Den store forvirring: Alle taler om AI, få skelner
I møder, RFP'er og leverandørpitcher smelter Generativ AI og Agentic AI sammen til et enkelt “ChatGPT-øjeblik.” Denne uoverensstemmelse skaber forkerte forventninger: Teams køber “Gen-AI”, men har brug for eksekvering og orkestrering — dvs. agentisk adfærd.
“Hvis du ikke adskiller begreberne, køber du teknologi til det forkerte job.”
Denne guide afklarer, hvad hver klasse leverer, hvor begrænsningerne er — og hvordan man beslutter pragmatisk.
Hvad er generativ AI?
Generativ AI producerer indhold: tekst, udkast til tabeller, resuméer, kodeudkast, billeder. Den er trænet på store korpora og reagerer sandsynlighedsbaseret på prompts.
Styrker:
- Hurtige udkast og varianter (e-mails, rapporter, FAQ'er)
- Resuméer og oversættelse på tværs af sprog
- Brainstorming og strukturering af ustruktureret information
Begrænsninger:
- Ingen garanteret korrekthed uden review-loops (hallucinationer)
- Ingen pålidelig end-to-end-handling i virksomhedssystemer uden yderligere arkitektur
- Afhængighed af promptkvalitet og kontekstvindue
Hvad er Agentic AI?
Agentic AI forfølger mål: den planlægger trin, kalder værktøjer (API'er, databaser, ticketing), kontrollerer mellemresultater og tilpasser sig — som en digital operatør med mandat.
Styrker:
- Automatisering af flertrinsprocesser med eskalering og logging
- Kombination af perception (dokument), beslutning og handling
- Skalering af gentaget arbejde med målbare cyklustider
Begrænsninger:
- Højere implementerings- og governance-overhead (roller, politikker, monitorering)
- Gennemsigtighed og forklarbarhed skal designes ind
- Forkerte mål forstærkes uden human-in-the-loop
Den afgørende sammenligning: 8 dimensioner
Otte praktiske dimensioner gør forskellen tydelig:
| Dimension | Generativ AI | Agentic AI |
|---|---|---|
| Primært formål | Producere indhold | Udføre opgaver og forfølge mål |
| Interaktionsmodel | Prompt → svar | Mål → plan → værktøjstrin |
| Systemkobling | ofte indirekte (kopi/indsæt, forbindelser) | direkte via API'er og orkestrering |
| Autonomi | begrænset til sprogområdet | høj, med definerbare sikkerhedsrammer |
| Fejlprofil | sproglige hallucinationer | forkerte handlinger uden sikkerhedsrammer |
| Sporbarthed | chathistorik | audit trail, trinlogs, politikker |
| Time-to-value | meget hurtig til tekstarbejde | højere opsætning, stærkere ROI på rutiner |
| Typisk rolle | copilot til viden | operatør til processer |
Beslutningsmatrix: Hvornår Gen-AI, hvornår Agent-AI?
Brug denne tjekliste til en første beslutning:
- Gen-AI passer, når opgaven er formulering, opsummering, oversættelse eller idéudvikling.
- Agent-AI passer, når data skal flyttes fra system A til B under regler, gentagne gange.
- Hybrid, når Gen-AI laver udkast, og Agent-AI validerer, beriger og leverer.
- Ikke agentisk endnu, hvis governance, datakvalitet og mål er uklare — afklar først.
- Ikke kun Gen, hvis operationelle SLA'er, bogføringer eller compliance kræver værktøjsadgang.
Hvorfor fremtiden har brug for begge
Komplementaritet er vigtig: Gen-AI leverer sprog og struktur; Agent-AI leverer håndhævelse og målbarhed gennem hele kæden.
“Vores bedste resultater opstår, når menneskelig intuition møder maskinhastighed — ikke som en erstatning, men som en forstærker.” — Hewlett-Packard innovationskultur (parafrase)
Organisationer, der kun investerer i den ene side, opgiver enten effektivitet eller kvalitet i grænsefladen mellem menneske og maskine.
Hvordan PaperOffice AI forener begge verdener
PaperOffice AI kombinerer kraftfulde LLM'er (generative) med Document Agents og atomare API-værktøjer (agentiske) i én arkitektur med knowledge graph og sporbarhed.
| Funktion | Type | Eksempel |
|---|---|---|
| Forstå og opsummere fritekst | Generativ AI / LLM | Kontraktklausuler i almindeligt sprog |
| Udtrække og validere felter | Hybrid | Fakturadata med plausibilitetstjek |
| Udløse tickets, eksport, godkendelser | Agentic AI | Workflow-trin via sikrede værktøjer |
| Videnkobling på tværs af dokumenter | Graph + Gen-AI | Dubletter, relationer, svindelsignaler |
Konklusion: Ikke Gen vs. Agent — men Gen + Agent
Spørgsmålet er ikke, hvilken AI der er “bedre”, men hvilken rolle den spiller i din værdikæde. Med klare mål, datakvalitet og governance bliver generativ AI og Agentic AI en fælles operationel virkelighed — hvor tekstarbejde møder proceseffekt.
