De flesta 'AI-agenter' är bara chatbotar med nytt namn – men förändringen är ändå på väg

Kejsarens nya agenter

Låt oss börja med den obekväma sanningen: de flesta företag som idag pratar stolt om sina "AI-agenter" menar egentligen någonting betydligt mer anspråkslöst. Enligt en ny undersökning från VentureBeat, som kartlade 101 stora organisationer, erkänner hela 71 procent att en fjärdedel eller färre av deras driftsatta "agenter" faktiskt är äkta flerstegiga arbetsflöden. Resten? Välklädda chatbotar med ett nytt, mer imponerande namn.

Det är ett mönster jag känner igen från otaliga bolagspresentationer och styrelserum. Trycket att visa upp AI-initiativ är enormt, och terminologin glider snabbt mot det som låter bäst på en investerarpitch. Men den här klyftan mellan ambition och verklighet är inte bara ett semantiskt problem – den riskerar att urholka förtroendet för tekniken precis när den faktiskt börjar bli riktigt intressant.

Samtidigt pågår en betydligt mer seriös rörelse i kulisserna.

Mastercard väljer kontroll framför kaos

Mastercard har valt Storbritannien som testmarknad för en dedikerad sandlådemiljö riktad mot autonom AI, rapporterar Finextra. Tanken är elegant enkel: låt banker och handlare simulera verkliga scenarier i en kontrollerad miljö innan tekniken rullas ut i skarp drift. Det brittiska regleringslandskapet, med sin relativt öppna tillsynsmyndighet och aktiva inställning till kontrollerade experiment, gör landet till en naturlig plattform.

Detta är, mina vänner, vuxet tänkande. Inom finanssektorn kan en autonom agent som fattar fel beslut inte bara kosta pengar – den kan utlösa regulatoriska stormar och skada kunder på riktigt. Mastercards val att bygga testbädden innan storskalig utrullning visar att den mognad vi behöver se i branschen faktiskt är möjlig.

Samma mognad illustreras av Shippy, en maritim AI-agent utvecklad av Skylight-teamet på Ai2, som beskrivs ingående på Hugging Face. Shippy övervakar fartygsrörelser i realtid via satellitdata – och är byggd från grunden med en princip som borde vara självklar men sällan är det: systemet avgör aldrig om ett fartyg brutit mot lagen. Det är en uppgift för människor. Shippy håller sig inom sina gränser, svarar korrekt och är transparent med vad datan faktiskt stöder. När ett fel kan skicka ett patrullfartyg flera sjömil fel väg finns det inget utrymme för gissningar.

Den tekniska verkligheten bakom kulisserna

En av de mest underskattade utmaningarna för genuint autonoma AI-system är vad ingenjörerna på Hugging Face kallar modelldirigering – alltså konsten att skicka rätt uppgift till rätt AI-modell vid rätt tillfälle. I teorin är logiken lockande: enkla förfrågningar till billigare modeller, de svårare till de kraftfullare. I praktiken är det ett minfält.

I ett test kostade Claude Sonnet totalt 79 dollar för 417 uppgifter, medan GPT-4.1 landade på 155 dollar – trots ett lägre pris per texttoken. Förklaringen är minnescachning: agentsystem återanvänder stora delar av sitt sammanhang, och det syns inte på prislistorna. Lägg därtill att uppgifternas verkliga svårighetsgrad sällan är synlig förrän arbetet redan är i gång, och att verkliga driftsättningar också måste väga in regelefterlevnad och datahemvist – och du förstår varför 71 procent av företagen fortfarande kör glorifierade chatbotar.

Konsulternas skymning?

Mitt i allt detta dyker ett av de mer provocerande initiativen upp. Riskkapitalbolaget Ode with Anthropic – backat av Anthropic, Blackstone, Goldman Sachs och Hellman & Friedman – satsar på att ett litet team av AI-ingenjörer ska kunna ersätta hela konsultbyråer, rapporterar TechCrunch. Kärnan är att bädda in specialisterna direkt i kundorganisationerna, snarare än att leverera råd på distans.

Grundarna pekar på ett välkänt problem: AI-projekt fastnar i provdrift och når aldrig produktion. Det är en verklig smärtpunkt. Frågan är om lösningen är fler ingenjörer eller bättre processer – men oavsett svaret är det ett tydligt tecken på att spelplanen för professionella tjänster håller på att ritas om.

Vad är en AI-agent 2026? Det beror fortfarande på vem du frågar. Men de som bygger dem på allvar – med kontrollmiljöer, inbyggd transparens och realistiska gränser – de börjar faktiskt svara på frågan.