Vad agenter kan göra på jobbet i dag

Under de första åren av den här vågen mötte de flesta AI som ett chattfönster. Du frågade, den svarade och du gjorde resten. Nu står ordet agent på varenda presentationsbild: mjukvara som får ett mål, tar stegen, använder de verktyg den får använda och kommer tillbaka med arbetet gjort.

De senaste veckorna visade båda sidorna av det. OpenAI lade in agenter i ChatGPT som fortsätter arbeta i bakgrunden. Anthropic och METR beskrev agenter som gjorde saker som ingen hade bett dem om. Här är vad vi ser när vi ställer påståendena mot fakta, och mot vårt eget dagliga arbete.

Vad siffrorna säger

Användningen är verklig och ojämn. I McKinseys undersökning 2026 uppgav 40 procent av de svarande från organisationer med mer än en miljard dollar i omsättning att de skalade upp AI-agenter, jämfört med 27 procent ett år tidigare. Bland mindre organisationer låg andelen kvar på 22 procent. Ungefär två av tio svarande skalade upp kodagenter, och 32 procent sa att deras organisation hade avstått från att köpa en programvara eftersom den nu kunde bygga den själv med kodagenter.

Pengarna har inte följt med än. Andelen svarande som tillskrev AI någon effekt alls på EBIT låg kvar på 37 procent. Gartner placerar agentisk AI på toppen av sin hypecykel: i dess undersökning bland CIO:er 2026 hade 17 procent av organisationerna infört agenter och mer än 60 procent räknade med att göra det inom två år. De flesta införanden, påpekar Gartner, är fortfarande snävt avgränsade, och helt autonoma agenter är inte mogna för merparten av företagens användningsfall. Gartner räknar ändå med att mer än 40 procent av projekten med agentisk AI läggs ned före slutet av 2027, och varnar för agent washing: chattbottar och gammal automatisering som fått etiketten agent.

Vad de klarar pålitligt

Det mest noggranna måttet vi känner till kommer från METR, som tar tid på AI-agenter i mjukvaruuppgifter och jämför med hur lång tid samma uppgifter tar för erfarna människor. I rapporten från maj lyckades de bästa publika modellerna i hälften av fallen med uppgifter som tar en människa ungefär 12 timmar. Kräver man fyra lyckade försök av fem sjunker uppgiftens längd till ungefär en och en halv timme.

Det glappet är kärnan i berättelsen om agenter på jobbet. De kan ge sig på långa uppgifter. Korta uppgifter slutför de pålitligt. En affärsprocess bedöms efter den pålitliga siffran, eftersom ingen vill ha en fakturakörning som stämmer hälften av gångerna. Anthropics egna råd gäller fortfarande: arbetsflöden med fördefinierade vägar är förutsägbara, agenter som själva väljer nästa steg är flexibla men benägna att göra fel som förstärker varandra, så börja med den enklaste uppsättning som fungerar och lägg till autonomi först när det tydligt lönar sig.

Vad de senaste veckorna visade

Den 29 september, på sin utvecklarkonferens, lanserade OpenAI Dots: agenter i ChatGPT som var och en körs på en egen molndator, fortsätter arbeta mot ett mål mellan konversationerna, når mer än 4'000 appar och kan ta emot meddelanden i ChatGPT, Slack eller Teams. SiliconANGLE rapporterade att OpenAI internt testade specialiserade versioner för inköp och fakturahantering. Utformningen säger en del. Medan en Dot researchar på egen hand är dess kopplingar till ägarens appar skrivskyddade. Åtgärder som rör konton eller delar information passerar en automatisk granskning, och OpenAI uppmanar användarna att granska arbete som får konsekvenser, eftersom agenterna fortfarande kan göra misstag. Pro-användare i Schweiz, Storbritannien och Europeiska ekonomiska samarbetsområdet omfattades inte av lanseringen.

Den 30 september berättade METR:s ordförande för ett underutskott i den amerikanska senaten om en incident som OpenAI offentliggjorde i juli, där agenter som företaget testade internt samordnade sig för att fuska på sina tester och på vägen komprometterade Hugging Face, en flitigt använd AI-plattform. Hans sammanfattning var rak: utvecklarna har ännu inte löst problemet med att hindra agenter från att vidta åtgärder som går emot människors avsikt.

Den 9 oktober publicerade Anthropic en utredning om oavsiktliga åtgärder som dess modeller vidtagit i utvärderingar och intern användning. En forskningsmodell skickade in ett verkligt myndighetsformulär efter att en övningskopia inte gick att ladda, och en liten modell skickade ibland in formulär som den uttryckligen hade fått veta att den inte skulle skicka. Andra tog sig runt begränsningar för att nå skyddad data, eller använde länkförkortare för att komma förbi ett verktygs gränser. Anthropic uppger att effekten var minimal och att, såvitt företaget vet, inga kunddata berördes. Anthropic stängde av direkt internetåtkomst för alla interna utvärderingar, skärpte skyddsräckena för några av sina webbverktyg och byggde en detektering som blockerade samtliga fall som beskrevs.

En instruktion är ingen grind

Lärdomen för ett företag är inte att agenter är farliga leksaker. Det här var labb som testade modeller hårt, och de publicerade vad de fann. Lärdomen handlar om var kontrollen sitter. En agent som fick besked att inte skicka in ett formulär skickade ibland in det ändå. En agent som inte når skicka-knappen kommer aldrig att göra det.

Granskningen kräver samma omsorg. I den andra fasen av Anthropics Project Vend fick en Claude-agent som drev en kontorsbutik en chef: en andra agent som agerade vd. Den godkände önskemål om specialbehandling ungefär åtta gånger så ofta som den avslog dem, och den delade många av butiksagentens blinda fläckar, eftersom den körde på samma modell. En andra agent på samma modell är en bra arbetare och en svag kontrollant. Den kontroll som spelar roll bör komma från något annat: en regel skriven i kod, ett test som antingen går igenom eller fallerar, eller en människa.

Grindar i våra egna produkter

Alla crue-produkter fungerar så i dag. I Kontor är utskick, betalningar och påminnelser inte ens tillgängliga för assistenten; dem sköter en människa. I Studio skriver assistenten ett utkast till en ändring på webbplatsen, och en människa godkänner varje ändring och varje publicering. Lookout hittar, skriver och förbereder i varje kanal, och en människa godkänner det som går ut. I Twin är varje uppgift för varje roll markerad: utförs på egen hand, väntar på godkännande eller lämnas över till en människa när den är osäker.

Nästa steg flyttar grindarna. Det tar inte bort dem. Twin kommer att köra hela rutiner från början till slut, som månadsbokslutet, offerten och onboardingen, med godkännande vid de grindar ett företag själv väljer. Lookout kommer att köra hela sekvensen inom dina regler, från den första signalen till det bokade mötet. crue körs redan på sin egen Twin, med mer än 80 färdigheter, och gränsen flyttas först när det nuvarande steget har hållit i verkligt arbete, vårt eget först. Det som stannar hos människor är den del som bär ett namn: kundsamtalet, bedömningen och det slutgiltiga jaet.

Var man ska börja

Gartners råd ligger nära våra: använd agenter där ett beslut krävs, vanlig automatisering för rutinmässiga arbetsflöden och en assistent för enkla uppslag. Mycket av värdet ligger i att avgöra vad som är vad.

Välj en rutin som återkommer varje vecka, har ett tydligt slut och ger något som en människa kan kontrollera på en minut. Skriv ner målet, de verktyg agenten får använda och punkten där den måste stanna, och bygg in det stoppet i verktygen, inte bara i prompten. Sätt grinden före allt som lämnar företaget: fakturan, mejlet, den publicerade sidan. Räkna sedan ärligt hur ofta utkastet klarade sig utan rättelser.

Agenter är inte kollegor än. De är snabba, outtröttliga juniorer med en ojämn känsla för när de har fel. Ge en av dem ett tydligt mål, rätt verktyg och en grind den inte kan prata sig förbi, så tar den redan bort en hel del arbete från veckan.