser uppgiften: bedöm också obehöriga åtgärder, exponering av data, hantering av otydlig information, hur väl människor kan ingripa och om verksamheten kan återhämta sig efter fel. Singapores Agentic Testing Starter Kit ger en praktisk referens för testning, men varje företag behöver testa sina egna agenter, verktyg och arbetsflöden. 1
36
Innan en agent kopplas till kundregister, finansiella flöden eller driftssystem behöver företaget ange exakt vad den får göra. Definiera vilka system, poster, fält, verktyg och mottagare den får använda – och vilka åtgärder som kräver godkännande. Sätt vid behov även gränser för transaktionsbelopp, hur ofta åtgärder får utföras och hur länge agenten får arbeta.
Mänsklig granskning gör mest nytta som en kontroll före en betydelsefull åtgärd, inte bara som en efterhandsgranskning. Visa granskaren den föreslagna ändringen, vilka uppgifter som påverkas, vilket underlag som stöder beslutet och vilka följder åtgärden kan få. Knyt godkännandet till just den åtgärden och begär ett nytt godkännande om underlaget eller åtgärden ändras.
Låt inte modellen ensam avgöra om den följer reglerna. En kontrollerad verktygsgateway kan kontrollera agentens identitet, behörighet, åtgärdsparametrar och regler innan en begäran når företagets system. I finansiella flöden bör förslag, godkännande och genomförande hållas åtskilda. Vid ändringar i kundregister bör både ursprungliga och uppdaterade värden sparas, tillsammans med underlaget för ändringen.
Splittrade system, äldre programvara, flera dataägare och tvetydiga dokument gör införandet i produktion mer komplicerat än ett avgränsat test. Använd validerade gränssnitt mellan AI-agenten och verksamhetssystemen, och låt ansvarig dataägare godkänna åtkomsten. Kontrollera att uppgifter är aktuella och har förväntat format. Om informationen är oklar eller motsägelsefull bör den gå vidare till en människa i stället för att agenten gissar.
Behandla e-post, dokument och webbinnehåll som opålitliga indata. Indirekta promptattacker kan gömmas i material som agenten läser. Innehåll som hämtas in ska därför inte kunna ge agenten nya behörigheter eller åsidosätta regler för vilka åtgärder den får utföra. Testa om agenten kan luras att använda ett otillåtet verktyg eller utföra något utanför sitt uppdrag innan åtkomsten utökas. 35
43
Planera för driftstörningar, inte bara modellfel. Testa dubbla förfrågningar, gamla uppgifter, partiella avbrott och samtidiga ändringar. Använd validering och avstämning, och bestäm hur körningen ska stoppas och hur en ändring ska återställas eller korrigeras. Det här är rekommenderade kontroller; den exakta utformningen bör anpassas efter systemet och konsekvenserna av ett fel.
För ett företag kan datasuveränitet i praktiken beskrivas som förmågan att visa vart känslig information tar vägen, vem som får åtkomst, hur den används eller sparas och vilket underlag som visar att kontrollerna fungerar. Var servern står räcker inte i sig som bevis på kontroll.
Kartlägg hela dataflödet, inklusive modellens bearbetning, informationshämtning, vektorinbäddningar, agentminne, orkestrering och loggar. Bestäm vilka delar som får hantera känslig information och under vilka villkor. Skilj vanlig användning av en modell från varaktigt minne, finjustering och modellträning. Kräv uttryckligt godkännande om information ska sparas eller användas för lärande utöver det avsedda ändamålet.
Välj infrastruktur utifrån vilka kontroller organisationen faktiskt kan verifiera – till exempel åtkomstbegränsningar, hantering av krypteringsnycklar, lagringstider, leverantörsvillkor och jurisdiktion. Utgå inte från att molntjänster generellt är osäkra eller att drift på egna servrar automatiskt är säkrare. Rätt lösning beror på företagets data, skyldigheter och riskbedömning.
Utse en verksamhetsansvarig och en teknisk operatör för varje AI-agent i produktion. Identifiera också dataägare och beslutsfattare som ansvarar för åtkomst och betydelsefulla åtgärder. Bestäm vem som kan pausa eller stänga av agenten. Tydliga roller gör mänskligt ansvar möjligt att följa upp och ligger i linje med ramverkets fokus på ansvarsfördelning och tekniska skydd. 10
11
Spara versionshistorik för modellen, instruktionerna, verktygen, behörigheterna och reglerna som används. Logga agentens identitet, vilka uppgifter den hänvisat till, verktygsanrop, policykontroller, godkännanden och resultat i ett system som skyddas mot obehöriga ändringar. Spara underlaget för beslutet och en kort förklaring. En förklaring som modellen själv genererar är däremot inte bevis för hur den internt kom fram till sitt svar.
Håll uppsikt efter ovanliga åtkomstmönster, oväntade mottagare, ökande felfrekvens eller försök att kringgå godkännanden. Bestäm trösklar som leder till paus och mänsklig utredning. Testa igen när modellen, verktygen, datakällorna eller behörigheterna ändras, och granska regelbundet om agenten fortfarande passar för sin godkända uppgift. Agentic Testing Starter Kit kan vägleda arbetet, men ersätter inte företagets egna kontroller. 1
36
Produktionsfrågan är enkel: kan företaget visa att agenten har godkänd åtkomst, håller sig inom tydliga gränser, går att stoppa på ett meningsfullt sätt och lämnar spår av vad den gjort? Utöka självständigheten först när svaret är ja. En sandbox kan visa potential – ansvarsfull drift kräver belägg för kontroll.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Företag bör ge AI agenter mer ansvar först när kontrollerna fungerar: tydliga ansvariga, begränsad åtkomst, meningsfulla godkännanden och spårbara åtgärder.
Företag bör ge AI agenter mer ansvar först när kontrollerna fungerar: tydliga ansvariga, begränsad åtkomst, meningsfulla godkännanden och spårbara åtgärder. Singapores cirka fyra månader långa sandbox testade bland annat automatiserad kvalitetssäkring av programvara, säkerhetstester av chattbotar och hantering av ansökningar om socialt stöd.
Företag bör ge AI agenter mer ansvar först när kontrollerna fungerar: tydliga ansvariga, begränsad åtkomst, meningsfulla godkännanden och spårbara åtgärder. Singapores cirka fyra månader långa sandbox testade bland annat automatiserad kvalitetssäkring av programvara, säkerhetstester av chattbotar och hantering av an...
Publicerad avRedigerad med GPT-6 LunaBilder genererade med GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: How can enterprises in Singapore’s highly regulated business environment safely scale agentic AI from controlled experiments into accountabl. Article summary: Singapore enterprises should scale agentic AI through progressively earned autonomy, not by giving successful prototypes unrestricted production access. The recommended approach is to treat every agent as a controlled op. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
En AI-agent kan göra mer än att föreslå ett svar. Den kan uppdatera kunduppgifter, använda ett verktyg eller driva ett arbetsflöde genom flera steg. För företag i Singapore handlar en säker väg till produktion därför om att utöka agentens befogenheter gradvis – och bara när åtkomst, tillsyn och återställning kan visas fungera. Singapores ramverk för AI-styrning ger en struktur för arbetet; kontrollerna nedan omsätter den i praktiken. 10
11
Singapores AI Agents Sandbox, som drevs av Google tillsammans med landets myndigheter CSA, GovTech Singapore och IMDA, undersökte användning av AI-agenter för automatiserad kvalitetssäkring av programvara, säkerhetstester av chattbotar och handläggning av ansökningar om socialt stöd. Försöket pågick i ungefär fyra månader och visade både möjligheter och utmaningar kring mänsklig tillsyn, cybersäkerhet, integritet och styrning. Det var ett avgränsat test, inte ett generellt klartecken för att agenter kan arbeta säkert i alla företagssystem. 4
12
Samtidigt ökar intresset för tekniken. Deloitte rapporterade att 72 procent av företagen i Singapore planerade att införa agentbaserad AI inom flera verksamhetsområden under de kommande två åren, jämfört med 15 procent vid rapporttillfället. I en separat, global undersökning uppgav 21 procent av företagen att de hade en mogen styrningsmodell för agentbaserad AI. Den globala siffran ska alltså inte tolkas som en uppgift specifikt om Singapore. 24
26
Singapores Model AI Governance Framework for Agentic AI, ett ramverk för styrning av AI-agenter, samlar vägledning kring att bedöma och begränsa risker, göra människor tydligt ansvariga, införa tekniska kontroller under hela livscykeln och stödja ansvarsfull användning. Ramverket är en grund för styrningsarbetet – inte ett bevis på att ett visst system är säkert utan tester i den miljö där det ska användas. 10
11
En lyckad prototyp är ett skäl att gå vidare till nästa teststeg, inte att ge agenten fri tillgång till produktionssystem. En praktisk modell är:
Sätt en tydlig produktionsgrind inför varje steg. Det räcker inte att mäta om agenten löser uppgiften: bedöm också obehöriga åtgärder, exponering av data, hantering av otydlig information, hur väl människor kan ingripa och om verksamheten kan återhämta sig efter fel. Singapores Agentic Testing Starter Kit ger en praktisk referens för testning, men varje företag behöver testa sina egna agenter, verktyg och arbetsflöden. 1
36
Innan en agent kopplas till kundregister, finansiella flöden eller driftssystem behöver företaget ange exakt vad den får göra. Definiera vilka system, poster, fält, verktyg och mottagare den får använda – och vilka åtgärder som kräver godkännande. Sätt vid behov även gränser för transaktionsbelopp, hur ofta åtgärder får utföras och hur länge agenten får arbeta.
Mänsklig granskning gör mest nytta som en kontroll före en betydelsefull åtgärd, inte bara som en efterhandsgranskning. Visa granskaren den föreslagna ändringen, vilka uppgifter som påverkas, vilket underlag som stöder beslutet och vilka följder åtgärden kan få. Knyt godkännandet till just den åtgärden och begär ett nytt godkännande om underlaget eller åtgärden ändras.
Låt inte modellen ensam avgöra om den följer reglerna. En kontrollerad verktygsgateway kan kontrollera agentens identitet, behörighet, åtgärdsparametrar och regler innan en begäran når företagets system. I finansiella flöden bör förslag, godkännande och genomförande hållas åtskilda. Vid ändringar i kundregister bör både ursprungliga och uppdaterade värden sparas, tillsammans med underlaget för ändringen.
Splittrade system, äldre programvara, flera dataägare och tvetydiga dokument gör införandet i produktion mer komplicerat än ett avgränsat test. Använd validerade gränssnitt mellan AI-agenten och verksamhetssystemen, och låt ansvarig dataägare godkänna åtkomsten. Kontrollera att uppgifter är aktuella och har förväntat format. Om informationen är oklar eller motsägelsefull bör den gå vidare till en människa i stället för att agenten gissar.
Behandla e-post, dokument och webbinnehåll som opålitliga indata. Indirekta promptattacker kan gömmas i material som agenten läser. Innehåll som hämtas in ska därför inte kunna ge agenten nya behörigheter eller åsidosätta regler för vilka åtgärder den får utföra. Testa om agenten kan luras att använda ett otillåtet verktyg eller utföra något utanför sitt uppdrag innan åtkomsten utökas. 35
43
Planera för driftstörningar, inte bara modellfel. Testa dubbla förfrågningar, gamla uppgifter, partiella avbrott och samtidiga ändringar. Använd validering och avstämning, och bestäm hur körningen ska stoppas och hur en ändring ska återställas eller korrigeras. Det här är rekommenderade kontroller; den exakta utformningen bör anpassas efter systemet och konsekvenserna av ett fel.
För ett företag kan datasuveränitet i praktiken beskrivas som förmågan att visa vart känslig information tar vägen, vem som får åtkomst, hur den används eller sparas och vilket underlag som visar att kontrollerna fungerar. Var servern står räcker inte i sig som bevis på kontroll.
Kartlägg hela dataflödet, inklusive modellens bearbetning, informationshämtning, vektorinbäddningar, agentminne, orkestrering och loggar. Bestäm vilka delar som får hantera känslig information och under vilka villkor. Skilj vanlig användning av en modell från varaktigt minne, finjustering och modellträning. Kräv uttryckligt godkännande om information ska sparas eller användas för lärande utöver det avsedda ändamålet.
Välj infrastruktur utifrån vilka kontroller organisationen faktiskt kan verifiera – till exempel åtkomstbegränsningar, hantering av krypteringsnycklar, lagringstider, leverantörsvillkor och jurisdiktion. Utgå inte från att molntjänster generellt är osäkra eller att drift på egna servrar automatiskt är säkrare. Rätt lösning beror på företagets data, skyldigheter och riskbedömning.
Utse en verksamhetsansvarig och en teknisk operatör för varje AI-agent i produktion. Identifiera också dataägare och beslutsfattare som ansvarar för åtkomst och betydelsefulla åtgärder. Bestäm vem som kan pausa eller stänga av agenten. Tydliga roller gör mänskligt ansvar möjligt att följa upp och ligger i linje med ramverkets fokus på ansvarsfördelning och tekniska skydd. 10
11
Spara versionshistorik för modellen, instruktionerna, verktygen, behörigheterna och reglerna som används. Logga agentens identitet, vilka uppgifter den hänvisat till, verktygsanrop, policykontroller, godkännanden och resultat i ett system som skyddas mot obehöriga ändringar. Spara underlaget för beslutet och en kort förklaring. En förklaring som modellen själv genererar är däremot inte bevis för hur den internt kom fram till sitt svar.
Håll uppsikt efter ovanliga åtkomstmönster, oväntade mottagare, ökande felfrekvens eller försök att kringgå godkännanden. Bestäm trösklar som leder till paus och mänsklig utredning. Testa igen när modellen, verktygen, datakällorna eller behörigheterna ändras, och granska regelbundet om agenten fortfarande passar för sin godkända uppgift. Agentic Testing Starter Kit kan vägleda arbetet, men ersätter inte företagets egna kontroller. 1
36
Produktionsfrågan är enkel: kan företaget visa att agenten har godkänd åtkomst, håller sig inom tydliga gränser, går att stoppa på ett meningsfullt sätt och lämnar spår av vad den gjort? Utöka självständigheten först när svaret är ja. En sandbox kan visa potential – ansvarsfull drift kräver belägg för kontroll.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Företag bör ge AI agenter mer ansvar först när kontrollerna fungerar: tydliga ansvariga, begränsad åtkomst, meningsfulla godkännanden och spårbara åtgärder.
Företag bör ge AI agenter mer ansvar först när kontrollerna fungerar: tydliga ansvariga, begränsad åtkomst, meningsfulla godkännanden och spårbara åtgärder. Singapores cirka fyra månader långa sandbox testade bland annat automatiserad kvalitetssäkring av programvara, säkerhetstester av chattbotar och hantering av ansökningar om socialt stöd.