TANKESÄTTET
Från "vad ska jag fråga AI?" till "hur kan AI lösa detta själv?"
Det viktigaste skiftet när du börjar med agenter är inte tekniskt — det är hur du tänker på problem.
När du promptar frågar du: Vad ska jag skriva för att få det svar jag vill ha? Du är i centrum. Du driver processen.
När du bygger agenter frågar du: Vad är målet? Vilka steg behövs? Vad kan automatiseras? Agenten är i centrum. Du designar processen.
Det är ett genuint annat sätt att tänka — och det tar lite tid att vänja sig vid. De flesta som börjar med agenter fastnar länge i prompt-tänket och försöker lösa agentuppgifter med bättre promptar. Det fungerar sällan.
Frågor att ställa innan du bygger
Innan du öppnar ett enda verktyg — ställ dessa fyra frågor om uppgiften du vill automatisera:
- Vad är det exakta målet? Inte "hjälpa mig med e-post" — utan "sammanfatta inkommande mejl från kunder och kategorisera dem som brådskande, normal eller info." Ju mer specifikt, desto bättre agent.
- Vilka steg behövs för att nå målet? Lista dem i ordning. Om du inte kan lista stegen kan du inte bygga agenten — du förstår inte uppgiften tillräckligt väl ännu.
- Var kommer input ifrån och vart ska output? Input: mejl, formulär, fil, databas, manuell text? Output: dokument, mejl, notis, rad i ett kalkylblad? Det avgör vilka skills och verktyg du behöver.
- Vad händer när det går fel? Vad gör agenten om input saknas, är otydlig eller oväntat? En agent utan felhantering är en agent som skapar problem i produktion.
Dokumentera innan du automatiserar
Det bästa du kan göra innan du bygger en agent är att göra uppgiften manuellt — och dokumentera exakt vad du gör, steg för steg.
Det låter onödigt om du redan vet vad uppgiften är. Men det är nästan alltid värt det, av tre skäl:
- Du hittar undantagen. Manuellt arbete avslöjar de situationer du inte tänkt på — de mejl som inte passar mallen, de filer med fel format, de svar som kräver ett helt annat bemötande.
- Du förstår vad som faktiskt kräver intelligens. Ofta är 80% av en uppgift rent mekanisk och enkel att automatisera. De sista 20% kräver omdöme. Den distinktionen är avgörande.
- Du har en spec att bygga mot. Ett dokument med "gör så här" är en prompt. En bra prompt.
Inte allt bör automatiseras
Det finns en fälla i agent-tänket: att automatisera för automationens skull. Du bygger ett system, lägger ner tid, och sparar i slutändan ingenting — eller skapar nya problem.
En enkel tumregel för om något är värt att bygga som agent:
Om svaret är ja på minst tre av fyra — bygg agenten. Om svaret är nej på de flesta — skriv en bra prompt och kör den manuellt.
Det okej att inte automatisera. En bra prompt som du kör när du behöver är enklare att underhålla, enklare att justera och orsakar färre oväntade problem.
REALISMEn agent är aldrig färdig
En agent du sätter i produktion är inte klar — den är version 1. Den kommer att misslyckas med edge cases du inte förutsett. Den kommer att ge dåliga svar när input är annorlunda än du designade för. Den kommer att behöva justeras när verktygen runt den förändras.
Det är inte ett misslyckande — det är hur agentbyggande fungerar. Den viktigaste kompetensen är inte att bygga rätt från början, utan att snabbt förstå vad som gick fel och fixa det.
Bygg in observation från start:
- Logga vad agenten gör och vilket resultat den ger
- Granska output manuellt de första veckorna
- Ha ett enkelt sätt att pausa agenten om den börjar bete sig oväntat
- Sätt upp en "low confidence"-flag — be agenten rapportera när den är osäker
Det som går fel för de flesta
- Otydliga mål. "Hjälp mig med innehåll" är inte ett mål. "Sammanfatta dessa fem artiklar till tre bullets vardera och spara i det här dokumentet" är ett mål.
- För många steg direkt. Bygg ett steg, testa det. Lägg till nästa. Aldrig fem steg på en gång — det är omöjligt att felsöka.
- Ingen felhantering. Vad händer om input är tom? Fel format? Inte på svenska? Agenten behöver instruktioner för vad den ska göra — inte bara för det normala fallet.
- Ingen observation efter lansering. Du sätter igång agenten och antar att den fungerar. Den gör det — tills den inte gör det. Granska output regelbundet.
- Automatiserar det som borde vara manuellt. Uppgifter som kräver omdöme, kontext eller känslighet ska inte automatiseras fullt ut. Lägg in ett mänskligt godkännandessteg.