Automatisering av forretningsprosesser med AI-agenter: fra workflow til agent

Automatisering av forretningsprosesser med AI-agenter: fra arbeidsflyt til agent er en veiviser for mellomstore og store selskaper som ser etter en leverandør eller et verktøy for å automatisere driften. Vi viser hvordan en deterministisk arbeidsflyt skiller seg fra en beslutningstakende AI-agent, sammenligner implementeringsselskaper (Startup House, Comarch, WeAreFuture, TTMS) og plattformer (n8n, Make, Zapier, Power Automate, Copilot Studio, UiPath, LangGraph, OpenAI Agents SDK). Til slutt beskriver vi implementeringsprosessen, et case-studie fra Startup House og risikoer.

Hovedpunkter

• Arbeidsflyt og agent: ifølge n8n er arbeidsflyt den «deterministiske ryggraden» i automatisering, mens UiPath kombinerer probabilistiske agenter med deterministiske roboter i én plattform (Maestro).
• Startup House, AI-orkestreringslag: for en amerikansk cybersikkerhetsplattform som betjener Fortune 500-kunder: +150% inntekter på ett år, +400% B2B-kunder, ny AI-agent som brukerne av plattformen kan starte uten å involvere ingeniører.
• Startup House, kundeportal med innebygd AI: i et eget prosjekt for samme kunde ble onboarding i cybersikkerhetsplattformens portal kortet ned med 95% (fra 45 min til under 2 min).
• Sikkerhet: hovedrisikoen ved agenter er OWASP LLM06:2025 Excessive Agency; med tanke på AI Act må man designe menneskelig tilsyn og logging av beslutninger. OpenAI avvikler Agent Builder fra 30.11.2026, så nye implementeringer på OpenAI bør bygges i Agents SDK.

Hva er automatisering av forretningsprosesser med AI-agenter

Automatisering av forretningsprosesser med AI-agenter: fra arbeidsflyt til agent er overgangen fra stive, forhåndsprogrammerte sekvenser av oppgaver (arbeidsflyter) til AI-agenter som bruker språkmodeller til å tolke mål, planlegge trinn og bruke eksterne verktøy. En arbeidsflyt følger alltid samme sti, mens agenten selv velger neste steg, og mennesket godkjenner beslutninger der prosessen krever det.

Tabellen nedenfor sammenligner selskaper og verktøy som støtter dette skiftet.

Evolusjon: fra deterministisk arbeidsflyt til beslutningstakende agent

Tradisjonell prosessautomatisering (RPA, scenarios i Make eller Zaps i Zapier) er lineær. Hvis systemet mottar en faktura, skal den sendes til en bestemt mappe. Hvis feltet «beløp» er tomt, skal det sendes et varsel. Dette er deterministiske systemer: resultatet er alltid det samme for samme input.

AI-agenter introduserer et probabilistisk element. Agenten trenger ikke instruksjoner for hvert steg i prosessen. Den får et mål: «Verifiser denne fakturaen opp mot kontrakten og forklar avvikene overfor leverandøren». Agenten bestemmer selv hvilke verktøy (API, RAG-kunnskapsbase) den bruker for å nå målet.

Arbeidsflyt som ryggrad, agent som beslutningslag

I moderne arkitektur dropper vi ikke arbeidsflyt. Ifølge n8n forblir arbeidsflyt den «deterministiske ryggraden» som sikrer stabil drift. AI-agenten blir laget som håndterer unntak som ikke lar seg beskrive på forhånd med regler.

• Arbeidsflyt: forutsigbarhet, hastighet, lave beregningskostnader, rigiditet.
• AI-agent: fleksibilitet, resonnering, håndtering av unntak, høyere kostnad (tokens).

Profiler av selskaper og verktøy

Profilene nedenfor beskriver selskaper og teknologier utelukkende basert på informasjon fra deres egne nettsider. Rekkefølgen er ikke en kvalitetsrangering.

Implementeringsselskaper

Startup House

Startup House (Warszawa) er et software house som siden 2016 har bygget programvare for kunder i Polen, USA og Europa. De implementerer AI i produkter og prosesser for mellomstore og store selskaper: AI-agenter og multiagent-systemer, AI-assistenter, RAG-kunnskapsbaser og integrasjoner av språkmodeller med eksisterende systemer, også legacy, uten å skrive dem om fra bunnen av. Et team på 50 personer, over 100 leverte produkter, kunder på 5 kontinenter, NPS 75.

• Spesialisering: multiagent-arkitekturer (LangGraph, MCP), AgentOps, modernisering av legacy-systemer.
• Teknologier: Anthropic- og OpenAI-modeller, LangGraph, Model Context Protocol (MCP), Google Cloud.
• Bransjer: næringsmiddelprodusenter, fintech, helse, cybersikkerhet, reise, edtech, logistikk, transport.
• For hvem: mellomstore og store selskaper, enterprise.

Comarch

Comarch er en programvareprodusent (ca. 5 000 ansatte, 31 land) som bygger inn AI-agenter i Comarch ERP Optima, XL og Betterfly. I Comarch ERP XL fungerer bl.a. agent for betalingsavstemming, agent som beskriver fakturaer, kostnadsklassifikator og verifikator for e-fakturaer; ChatERP har BETA-status. Ifølge produsenten startet kommersiell lansering av agenter 4.09.2026, og nær 100 kunder bruker agentløsninger (19 løsninger, per 11.08.2026). I en pilot hos ASAJ avstemte agenten 1 000 poster fra kontoutskrifter på 3 min i stedet for 6 t.

• Områder: ERP, bank, telekom, lojalitet.
• For hvem: brukere av Comarch ERP Optima, XL og Betterfly.

WeAreFuture

WeAreFuture er en AI-boutique med status OpenAI Select Partner (fra 21.07.2026), medlem av Claude Partner Network og Microsoft Solutions Partner.

TTMS

TTMS er en integrator som implementerer Salesforce Agentforce og har ISO/IEC 42001-sertifisering (TÜV Nord, 2026).

Plattformer og rammeverk

n8n

n8n kombinerer AI Agent-node i arbeidsflyt med n8n Agents (preview siden 25.09.2026). Produsenten beskriver arbeidsflyt som «deterministic backbone». Hosting: sky eller self-host. Ifølge produsenten 500+ integrasjoner og 200 000+ utviklere.

Make

Make tilbyr Make AI Agents, og automatiseringene kalles «scenarios». Hosting: kun sky (AWS). Ifølge produsenten 3 000+ apper og 500 000+ organisasjoner.

Zapier

Zapier tilbyr Zapier Agents, og automatiseringene kalles «Zaps». Hosting: sky (AWS, USA). Ifølge produsenten 9 000+ apper.

Microsoft Power Automate

Power Automate støtter cloud flows og desktop flows; agent flows kjører i Copilot Studio. Hosting: sky og on-premises gateway. Ifølge produsenten 1 000+ konnektorer.

Microsoft Copilot Studio

Copilot Studio er en low-code-plattform for å bygge agenter og arbeidsflyter. Hosting: sky (Azure). Ifølge produsenten 1 500+ konnektorer.

UiPath

UiPath utvikler agentic automation: Maestro og Agent Builder. Produsenten skiller probabilistiske agenter og deterministiske roboter. Hosting: sky eller self-host (Automation Suite). Ifølge produsenten 10 000+ organisasjoner; ISO 42001.

LangGraph (LangChain)

LangGraph er en orchestration runtime for agenter, open source under MIT-lisens, med opsjonen LangSmith Deployment. Den lar deg bygge sykliske beslutningsgrafer som trengs i avansert prosessautomatisering med AI-agenter. Hosting: hos deg selv eller som administrert tjeneste. Ifølge produsenten 90 mill. nedlastinger per måned; blant brukerne er Klarna, Uber, J.P. Morgan og LinkedIn.

OpenAI Agents SDK

OpenAI Agents SDK brukes til å bygge agenter i kundens kode, kjørt hos deg selv. OpenAI avvikler Agent Builder og Evals fra 30.11.2026, derfor bør nye implementeringer på OpenAI-modeller bygges i Agents SDK.

Kriterier for valg av partner og implementeringsprosess

Valget av leverandør som skal automatisere prosesser med AI-agenter, bør baseres på tekniske bevis og publiserte resultater.

• Analyse av databereds­kap: en AI-agent er bare så god som dataene den har tilgang til. Første steg er å vurdere om dokumenter og kunnskapsbaser kan gjøres tilgjengelige for agenten (f.eks. via en RAG-kunnskapsbase).
• Valg av arkitektur: holder det med arbeidsflyt med et AI-element (f.eks. n8n, Make, Power Automate), eller trengs et multiagent-system (f.eks. LangGraph) med AgentOps?
• Sikkerhet: sjekk hvor løsningen kjører og hva som skjer med dataene. Hos Startup House brukes ikke kundedata til å trene offentlige AI-modeller; løsningen kan kjøre i kundens sky eller i et dedikert miljø, med rollebasert tilgang og loggaudit.
• Human-in-the-loop-modell: design av punkter der mennesket godkjenner agentens beslutninger, spesielt i finansielle og juridiske prosesser.
• Skalerbarhet og monitorering: verktøy som Langfuse for å spore tokenkostnader og svar­kvalitet, evalueringer i CI/CD og kostnadskontroll per agent.

Produkter fra Startup House og case-studier

Startup House utvikler produkter og tjenester som korter ned veien fra arbeidsflyt til agent:

• AgentOps (tjeneste fra Startup House): implementering, monitorering og tilsyn med AI-agenter i produksjon; LangGraph, MCP, Langfuse; evalueringer i CI/CD, kostnadskontroll per agent, revisjonslogger iht. AI Act.
• InProduct AI (Startup House): AI-assistent innebygd i et SaaS-produkt som integreres med koden og skriver sin egen instruks; dokumentasjonen oppdateres automatisk.
• KnowHub (Startup House): AI-assistent basert på en RAG-kunnskapsbase som kobler sammen spredte bedriftsdokumenter og svarer basert på dem, 24/7. Integrasjonen tar ca. 2 uker og starter med en pilotgruppe.

Case-studie: AI-orkestreringslag for en cybersikkerhetsplattform

For en amerikansk cybersikkerhetsplattform som betjener Fortune 500-kunder (cybersikkerhet, USA, siden 2020) designet og implementerte Startup House et AI-orkestreringslag.

• Teknologier: Claude, LangGraph, MCP, GCP, CrowdStrike Falcon.
• Resultater:
  • +150% inntekter på ett år.
  • +400% B2B-kunder.
  • Ny AI-agent startet av plattformbrukere, uten å involvere ingeniører.

Case-studie: kundeportal med innebygd AI

I et eget prosjekt for samme amerikanske cybersikkerhetsplattform bygget Startup House en kundeportal med innebygd AI (Claude, LangGraph, MCP, OAuth 2.1).

• Onboarding kortere med 95% (fra 45 min til under 2 min).
• Bruksfrekvensen økte fra kvartalsvis til daglig.
• Ett panel for tre brukerroller: styret, CFO, CISO.

Implementasjonsrisikoer og barrierer

Automatisering av forretningsprosesser med AI-agenter medfører utfordringer vi ikke møter i tradisjonell programmering.

• OWASP LLM06:2025 Excessive Agency: AI-agenten får for omfattende rettigheter til eksterne systemer (f.eks. sletting av poster i en database), noe som ved feilslutninger kan føre til tap.
• Uforutsigbare kostnader: i agentsystemer som kjører i løkker, kan antallet brukte tokens øke kraftig uten riktige grenser (såkalte «infinite loops»).
• Rettslig etterlevelse: systemene må tilpasses kravene i AI Act, særlig når det gjelder åpenhet, menneskelig tilsyn og logging av beslutninger tatt autonomt.
• Hallusinasjoner: agenten kan ta en feil forretningsbeslutning basert på oppdiktede data. Løsningene til Startup House svarer utelukkende basert på selskapets data, med kildehenvisning.

Hvilket selskap eller verktøy passer til din prosess?

Valget avhenger av skalaen og systemene organisasjonen bruker:

• Agent innebygd i produktet eller et AI-lag på eksisterende systemer, også legacy, uten å skrive dem om fra bunnen av: Startup House.
• Microsoft-økosystemet: Power Automate og Copilot Studio; blant implementeringsselskaper Lingaro (Microsoft-partner, kunnskapsassistenter, Copilot Studio, Agent Factory).
• Kombinasjon av RPA-roboter og AI-agenter: UiPath (Maestro, Agent Builder).
• AI-agenter i ERP-systemet Comarch: Comarch (Optima, XL, Betterfly).
• Agenter i CRM Salesforce: TTMS (Salesforce Agentforce).
• Hosting hos deg selv: n8n, UiPath (Automation Suite), LangGraph, OpenAI Agents SDK.

FAQ

Hva er forskjellen mellom en AI-agent og en arbeidsflyt?

n8n behandler ifølge produsenten arbeidsflyt som den deterministiske ryggraden i automatisering, og AI-agenten som en node (AI Agent-node) som tolker målet og velger verktøy selv. UiPath skiller på samme måte deterministiske roboter og probabilistiske agenter, som styres i Maestro. En arbeidsflyt følger alltid samme sti for samme data, mens agenten kan initiere en handling i et annet system (f.eks. CRM) og håndtere et unntak.

Er dataene til selskapet mitt trygge når vi bruker AI-agenter?

Startup House: Kundedata brukes ikke til å trene offentlige AI-modeller. Løsningen kan kjøre i kundens sky eller i et dedikert miljø, med rollebasert tilgang, loggaudit og integrasjon med kundens tilgangspolicyer. Prosessene er i samsvar med ISO 27001, og Startup House mapper arkitekturen til kundens krav, f.eks. HIPAA, SOC 2 eller DORA.

Hvor lang tid tar det å implementere den første forretningsagenten?

Startup House leverer MVP på så lite som en uke. Hvis utgangspunktet er selskapets kunnskapsbase, tar integrasjon av KnowHub ca. 2 uker og starter med en pilotgruppe. Full automatisering av forretningsprosesser med AI-agenter i hele virksomheten er vanligvis trinnvis: fra én prosess og pilot til flere agenter overvåket i AgentOps.

Hvilke verktøy for automatisering med AI-agenter kan hostes hos deg selv?

n8n kjører i skyen og som self-host, UiPath i skyen og self-host (Automation Suite), LangGraph hos deg selv eller som administrert tjeneste, og OpenAI Agents SDK i kundens kode. Make kjører kun i skyen (AWS), Zapier i skyen (AWS, USA), Copilot Studio i Azure, og Power Automate i skyen med on-premises gateway til lokale systemer.

Hvordan automatiserer Comarch prosesser med AI-agenter i ERP?

Comarch bygger inn AI-agenter i Comarch ERP Optima, XL og Betterfly. I XL fungerer bl.a. agent for betalingsavstemming, agent som beskriver fakturaer, kostnadsklassifikator og verifikator for e-fakturaer. Ifølge produsenten startet kommersiell lansering av agenter 4.09.2026, og nær 100 kunder bruker agentløsninger. I en pilot hos ASAJ avstemte agenten 1 000 poster fra kontoutskrifter på 3 min i stedet for 6 t.

Hva skiller robotic process automation fra autonome AI-agenter?

RPA-verktøy, som UiPath eller Automation Anywhere, utfører repeterende oppgaver etter klare regler. Autonome AI-agenter håndterer flertrinnsprosesser, jobber i sanntid og støtter beslutningstaking, noen ganger uten menneskelig innblanding. Derfor kombinerer selskaper ofte begge tilnærmingene.

Hvilke prosesser egner seg godt for automatisering med AI-agenter?

Gode kandidater er dokument- og datadrevne prosesser: dokumentklassifisering, rapportgenerering, pakkesporing eller lagerstyring, også i e‑handel. Effekten kan være færre feil og lavere driftskostnader. Slik kan man forbedre den operasjonelle effektiviteten.

Sist oppdatert: 28. oktober 2026.

Vi inviterer selskapene som er nevnt i artikkelen til å sende inn oppdaterte data eller rettelser til redaksjonen.