Orchestreringsgabet: Hvorfor de fleste 'KI-agenter' i virksomheder stadig er chatbots

Den store illusion: Når chatbots sælges som KI-agenter

I bestyrelsespræsentationer, på konferencer og i pressemeddelelser tales der i øjeblikket meget om "KI-agenter". Men en aktuel undersøgelse fra VentureBeat Pulse Research blandt 101 virksomheder med mindst 100 medarbejdere tegner et ernøkternende billede: 71 % af de adspurgte organisationer indrømmer, at en fjerdedel eller færre af deres angiveligt deployede "agenter" faktisk udfører ægte, flertrinede workflows. Den overvejende del er i virkeligheden en glorificeret chatbot – en enkelt-prompt-wrapper med et fancy label.

Denne diskrepans mellem ambitioner og virkelighed er mere end en semantisk unøjagtighed. Den har håndgribelige konsekvenser for arkitekturbeslutninger, budgetter og den strategiske retning for hele IT-organisationer. Den, der i dag taler om "Agentic AI", skal forstå, hvad ægte orkestrering betyder – og hvorfor vejen dertil stadig er lang for de fleste virksomheder.

Anthropic leder – modellen bestemmer, ikke toolingen

Bemærkelsesværdigt er det først og fremmest, hvor virksomheder opbygger deres primære orkestreringsinfrastruktur. Undersøgelsen viser en klar koncentration hos de store modeludbydere:

• 40 % satser på Anthropics Claude Platform og Agent Skills – mere end dobbelt så mange som den nærmeste konkurrent
• 18 % bruger Microsoft AI Foundry / Copilot Studio
• 13 % satser på OpenAIs Agents SDK
• 8 % anvender Googles Enterprise Agent Platform
• Open source-frameworks som LangChain eller LangGraph udgør tilsammen kun 6 %

Den afgørende drivkraft bag denne koncentration er det, som forskerne kalder „Model Gravity": Virksomheder vælger ikke primært det bedste orkestreringsværktøj, men den platform, der ligger tættest på deres foretrukne basismodel. Med andre ord: Fundamentmodellen trækker hele arkitekturen til sig. 21 % nævner den native tilpasning til en state-of-the-art-basismodel som den vigtigste beslutningsfaktor.

„Det tekniske miljø diskuterer intenst frameworks og agentprotokoller – men der, hvor enterprise-deployments faktisk finder sted, ser verden anderledes ud. Modellen bestemmer, ikke toolingen."

Dr. Maik Bunzel, grundlægger og administrerende direktør for mabucon.eu, indplacerer dette fund pragmatisk: Valget af orkestreringslageret er for de fleste virksomheder i dag stadig en afledt beslutning – først vælges modellen, derefter følger infrastrukturen omkring den. Det lyder forståeligt, men rummer strategiske risici, som undersøgelsen klart påpeger.

"Chatbot-fælden": Det egentlige problem har fået et navn

Det, som VentureBeat-undersøgelsen betegner som "Chatbot Trap", er i bund og grund et definitions- og modenhedsproblem. Virksomheder definerer succes inden for agentorkestrering ud fra et klart kriterium: 32 % nævner Task-Completion-Reliability som den primære successtørrelse, 28 % Multi-Step-Workflow-Management. Tilsammen betyder det: Ægte agenter skal pålideligt gennemføre flere trin for at fuldføre en opgave.

Det er præcis, hvad de fleste deployede systemer imidlertid ikke gør. En klassisk Retrieval-Augmented-Generation-chatbot, der besvarer et brugerspørgsmål, er ingen agent. Den planlægger ikke, den træffer ikke situationsbestemte beslutninger, den kalder ikke eksterne tools, den handler ikke autonomt over flere trin. Betegnelsen "agent" er mange steder blevet degraderet til marketingsprog.

Særligt afslørende er fordelingen efter virksomhedsstørrelse: Mindre virksomheder er endnu hårdere ramt af chatbot-fælden – 77 % angiver, at størstedelen af deres "agenter" ikke udfører egentlige Multi-Step-Workflows. Kun 10 % af alle adspurgte har faktisk videreudviklet halvdelen af deres agent-deployments til ægte orkestrerede workflows.

Hybrid kontrolarkitektur som svar på frygten for lock-in

Et af studiets tydeligste signaler vedrører arkitekturpræferencer for fremtiden. Inden udgangen af 2026 forventer 51 % af de adspurgte en hybrid Control Plane – altså en kombination af provider-native orkestrering og et eksternt orkestreringslag. Kun 6 % ønsker at overdrage kontrollen fuldt ud til en Provider-Managed-Service.

Årsagen er indlysende: 35 % nævner Vendor Lock-in som den største risiko ved deres nuværende orkestreringsstrategi. Den, der bygger hele sin agentlogik dybt ind i en proprietær platform, mister fleksibilitet – og det i et marked, hvor modelbilledet ændrer sig hvert halve år.

For virksomheder betyder det konkret: Investeringsprioriteterne forskydes. Agent-Workflow-Tooling topper udgiftsplanerne (34 %), efterfulgt af Security- og Permissions-Enforcement (25 %). Det er byggestenene i en robust og kontrollerbar agentinfrastruktur – ikke modellerne i sig selv, men styringslaget over dem.

Finansiel kontrol: Den blinde vinkel i agent-stacken

Et særligt kritisk fund vedrører omkostningskontrol. Ægte, autonome KI-agenter kan drive token-omkostningerne eksponentielt i vejret på kort tid – især når de havner i løkker, foretager unødvendige API-kald eller behandler dårligt definerede opgaver. Studiet viser: Mere end en fjerdedel af virksomhederne (27 %) har ingen realtidsmekanisme til at stoppe en kørende agent, inden regningen ankommer.

Det er en alvorlig blind vinkel. Real-Time-Fiscal-Control – altså evnen til at overvåge token-forbrug og dermed forbundne omkostninger i realtid og om nødvendigt afbryde hårdt – er i dag stadig undtagelsen, ikke reglen. For virksomheder, der anvender agenter i produktionskritiske miljøer, er det en uacceptabel risiko.

Dr. Maik Bunzel, grundlægger og administrerende direktør for mabucon.eu, påpeger i denne sammenhæng et ofte undervurderet aspekt: Den tekniske evne til orkestrering og den operationelle modenhed til at drive denne orkestrering sikkert og omkostningseffektivt er i mange virksomheder stærkt adskilte størrelser. Det er ikke nok at deploye agenter – man skal også kunne administrere dem.

Hvad der adskiller ægte orkestrering fra en chatbot-wrapper

For virksomheder, der seriøst ønsker at videreudvikle deres KI-strategi, er det værd at arbejde med klare begreber. En ægte KI-agent kendetegnes ved følgende egenskaber:

• Multi-Step-Reasoning: Agenten planlægger selvstændigt en sekvens af trin for at nå et mål
• Tool-Use: Den kalder eksterne API'er, databaser eller andre systemer situationsbestemt og efter behov
• Autonom beslutningslogik: Den evaluerer mellemresultater og tilpasser sin fremgangsmåde dynamisk
• State-Management: Den opretholder kontekst og tilstand på tværs af flere trin
• Fejltolerance og fallback-logik: Den genkender fejl og reagerer struktureret på dem

En chatbot, der besvarer et spørgsmål – også selv om den tilgår en vidensbase i processen – opfylder ikke ét eneste af disse kriterier fuldt ud. Det er ikke en kritik af chatbots som et nyttigt værktøj; det er en nødvendig præcisering af, hvad begrebet "agent" egentlig bør betyde.

Implikationer for virksomheder: Hvor rejsen fører hen

Studiets resultater antyder, at vi befinder os i en fase, der kan beskrives som „Orchestration Buildout Ahead of Portfolio": Infrastrukturen bliver opbygget, men de faktisk orkestrerede anvendelsesscenarier følger endnu efter. Det er ikke nødvendigvis et problem – det kan også afspejle strategisk fremsyn. Det afgørende er imidlertid bevidst at lukke denne kløft.

Konkrete handlingsanbefalinger til virksomheder:

• Ærlig porteføljeanalyse: Hvilke deployede systemer er reelt agenter, og hvilke er chatbots? Svaret på dette spørgsmål former hele roadmap'en.
• Hybrid arkitektur fra begyndelsen: Kombiner provider-native orkestrering med et eksternt styringslag for at undgå lock-in og bevare fleksibilitet.
• Indfør token-governance: Real-Time-Cost-Control er ikke et nice-to-have, men et operationelt grundkrav for produktive agent-deployments.
• Rettet piloter mod ægte multi-step-scenarier: Kun den, der anvender agenter på komplekse, flertrinede processer, opnår den læringskurve, der er nødvendig for senere skalering.
• Prioritér sikkerhed og tilladelser: Med stigende autonomi vokser behovet for granulær adgangskontrol eksponentielt.

Studiet viser i sidste ende: Problemet inden for enterprise-KI er i øjeblikket ikke et platformsproblem. Platformene eksisterer, de fungerer tilstrækkeligt godt, og virksomhederne har truffet deres valg. Det egentlige problem er et deployment- og modenhedsproblem – evnen til at konceptualisere, implementere og sikre driften af ægte, orkestrerede agent-workflows. Og det er præcis her, løftestangen til en varig konkurrencefordel i de kommende år befinder sig.