AI i praksis

Hver morgen vil jeg gerne vide det samme: Hvad står der i kalenderen, hvilke opgaver forfalder, hvilke mails er ulæste, hvem jeg har lovet at ringe til, og hvilke fødselsdage der kommer. Det er præcis den slags opgave, der for tiden bliver solgt som en AI-agent. »Din personlige assistent læser din indbakke, tjekker din kalender og giver dig et overblik hver morgen.«

I går byggede jeg den selv. Den hedder brief, er 142 linjer kode og kører på seks sekunder. Den bruger ingen sprogmodel.

En sprogmodel fik et tal for læsbarhed at ramme. Den ramte tallet, og teksten blev dårligere. Det er den mest lærerige fejl, vi har haft, siden vi begyndte at lade Claude skrive udkast til Folkets.

Instruktioner er ikke nok

Folkets har en lille redaktionel maskine. En historie går gennem fire trin: pitch, research, udkast og gennemlæsning. Hvert trin er en kørsel af Claude Code uden en redaktør ved tasterne, startet fra en lokal webside og styret af en eventstrøm.

Der er en forskel, som afgør, om en AI-agent kan få lov at arbejde alene, og den er næsten aldrig med i samtalen. Det er forskellen på en instruktion og en mekanisme.

En instruktion er noget, modellen læser og for det meste følger. En mekanisme er noget, der returnerer en fejl.

For et år siden var de fleste AI-agenter bygget som en løkke. Spørg modellen, kald et værktøj, læg svaret tilbage i samtalen, spørg igen. Det virkede fint i en demo, der tog tredive sekunder.

Det kan du nu med event sourcing. I hvert fald i dine systemer.

Det lyder som en reklame, og jeg ved det godt. Men prøv at tænke på, hvor tit spørgsmålet egentlig bliver stillet i en virksomhed. En prisregel har været forkert i tre uger. Hvor mange ordrer blev ramt, og hvad skulle de have kostet? Revisoren vil vide, hvad I vidste den 4. marts, og ikke hvad I ved i dag. Eller en AI-agent traf en mærkelig beslutning i går, og nu vil I se den ske igen, langsomt.

Demoer viser altid det lykkelige forløb. Agenten får en opgave, udfører elleve trin og leverer et resultat, og alle i lokalet nikker. Det spørgsmål, der afgør, om systemet nogensinde kommer i drift, bliver ikke stillet: Hvad sker der, når trin syv fejler?

Svaret afhænger næsten udelukkende af én ting, som ingen leverandør nævner af sig selv – hvordan systemet holder styr på, hvor langt det er nået. Der findes tre grundformer. De koster det samme at bygge for en simpel opgave, og de opfører sig vildt forskelligt den dag, noget går galt.

Jeg ville have en enkel redaktionel handling: en videnshistorie skal ligge klar om formiddagen, jeg skal kunne svare ja på telefonen, og så skal den ud på Folkets uden at min Mac eller en terminal behøver stå åben.

Det lyder som en notifikation. Det er det ikke. Det er et lille distribueret system.

Forleden skrev jeg om, hvorfor Folkets Avis producerede slop i et år, og hvad der skulle til for at komme videre. Den korte version: modellen var ikke problemet. Redaktionen fandtes ikke på skrift.

Her er den lange version. Altså den, hvor jeg åbner mappen og viser, hvad der faktisk ligger i den.

For tre år siden satte jeg sprogmodeller til at skrive Folkets Avis. Ikke som et forsøg i et hjørne af sitet, men hele vejen: automatisk indsamling, automatisk skrivning, automatisk udgivelse. Det kørte i mindst et år uden at nogen rørte en tast. På det tidspunkt var det så vidt jeg ved den første automatisering af sprogmodeller i dansk mediebranche.

Der er to måder at give en AI-agent frie tøjler på, og de er begge forkerte.

Den ene er at lade den spørge om alt. Den bliver ignoreret inden for en uge. Når hver eneste handling kræver en godkendelse, holder mennesket op med at læse godkendelserne — man klikker ja, fordi man altid klikker ja. Det er ikke kontrol, det er en vane, der ser ud som kontrol.

Den anden er at lade den lade være med at spørge. Så kører den, indtil den gør noget, ingen ville have sagt ja til, og så er samtalen om AI i den virksomhed slut i to år.