Guide · Hverdags-AI
Bed én agent om at researche, vurdere, skrive og faktatjekke i samme ombæring, og den bliver god til lidt af det hele, og virkelig god til intet. Løsningen er ikke en klogere agent, men flere agenter med hver deres opgave, styret af en arbejdsleder. Er "agent" stadig et løst begreb, så start med Forstå hvad en agent er og kan.
Fra én agent, der gør alting middelmådigt, til et hold, der gør hver sin ting godt.
Ikke af én agent, der fik besked på at skrive en god guide. Af et lille forløb med en arbejdsdeling.
Jeg starter med det eksempel, jeg kender bedst: den guide, du læser lige nu. Den er lavet af et lille forløb af opgaver efter hinanden: én del kortlægger, hvad jeg allerede har skrevet om, så vi ikke gentager os selv. En anden del søger bredt efter, hvad der rent faktisk rører sig lige nu. En tredje del vælger de stærkeste emner ud fra klare kriterier. En fjerde del graver dybere i kilder og fakta. Og til sidst skrives selve guiden i den stil, jeg plejer at bruge.
Ingen af de trin er en tilfældig arbejdsdeling. De findes, fordi hvert trin kræver en anden slags vurdering, og fordi én agent, der skal gøre det hele på én gang, typisk springer over kortlægningen eller glemmer at tjekke kilderne, når den også skal nå at skrive.
Det princip, flere specialiserede agenter frem for én generalist, er det, der i den brede AI-verden kaldes et agent-team eller "multi-agent orchestration". Det lyder teknisk. Det er det ikke, når man skærer det ind til benet, og det er noget, flere virksomheder allerede gør i praksis, uden at kalde det det.
Fordi en opgave med flere forskellige slags vurderinger i sig sjældent løses godt af én agent, der prøver at holde styr på det hele samtidig.
Et agent-team består af to roller, og én ting, der får dem til at spille sammen.
De to første kort nedenfor er rollerne. Det tredje er ikke en rolle, men en konsekvens af, at de to første er skilt ad.
Den modtager det overordnede mål, deler det op i mindre opgaver, sender dem videre til de rigtige specialister og samler resultaterne til ét samlet svar til sidst. Den udfører sjældent selve arbejdet. Den styrer det.
Hver specialist-agent har et smalt, veldefineret job: research, udkast, faktatjek, formatering, og behøver ikke vide, hvad de andre laver. Det gør hver enkelt bedre til sin del, fordi den ikke skal holde styr på hele opgaven samtidig.
Opgaver, der ikke afhænger af hinanden, kan køre samtidig. Mens research på to forskellige emner kører side om side, venter skrivearbejdet, til begge er færdige. Det er en stor del af, hvorfor et agent-team ofte er hurtigere, ikke kun bedre.
Anthropics eget team har beskrevet, hvordan de byggede deres research-system netop sådan: en leder-agent, der bryder en kompleks forespørgsel op og sender specialiserede undersøgelses-agenter ud parallelt (Anthropic Engineering, 2025). Mønstret går igen på tværs af værktøjer, uanset om det bygges i kode, i et no-code-værktøj som n8n, eller i et opsæt som det, der ligger bag denne guide.
Hvis ja, er en opdeling ofte umagen værd. Er opgaven én ting gjort hurtigt, er ét enkelt agent-kald nok.
Én kraftig agent rammer den samme mur som en medarbejder, der skal være sælger, bogholder og kundeservice på én gang.
Det er fristende at tro, at en enkelt, kraftig agent kan klare det hele, hvis den bare er god nok. Men den ender som medarbejderen i eksemplet: okay til alle tre ting i stedet for god til én. Ikke fordi den er for dum. Men fordi den skal holde styr på for meget på én gang.
| Dimension | Én generalist-agent | Agent-team (leder + specialister) |
|---|---|---|
| Fokus | Skal huske hele opgaven og alle regler på én gang | Hver del kender kun sin egen opgave og sine egne regler |
| Hastighed på sammensatte opgaver | Sekventiel, ét skridt ad gangen | Uafhængige dele kan køre parallelt |
| Kvalitet på nichedele | Falder, når opgaven bliver bred og lang | Holder sig højt, fordi hver specialist er smal |
| Pris | Lavere pr. kald, men flere fejlrettelser bagefter | Kan styres: dyr model til lederen, billigere modeller til specialisterne |
| Kompleksitet at sætte op | Simpel: ét kald, én prompt | Kræver en klar arbejdsdeling og en leder, der samler op |
| Bedst til | Enkeltstående, afgrænsede opgaver | Sammensatte opgaver med flere slags vurdering undervejs |
Der er også en praktisk økonomisk pointe i tabellen, mange overser: du behøver ikke bruge den dyreste, kraftigste model til alt. En almindelig opsætning er at lade en stærk model være arbejdsleder og lade billigere modeller løse de smalle specialistopgaver: det kan sænke omkostningen markant uden mærkbart tab i kvalitet (MindStudio, 2026). Det samme mønster kan du bruge i no-code-værktøjer som n8n, hvor du kan sætte flere specialiserede agent-noder op i ét workflow i stedet for én kæmpe prompt, der prøver at gøre det hele (n8n Blog, 2025). Hvordan man vælger de modeller, har jeg skrevet særskilt om i Du skal ikke bruge den samme AI-model til alt.
Dér hvor forskellige dele kræver forskellige slags vurdering, og hvor det betaler sig at holde dem adskilt.
Sådan er forløbet bag guiden faktisk skruet sammen: seks navngivne trin, uden teknik, men tæt nok på, at du kan se, hvor arbejdsdelingen ligger.
Arbejdslederen starter forløbet på et fast tidspunkt hver uge. Det er det eneste rent automatiske led. Resten er vurdering.
Første specialist-opgave: gennemgå, hvad der allerede er skrevet, så næste trin ikke foreslår noget, der findes i forvejen.
En anden specialist søger bredt efter, hvad der rører sig lige nu, og foreslår en håndfuld emner med en kort begrundelse hver.
Kandidaterne holdes op mod faste kriterier: er det dækket i forvejen, passer det til målgruppen, er det for teknisk, og de bedste vælges ud.
For hvert valgt emne hentes konkrete fakta, eksempler og kildelinks, så udkastet ikke bliver en samling synsninger.
Til sidst skrives guiden i den faste stil, gemmes de rigtige steder, og der sendes en kort statusmail til gennemsyn.
De øvrige trin er mere forudsigelige, men de skal stadig holdes adskilt, fordi de kræver forskellige former for research og forskelligt blik. Det er præcis den arbejdsdeling, der gør, at resultatet bliver mere solidt, end hvis én agent skulle gøre det hele i én arbejdsgang.
Mønstret rækker langt uden for tekstproduktion: en kundeservice-agent, en marketing-agent og en intern drift-agent, der hver løser deres smalle opgave, er et opsæt, der går igen i de eksempelsamlinger, værktøjer som n8n selv fremhæver (n8n Blog, 2026).
Det er dér, arbejdsdelingen tjener sig hjem.
Et agent-team er ikke gratis at sætte op. Tre ting afgør, om det betaler sig.
Prisen er ikke penge, men forarbejde: du skal have tænkt arbejdsdelingen igennem, før du bygger noget som helst. Her er de tre ting, jeg selv kigger efter, før jeg går i gang.
Research, valg, skrivning og kontrol er ikke det samme slags arbejde. Kræver opgaven flere af dem efter hinanden, er en opdeling ofte en gevinst.
Hvis to undersøgelser eller to udkast ikke afhænger af hinanden, sparer parallelkørsel reel tid, ikke bare struktur.
En engangsopgave er sjældent værd at bygge et helt team op omkring. Men en opgave, der kører hver uge, og hvor en fejl et sted i kæden er kostbar, tjener godt på, at hvert led er smalt og til at stole på.
Mangler alle tre, er én almindelig agent, eller bare en chat med et godt prompt, fuldt tilstrækkeligt. Byg ikke et team for teamets skyld. Er alle tre til stede, er belønningen typisk ikke kun bedre kvalitet, men også en opgave, du reelt kan stole på kører uden opsyn. Det er dét, jeg selv bruger agent-teams til: guiderne her, det daglige AI-nyhedsbrev og de hot-takes, jeg lægger på LinkedIn. Alle tre er tilbagevendende og sammensatte, og alle tre ville kræve manuel oprydning, hvis ét led i kæden trådte forkert.
Og jo flere led, jo flere steder skal der sidde en hånd på rattet. Det har jeg skrevet om i Slip agenten løs, men behold hånden på rattet.
Sammensatte, tilbagevendende opgaver, hvor research, valg og skrivning eller kontrol hænger sammen, er præcis dér, et lille agent-team ofte slår én stor agent. Skriv til mig, så ser vi på, om din opgave er en af dem.
Skriv til mig →Et agent-team er en arbejdsleder, der uddelegerer, og specialister, der hver løser én smal opgave.
Forskellen fra én generalist-agent er kvalitet og hastighed på sammensatte opgaver, ikke bare "flere agenter er federe".
Byg kun et team, når opgaven kræver flere slags vurdering, dele kan køre parallelt, og den gentager sig ofte nok til, at det betaler sig.