Strategisk foresight · Agentic engineering
Et fremadskuende kort over, hvor agentic engineering og AI er på vej hen. Femten signaler, placeret efter hvor hurtigt de får betydning, og hvor klar du bør være til at handle. Fremtiden vifter ud mod højre — jo længere ude, jo bredere er spændet af plausible udfald. Klik på et signal for at læse dets historie.
Skriv specifikationen først, og lad agenter implementere efter den. Værktøjer som Microsofts Spec Kit formaliserer mønstret — specifikationen som kontrakt, koden som resultat. Det flytter ingeniørarbejdet fra at skrive kode til at formulere intentionen præcist.
Filtaksonomien omkring agenter er ved at sætte sig — CLAUDE.md til driftsregler, AGENTS.md til teamdefinitioner, memory- og kontekstfiler, SKILL.md til arbejdsgange. Teams, der behandler dem som vedligeholdte aktiver, præsterer bedre end teams, der ser dem som engangsopsætning. Vores modul 03 / 06 / 19-område er ved at blive industristandard.
Efterfølgeren til prompt-engineering som disciplin — at bestemme hvilken information der når modellen, hvornår og i hvilken form. Udvælgelse, komprimering, isolation. Færdigheden, der adskiller velfungerende agenter fra ustabile.
Model Context Protocol er nået ud til mainstream-udbredelse (titusinder af millioner downloads) — på vej til at blive USB’en for forbindelsen mellem agent og værktøj. Ethvert internt værktøj uden en MCP-server er usynligt for agenter.
Agenter, der betjener rigtige skriveborde og browsere som et nyt automatiseringslag og afløser skrøbelig RPA. Vores modul 10-område. Begrænsningen er pålidelighed og rettighedsstyring, ikke kapabilitet.
Koordinering er den nye skaleringsfront — teams af specialiserede agenter med opgavegrafer, postkasser og isolerede arbejdsområder. Vores modul 20 gennemgår mekanikken.
Den fremvoksende jobtitel for det, de fleste “AI-ingeniører” reelt laver — at bygge miljøet omkring modellen (værktøjer, viden, rettigheder, observation) frem for intelligensen selv. Forvent at rolledefinitioner og rekruttering følger begrebet.
Statiske benchmarks er ved at blive mættede. Fronten er interaktiv evaluering — agenter bedømt på opgaver i flere trin i levende miljøer (à la ARC-AGI-3). For købere holder demo-præstation op med at være bevis; opgavebaserede evalueringer bliver indkøbskriterier.
Udbredelsen overhaler kontrollen. Agenter har brug for identiteter, afgrænsede legitimationsoplysninger, revisionsspor og tilbagekaldelse — ligesom menneskelige medarbejdere. De første alvorlige agent-forårsagede hændelser vil gøre det til et bestyrelsesemne.
Gemma-, Phi- og Qwen-klassens modeller, der kører billigt, lokalt og privat. Mønstret: store modeller til ræsonnement, små modeller til store mængder af snævre opgaver. Det ændrer omkostningsligningen for agentflåder i produktion.
Virksomhedsarkitektur, hvor mange agenter opdager, stoler på og handler med hinanden på tværs af organisationen. Efterfølgerspørgsmålet til “hvilken agent køber vi”: hvordan spiller vores agenter sammen.
Agent-hukommelse rykker fra session-hack til infrastrukturlag — delt, søgbar, styret. Den, der ejer hukommelseslaget, ejer skifteomkostningerne.
Agenter, der forbedrer sig af deres egen drift-erfaring i stedet for at vente på den næste basismodel. Trajektoriedata bliver et strategisk aktiv — dagens logfiler er morgendagens træningssignal.
Modeller, der lærer hvordan miljøer opfører sig, ikke bare hvordan tekst fortsætter. Hvis de modnes, får agenter planlægning og fysisk-verden-kompetence, som LLM’er mangler. Hold øje, men sats ikke endnu.
Compliance flytter fra politikdokumenter ind i runtime — policy-as-code, der afgrænser hvad agenter må, med EU AI Act som drivkraft. Styring bliver en engineering-leverance, hvilket er gode nyheder for den, der bygger det tidligt.