AI-agenter korter onboarding ned fra to timer til 30 minutter
OpenAI rapporterer, at de mest avancerede virksomheder går fra simpel assistance til eksekvering ved at integrere agenter i faste arbejdsgange.
Læs i dit tempo
Kort
De mest AI-modne virksomheder producerer langt mere indhold, fordi de bruger AI-agenter (selvkørende programmer) til at automatisere komplekse opgaver. Det gør det muligt at udføre arbejde hurtigere og gøre virksomhedens processer uafhængige af enkelte medarbejdere. Ledere bør nu fokusere på at skabe målbare arbejdsgange og give plads til eksperimenter med teknologien.
Begynder
De mest avancerede virksomheder producerer nu 8,3 gange så meget tekst som gennemsnittet. Teksten måles i såkaldte »output-tokens«, som kan sammenlignes med små byggeklodser af ord. Til sammenligning var tallet kun 2,6 gange i januar. Det skyldes, at firmaerne er gået fra blot at få hjælp til at bruge agenter. En agent er en form for digital medarbejder, der ikke bare svarer på spørgsmål, men rent faktisk udfører opgaver. Disse agenter får adgang til virksomhedens egen viden og værktøjer, så de kan løse mere kompliceret arbejde.
Virksomheder som Basis, Clay og Exa Labs bruger disse agenter til alt fra kundehåndtering til at hjælpe nye medarbejdere godt i gang – en proces, man kalder »onboarding«. Det fungerer lidt som at give agenten en fast opskrift på en opgave, der altid skal løses ens. På den måde bliver virksomheden ikke afhængig af, at én bestemt person husker alle detaljerne i en arbejdsgang.
Hos Basis tager det nu kun 30 minutter at starte en ny medarbejder, hvor det før tog to timer. De bygger agenter til revisionsfirmaer ved at bruge et værktøj kaldet Codex sammen med specifikke »skills«. Disse skills er genanvendelige instruktioner, som fungerer som små manualer, der gør agenten i stand til at opsætte tekniske forbindelser i baggrunden.
Ledere bør derfor skabe faste arbejdsgange, som medarbejderne kan stole på og måle. Firmaet OpenAI, der udvikler teknologien bag kunstig intelligens (AI), anbefaler, at man giver plads til eksperimenter. Det gælder også, selvom værdien af forsøget ikke er helt tydelig fra starten.
Vil du have, at jeg uddyber forskellen på en simpel AI-assistent og en AI-agent med et konkret eksempel?
De mest AI-modne virksomheder genererer 8,3 gange flere output-tokens end gennemsnittet, fordi de skifter fra simpel assistance til automatiseret eksekvering med agenter.
De mest avancerede virksomheder producerer nu 8,3 gange så mange output-tokens per aktive bruger som typiske virksomheder. Tallet var 2,6 gange i januar, ifølge OpenAI’s seneste Enterprise Signals. Forskellen skyldes, at førende firmaer kobler agenter til virksomhedens kontekst og værktøjer for at uddelegere mere komplekst arbejde.
Virksomheder som Basis, Clay og Exa Labs bruger agenter til onboarding, kundehåndtering og udviklerintegrationer. Strategien går ud på at lære en agent en stabil proces og give den vedvarende kontekst. Det gør det muligt at gentage succesfulde arbejdsgange uden at være afhængig af enkelte medarbejdere.
Onboarding af nye medarbejdere hos Basis tager nu 30 minutter i stedet for to timer. Firmaet bygger AI-agenter til revisionsfirmaer og bruger et værktøj kaldet Codex sammen med virksomhedsspecifikke »skills«. Disse skills er genanvendelige instruktioner, der gør det muligt for agenten at opsætte integrationer i baggrunden.
Ledere bør skabe arbejdsgange, som medarbejdere kan stole på og måle. OpenAI anbefaler, at der gives plads til eksperimenter, selv når værdien ikke er tydelig fra start.
Kilder
Produktionshistorie
- Radar Signal ? af 100 · spredning 1 kilder
- Skrevet Model: mimo-v2.5-free · temperatur 0.4
- Overskrift 5 kandidater, valgt af chat.dk
- Vedtagelse ainews-auto-v3 · score 0.4369