Vad AI-agenter är och vart de är på väg

Agent är årets ord i vår bransch, och det används om nästan vad som helst: en chattbot med nytt namn, ett skript som skickar mejl, en vision om företag som sköter sig själva. Det gör det svårt att se vad som är verkligt.

Här är den enkla versionen, med underlaget som det ser ut i oktober 2026.

Vad en agent är

En agent är en språkmodell som får ett mål i stället för en enskild fråga. Den planerar stegen, använder verktyg för att ta dem, kontrollerar varje resultat mot målet och fortsätter tills arbetet är klart eller den behöver en människa. Anthropic sammanfattar det på en rad: en modell som själv styr sina processer och sin användning av verktyg när den utför en uppgift.

Skillnaden mot det som fanns tidigare är vem som bestämmer nästa steg. En chattbot svarar, och du bestämmer vad som ska hända med svaret. En assistent gör en sak du ber om inne i samtalet: ett utkast, en sammanfattning, en sökning. Ett arbetsflöde följer en väg som någon har skrivit i förväg, där en modell sköter delar av den. En agent väljer sin egen väg. Med målet att förbereda en offert läser den de senaste mejlen, slår upp priserna, skriver ett utkast till dokumentet och frågar innan den ger en rabatt.

Agentisk är ordet för hela familjen: system där en modell agerar och inte bara svarar. Ett system är mer eller mindre agentiskt beroende på hur stor del av vägen det väljer själv och hur mycket det får göra utan att fråga. Det avgör de människor som bygger och driver det, inte modellen.

Hur de fungerar

Fyra delar gör en modell till en agent. Den första är verktyg: söka, läsa en fil, fråga en databas, skriva i en kalender, skicka ett meddelande. Verktygen når ett företags system genom kopplingar, och den gemensamma standarden för dem är MCP, Model Context Protocol. Anthropic presenterade det 2024 och lämnade i december 2025 över det till Agentic AI Foundation, en fond under Linux Foundation som Anthropic grundade tillsammans med Block och OpenAI. Då fanns det mer än 10'000 aktiva offentliga MCP-servrar, och ChatGPT, Gemini och Microsoft Copilot hade börjat använda protokollet.

Den andra är minnet: det agenten behåller mellan stegen och mellan sessionerna, så att den vet vad den redan har gjort och hur företaget vill ha saker gjorda. Den tredje är datoranvändning, för system utan koppling. Agenten tittar på skärmen och klickar och skriver sedan som en människa. Det är långsammare och skörare än en koppling. Claude Cowork, Anthropics agent för kontorsarbete, använder kopplingar först och tar över skärmen bara när det behövs.

Den fjärde är ramverket runt modellen: instruktionerna, gränserna och kontrollerna som avgör vad den får göra. Större uppdrag delas upp mellan flera agenter. En orkestrerare planerar, lämnar delar till arbetande agenter som körs parallellt och sätter ihop deras resultat. I Anthropics forskningssystem slog den uppställningen en enskild agent med 90,2 procent i ett internt researchtest och använde ungefär 15 gånger så många tokens som en chatt. Det lönar sig för bred research, mycket mindre för arbete där varje steg beror på det förra.

Var de står i oktober 2026

Alla stora labb levererar nu agenter som produkter. Den 29 september lanserade OpenAI Dots: agenter i ChatGPT som var och en arbetar från en egen dator i molnet och fortsätter mot ett mål mellan samtalen. Anthropic erbjuder Claude Code för mjukvara och Claude Cowork för kontorsarbete, som arbetar i de mappar och verktyg användaren väljer och fortsätter att köra i molnet när laptopen är stängd. Den 8 oktober presenterade Google Cloud Gemini-agenten, som planerar arbetet, använder färdigheter och verktyg och kopplar upp sig mot ett företags system.

Det som fungerar pålitligt är arbete med ett tydligt slut och en snabb kontroll. Mjukvara leder: i Anthropics data från februari stod mjukvaruutveckling för nästan hälften av verktygsanropen i dess offentliga API, medan områden som kundtjänst, försäljning och ekonomi stod för högst några procent var. Datoranvändningen har blivit bättre snabbt. I den verifierade versionen av OSWorld, ett benchmark med vardagliga datoruppgifter, nådde den bästa agenten 85 procent i juni 2026, mot 42 procent ett år tidigare och ungefär 72 procent för människor på samma uppgifter. Samma analys, från Andreessen Horowitz, visar också baksidan: 85 procent betyder fortfarande att 15 uppgifter av 100 misslyckades, och en uppgift som en människa klarar på två till tre minuter kan ta en agent åtta till tio.

Det som inte fungerar än är längd, omdöme och säkerhet. METR, som mäter agenter efter hur lång tid deras uppgifter skulle ta för en människa, varnar för att dess huvudsiffra inte är någon licens att delegera: den markerar de uppgifter agenter klarar hälften av gångerna, och visst arbete kräver 98 procents framgång innan det är värt att automatisera. Agenter är också sköra när arbetet glider bort från den planerade rutinen. Och promptinjektion, instruktioner gömda i en sida eller ett mejl som en agent läser och följer, är fortfarande olöst. OpenAI skrev i december 2025 att den, precis som bedrägerier på nätet, sannolikt aldrig kommer att lösas helt.

Vad det betyder för ett företag

Inte varje jobb behöver en agent. Där vägen är känd är ett arbetsflöde billigare och mer förutsägbart. En agent är värd sin kostnad där vägen skiftar från fall till fall: research, en ovanlig supportfråga, förberedelsen av en offert. Många bra system är mest arbetsflöde, med en agent i de ett eller två steg som kräver omdöme.

Där en agent gör arbetet bestämmer du vad den får röra. Ge den den snävaste åtkomst som jobbet kräver, och sätt varje handling till ett av tre lägen, de som Anthropic erbjuder i Claude: alltid tillåten, kräver godkännande eller blockerad. Placera godkännandena före allt som inte går att ångra: betalningen, mejlet som lämnar företaget, den publicerade sidan. Bygg in dem i verktygen, inte bara i prompten. En instruktion går att prata sig förbi. En behörighet som saknas gör det inte.

Gör sedan arbetet spårbart. Låt varje skrivning ske i namnet på den person som bad om den, och för logg över varje steg: vad agenten läste, vilket verktyg den anropade, vad den ändrade. Twin, den AI-hjärna vi bygger åt företag, fungerar så: gränser, godkännanden och rättigheter per roll, och varje steg loggat.

Vart det är på väg

Riktningen är stadig. Enligt METR:s långsiktiga uppskattning fördubblas längden på de uppgifter agenter klarar var sjätte till sjunde månad. Dess försiktighet gäller även här: att fördubbla horisonten fördubblar inte det som går att lämna över, eftersom misslyckandena blir mer komplexa och dyrare.

Även infrastrukturen håller på att sätta sig. MCP ligger nu hos en neutral stiftelse som stöds av de stora labben, så att en och samma koppling kan betjäna agenter från olika leverantörer, och ett företag som kopplar in sina system en gång inte är bundet till en enda modell.

Vår linje säger det i tre korta meningar: Människan leder. AI driver. Autonomt härnäst. Nu bidrar människor med idén, erfarenheten och smaken, AI sköter produktionen, och människor granskar och ger den sista touchen. Härnäst kommer det agentiska: agenter gör det mesta av arbetet, och människor anger riktningen och ger sitt slutliga ja. Sedan blir allt autonomt: människor kliver in där de själva väljer. Varje produkt från crue rör sig längs den linjen, ett steg i taget.

Helm är dit linjen leder: vår vision av ett helt företag som drivs av sin grundare med agenter. Helm är under utveckling. Även där anger en människa riktningen och står för resultatet. Autonomt kommer att betyda att mer arbete görs utan att fråga först. Det kommer inte att betyda att ingen är ansvarig.