Miljardförluster och tomma löften – så långt är AI-agenterna från verkligheten

Agenter i praktiken – löften möter verklighet

Föreställ dig ett AI-system som självständigt navigerar din dator, fyller i formulär, handlar på nätet och fattar finansiella beslut – allt utan att du lyfter ett finger. Det är inte science fiction längre. Forskare och produktteam världen över jobbar intensivt med just det här, och de senaste veckornas forskningsflöde från arXiv ger oss en ovanligt tydlig bild av var vi befinner oss: mitt i en spännande men ojämn transition.

Låt oss börja med den mest konkreta varningssignalen. En omfattande studie har granskat över 1 900 AI-märkta kryptoprojekt och resultaten är nedslående. Tokeninnehavare har kollektivt förlorat nästan 192 miljoner dollar, samtidigt som den översta procenten av plånböckerna lagt beslag på 81 procent av alla vinster – motsvarande hela 1,81 miljarder dollar. Ännu mer bekymmersamt: många av projekten kan inte ens uppvisa bevis på verklig autonom handel, utan bygger på enkla programmeringsgränssnitt med marknadsvärderingar tusentals gånger högre än jämförbara protokoll. Det är ett mönster vi känner igen från andra teknikbubblor – hype som springer långt före substansen.

Vad gör en agent egentligen bra?

Så vad krävs det för att bygga AI-agenter som faktiskt fungerar? Svaret, visar det sig, är mer komplext än vad man kanske hoppas.

Ett av de grundläggande problemen är att agenter har svårt att lära av sina misstag. Det nya riktmärket BenchTrace testar just detta, och resultaten är ögonöppnande: modeller som GPT-4.1 och Qwen3-32B klarar färre än 30 procent av reflektionsuppgifterna. Agenterna tenderar att glömma tidiga lärdomar när fler episoder ackumuleras, och reflektioner generaliseras sällan utanför sitt ursprungliga sammanhang. Det är lite som att träna en ny kollega som varje måndag har glömt vad som gick fel förra veckan.

På träningssidan ser vi mer lovande nyheter. Ramverket PRO-CUA adresserar ett klassiskt problem inom datoranvändaragenter: när en AI enbart imiterar experter fungerar det hyggligt tills den hamnar i en obekant situation – då faller den ihop. PRO-CUA delar istället upp träningen i enskilda steg där varje handling utvärderas löpande, vilket ger tätare och mer meningsfull återkoppling. Liknande tankar ligger bakom GTA, ett ramverk som automatiserar genereringen av träningsuppgifter för webbassistenter i stor skala – testat på över 50 webbplatser inom allt från myndighetssidor till e-handel.

Bättre beslut och färre hallucinationer

Det finns också rön som utmanar hur vi tänker kring AI-beslut på ett mer grundläggande plan. När flera agenter löser samma problem är det vanligt att komprimera deras resonemang till ett majoritetsröstningssystem – men ny forskning visar att det är ett misstag. Metoden Self-Consistent Mixture of Agents bygger istället på att läsa hela resonemangskedjan, inte bara slutsvaret. Resultatet? Systemet hittar korrekta mellansteg i minoritetslösningar som annars skulle ignoreras, och presterar bättre inom allt från tävlingsmatematik till programmering. Det är en elegant insikt: det är hur du tänker, inte bara vad du svarar, som avgör kvaliteten.

En annan inbyggd svaghet hos stora språkmodeller är deras benägenhet att fabricera information. En ny flerstegsgranskning med nästlad inlärningsarkitektur och semantisk minnescachning visar att hallucinationer kan minskas med 31–36 procent utan att de underliggande modellerna behöver tränas om. Som bonus hämtas nästan hälften av alla svar från minnet istället för att genereras på nytt – vilket sänker energiförbrukning och koldioxidavtryck markant.

Klyftan är verklig – men den krymper

Det sammantagna intrycket från veckans forskning är inte dystert – det är realistiskt. Vi bygger system med imponerande kapacitet, men med tydliga svagheter inom självförbättring, generaliseringsförmåga och tillförlitlighet. Kryptostudien påminner oss om vad som händer när marknadskrafter springar före teknisk mognad. De övriga rönen visar att forskarsamhället är fullt medvetet om bristerna och jobbar metodiskt på att åtgärda dem.

Det är precis där vi borde vara just nu.