AI-agenter og Agent Discovery

AI-agenter og Agent Discovery

AI-agenter er systemer, der kan gå videre end blot at generere et svar. Afhængigt af systemet og de værktøjer, det har adgang til, kan en agent blandt andet hente information, sammenligne muligheder, arbejde med data og udføre handlinger på tværs af digitale tjenester.

For virksomheder betyder udviklingen, at digital synlighed ikke kun handler om at blive fundet af mennesker og traditionelle søgemaskiner. Det bliver også relevant at overveje, hvordan virksomhedens information, funktioner og services kan findes, forstås og eventuelt anvendes af AI-systemer, der arbejder på vegne af en bruger.

Hvad er en AI-agent?

En AI-agent er et system, der kan arbejde videre med en opgave frem for alene at generere et tekstsvar. Hvad agenten konkret kan gøre, afhænger af dens adgang til værktøjer, data, API'er og andre systemer.

Det kan eksempelvis være at finde og sammenligne information, hente aktuelle data, analysere forskellige muligheder eller udføre en handling i et eksternt system, hvis agenten har den nødvendige adgang og tilladelse.

Begrebet bruges bredt, og der findes ikke én enkelt definition, der dækker alle typer AI-agenter. Fælles er dog ideen om, at systemet ikke blot besvarer et spørgsmål, men kan gennemføre flere trin som led i løsningen af en opgave.

Hvordan adskiller AI-agenter sig fra chatbots?

En traditionel chatbot er primært samtalebaseret. Brugeren stiller et spørgsmål, og systemet genererer et svar. En AI-agent kan i højere grad kombinere samtalen med værktøjer og handlinger og arbejde videre mod et bestemt mål.

Grænsen er dog blevet mere flydende. Systemer som ChatGPT, Gemini, Claude og Copilot kan i forskellige sammenhænge arbejde med værktøjer og eksterne informationskilder. Derfor er forskellen mellem en AI-assistent, en chatbot og en agent ikke altid entydig.

Hvad er Agent Discovery?

Agent Discovery handler om, hvordan AI-agenter kan opdage og forstå information, funktioner og services, som er relevante for den opgave, de forsøger at løse.

Hvis en agent eksempelvis skal finde en leverandør, undersøge et produkt eller anvende en digital service, skal den først kunne identificere de relevante ressourcer og forstå, hvad de tilbyder.

Agent Discovery er derfor ikke kun et spørgsmål om traditionel synlighed. I nogle sammenhænge kan det også handle om, hvorvidt en agent kan identificere en funktion, forstå hvordan den bruges og få adgang til den på en kontrolleret måde.

AI Discovery og Agent Discovery

Agent Discovery hænger tæt sammen med AI Discovery, men de to begreber bør ikke bruges som synonymer.

AI Discovery er det bredere område og handler om at gøre virksomhedens website, indhold og information lettere for AI-systemer at finde og forstå.

Agent Discovery er mere specifikt rettet mod AI-agenter. Her bliver spørgsmålet ikke alene, om informationen kan findes, men også om agenten kan identificere relevante funktioner, services eller strukturerede adgangspunkter, som kan bruges i forbindelse med en opgave.

Man kan derfor se Agent Discovery som en specialisering inden for det bredere arbejde med AI Discovery.

Fra website til AI-agent

Hvorfor kan Agent Discovery blive vigtigt?

AI-systemer udvikler sig fra primært at generere svar til i flere sammenhænge også at kunne anvende værktøjer og udføre handlinger. Det åbner mulighed for nye måder at søge efter produkter, services og leverandører på.

En bruger kan eksempelvis bede et system om at undersøge forskellige muligheder, sammenligne information eller finde en relevant service. I sådanne situationer bliver det vigtigt, at virksomhedens information er tydelig, tilgængelig og teknisk forståelig.

Det betyder ikke, at alle virksomheder allerede nu skal bygge avancerede agentløsninger. For de fleste er det vigtigere først at sikre et stærkt digitalt fundament.

Hvordan kan AI-agenter finde information?

Der findes ikke én fælles discovery-metode for alle AI-agenter. Afhængigt af systemet kan information blandt andet komme fra websites, søgemaskiner, strukturerede data, API'er, dokumentation eller andre datakilder, som agenten har adgang til.

Derfor bør virksomheder være forsigtige med at optimere efter én bestemt teknologi eller standard. Et åbent, logisk og teknisk velfungerende website er fortsat et mere robust fundament.

Websitet er stadig fundamentet

Udviklingen af AI-agenter betyder ikke, at virksomhedens website mister betydning. Tværtimod kan websitet fortsat fungere som virksomhedens primære kilde til information om produkter, ydelser, kompetencer, kontaktmuligheder og faglig dokumentation.

Hvis de grundlæggende oplysninger er uklare, forældede eller vanskelige at finde, hjælper det begrænset at tilføje nye tekniske AI-formater ovenpå.

Agent Discovery bør derfor begynde med den samme grundlæggende disciplin som andet arbejde med digital synlighed: klart indhold, logisk informationsarkitektur og et velfungerende teknisk fundament.

llms.txt og Agent Discovery

llms.txt er et foreslået format, der har til formål at gøre udvalgte informationer og ressourcer på et website lettere at præsentere for sprogmodeller og AI-systemer.

Formatet kan være interessant som en del af arbejdet med AI Discovery, men det bør ikke betragtes som en etableret standard eller som en forudsætning for Agent Discovery. Der er heller ingen garanti for, at en bestemt AI-tjeneste anvender en llms.txt-fil.

En sådan fil kan derfor være et supplement til et godt website, men den kan ikke erstatte tilgængeligt indhold, en logisk struktur eller et solidt teknisk fundament.

API'er og AI-agenter

API'er bliver særligt interessante, når vi bevæger os fra AI-systemer, der alene læser information, til agenter, der skal kunne arbejde med data eller udføre funktioner.

Et API kan give struktureret adgang til eksempelvis produkter, priser, lagerstatus, booking, beregninger eller andre funktioner. Hvis en agent har den nødvendige integration, adgang og tilladelse, kan et API gøre det muligt at arbejde mere præcist med en service end ved alene at fortolke en almindelig webside.

Det betyder ikke, at alle virksomheder behøver et API. For mange mindre virksomheder vil et klart website med tydelige ydelser og kontaktmuligheder fortsat være det vigtigste udgangspunkt.

Agent Discovery, værktøjer og nye standarder

Området omkring AI-agenter udvikler sig hurtigt. Der arbejdes med forskellige metoder til at beskrive værktøjer, funktioner, data og services, så AI-systemer kan forstå, hvad der er tilgængeligt, og hvordan det kan anvendes.

Fælles standarder og integrationsmetoder kan få større betydning, men markedet er endnu under udvikling. Derfor bør virksomheder undgå at gøre hele deres strategi afhængig af ét bestemt format.

Det vigtigste er at bygge på åbne og robuste principper: tydelig information, strukturerede data hvor det er relevant, veldokumenterede funktioner og kontrolleret adgang til services.

Agent Discovery og AI Synlighed

Agent Discovery hænger også sammen med AI Synlighed. AI Synlighed beskriver virksomhedens bredere tilstedeværelse og forståelse i AI-systemer, mens Agent Discovery fokuserer mere specifikt på, hvordan agenter kan opdage relevante informationer og funktioner.

En virksomhed kan derfor godt være synlig i et AI-genereret svar uden nødvendigvis at have funktioner, som en agent kan interagere med. Omvendt kræver brugbare agentfunktioner stadig, at agenten kan forstå, hvad virksomheden eller servicen tilbyder.

Agent Discovery og GEO

GEO fokuserer især på indholdets forudsætninger for at blive forstået og anvendt i generative AI-svar. Agent Discovery har et andet fokus: hvordan en agent kan opdage relevante ressourcer og i nogle tilfælde interagere med dem.

Områderne overlapper, fordi begge bygger på tydelig information og et stærkt digitalt fundament, men de løser ikke det samme problem.

Det tekniske fundament er afgørende

Agent Discovery kræver ikke nødvendigvis avancerede løsninger fra begyndelsen. Men de grundlæggende tekniske forhold skal fungere.

Websitet bør kunne crawles, vigtige sider skal være tilgængelige, interne links skal fungere, canonical-signaler skal være konsistente, og omdirigeringer og gamle URL'er skal håndteres korrekt.

Her spiller teknisk SEO en central rolle. Et teknisk velfungerende website giver et bedre fundament for både søgemaskiner, AI-systemer og eventuelle agentbaserede løsninger.

Hvad kan virksomheder gøre allerede nu?

Det første skridt er ikke at installere så mange AI-filer og teknologier som muligt. Det er at sikre, at virksomhedens digitale fundament er klart og forståeligt.

Virksomheden bør kunne besvare nogle grundlæggende spørgsmål: Hvem er vi? Hvad tilbyder vi? Hvilke produkter, ydelser eller funktioner findes? Hvem står bag? Og hvor findes de oplysninger, som et system skal bruge for at forstå virksomheden?

Dernæst kan man vurdere, om der findes data eller funktioner, hvor struktureret adgang gennem eksempelvis et API eller andre integrationsmetoder giver reel forretningsmæssig mening.

Undgå at bygge på hype

AI-agenter er et område i hurtig udvikling, og nye begreber, standarder og produkter kommer løbende til. Det gør det fristende at implementere enhver ny teknologi, der bliver præsenteret som nødvendig for fremtidens AI.

Det er sjældent en holdbar strategi. Nye formater bør vurderes efter, om de løser et konkret problem og skaber reel værdi.

Et godt website, klare informationer, teknisk kvalitet og struktureret adgang til relevante funktioner har værdi, selv hvis de konkrete agentstandarder ændrer sig.

Fremtiden for AI-agenter

AI-systemer får løbende flere muligheder for at anvende værktøjer og arbejde med eksterne systemer. Hvor stor en rolle autonome eller delvist autonome agenter kommer til at spille i forskellige brancher, er endnu ikke afgjort.

Retningen gør det imidlertid relevant at skelne mellem digital information, der blot kan læses, og digitale services, der også kan anvendes programmatisk.

For virksomheder handler forberedelsen derfor mindre om at forudsige én bestemt teknisk standard og mere om at skabe et digitalt fundament, der kan tilpasses, når teknologien og anvendelsen bliver mere moden.

Ofte stillede spørgsmål om AI-agenter og Agent Discovery