1 024 AI-agenter är inget försprång. En återanvändbar process är.

Hundratals AI-agenter i samma körning är en stark demo. Men agentantalet säger nästan ingenting om huruvida arbetet blir billigare, bättre eller lättare nästa vecka. Om varje körning börjar med en ny prompt och slutar med manuell räddning har du inte skapat skala. Du har bara skapat mer aktivitet.

Den intressanta frågan är därför inte hur många agenter en plattform kan starta. Den är: vad har blivit bättre när samma process körs för hundrade gången?

1 024 agenter mäter kapacitet, inte försprång

xAI beskriver hur Grok Build kan skapa arbetsflöden som delar upp ett stort uppdrag mellan parallella agenter. En normal körning får en budget på 128 agenter och stora jobb kan få upp till 1 024. Det passar arbete som faktiskt kan delas upp: granska många delar av en kodbas, sortera hundra ärenden eller låta oberoende granskare kontrollera samma fynd.

Det mer intressanta i lanseringen är inte maxantalet. Ett lyckat arbetsflöde kan sparas, delas med teamet, ta argument och köras som ett eget kommando. Framstegen sparas också vid paus och återupptagning. Det är där en engångskörning börjar likna en verksamhetsprocess.

Källa: Workflows in Grok Build — xAI

Fler agenter kan öka genomströmningen. De kan inte på egen hand bestämma vad ett godkänt resultat är, vilka källor som ska användas eller om körningen skapade något kunden faktiskt behövde. Ett otydligt uppdrag blir inte tydligare för att 1 024 instanser arbetar på det samtidigt.

Tre lanseringar, samma riktning

Grok Workflows, OpenAI Presence och Manus Plan Mode är olika produkter med olika målgrupper och villkor. De ska inte jämföras som om de vore utbytbara. Ändå pekar de åt samma håll: värdet flyttar från den enskilda prompten till en process som går att granska, återanvända och förbättra.

OpenAI Presence paketerar policyer, standardrutiner, godkända handlingar, simuleringar, utvärderingar och en förbättringsloop för röst- och chattagenter. Varje införande börjar med ett specifikt jobb. OpenAI uppger att den egna engelskspråkiga telefonsupporten löser 75 procent av inkommande ärenden utan mänsklig hjälp och att andelen överlämningar till människor minskade med 15 procentenheter på tio dagar. Det är leverantörens interna resultat, inte ett oberoende branschriktvärde. Presence erbjuds dessutom genom begränsad allmän tillgänglighet med OpenAI-ingenjörer och utvalda integratörer, inte som en självbetjänad produkt.

Källa: Introducing OpenAI Presence — OpenAI

Manus Plan Mode gör planen till ett redigerbart dokument före genomförandet. Användaren kan ändra mål, steg och begränsningar innan arbetet bekräftas. Funktionen är manuell och finns för alla användare på webb och mobil. Den bevisar inte att slutresultatet blir rätt, men den gör angreppssättet synligt innan timmar läggs på fel riktning.

Källa: Introducing Plan Mode — Manus

Gemensamt för de tre exemplen är inte en viss modell. Det är att processen får ett minne utanför chattfönstret: ett sparat arbetsflöde, en uppsättning utvärderingar eller en plan som kan redigeras och köras igen.

Återanvändning förändrar ekonomin

En prompt kan spara tid en gång. En återanvändbar process kan sänka kostnaden för varje kommande ärende. Skillnaden märks först när du räknar på hela arbetet, inte bara på modellens pris eller hur snabbt svaret kom.

Tänk på en serviceverksamhet som hanterar 250 fakturafrågor i månaden. Den manuella förberedelsen tar i snitt 18 minuter: hitta avtal, kontrollera ordern, sammanfatta avvikelsen och skriva ett svar. Om ett stabilt AI-flöde minskar förberedelsetiden till 6 minuter sparas 12 minuter per ärende, alltså 50 timmar per månad. Det är ett räkneexempel, inte ett löfte om effekt. Poängen är vad som går att mäta.

Den första versionen behöver inte lösa allt. Den kan hämta rätt underlag, märka upp avvikelsen och skriva ett utkast. När teamet ser vilka fall som ändå fastnar kan nästa version förbättras mot just dem. Då växer värdet genom upprepning:

• samma uppdrag används för varje ärende,
• samma kvalitetskriterier följer varje version,
• samma undantag blir synliga i mätningen,
• och varje förbättring påverkar framtida körningar, inte bara dagens prompt.

Det är den ackumulerade effekten som gör processen till en tillgång.

Ett konkret fall: fakturafrågan som återkommer varje vecka

Ett företag behöver inte börja med en agentplattform. Det kan börja med ett enda återkommande ärende där resultatet redan har en mänsklig definition.

För en fakturafråga kan uppdraget vara: identifiera vilken order och vilket avtalsvillkor kunden hänvisar till, beskriva avvikelsen, föreslå nästa handling och skriva ett svar som en handläggare kan acceptera eller ändra. Körningen blir värdefull när den lämnar efter sig bevis: vilka källor som användes, vilken avvikelse som hittades, vad handläggaren ändrade och om kunden behövde återkomma.

Efter några veckor går det att jämföra versioner. Blev fler utkast accepterade utan större omskrivning? Sjönk väntetiden? Återkom färre kunder med samma fråga? Om svaren är nej behövs inte fler agenter. Processen behöver bättre underlag eller en tydligare definition av färdigt.

När många agenter faktiskt hjälper

Parallellism är användbar när tre villkor finns samtidigt:

• Arbetet kan delas utan ständig samordning. Hundra dokument, kodfiler eller supportärenden kan granskas var för sig.
• Delresultaten kan kontrolleras. Det finns källor, testfall eller kriterier som gör att en andra agent eller en människa kan upptäcka fel.
• Syntesen har ett tydligt mål. Slutresultatet ska bli en prioriterad lista, en rapport eller ett beslutsunderlag, inte bara hundratals svar.

Saknas något av detta kan fler agenter öka kostnaden och mängden text utan att förbättra resultatet. Kapaciteten är då verklig, men affärsfördelen uteblir.

Fråga vad som förbättras vid körning 100

När du utvärderar ett AI-projekt, byt ut frågan ”hur många agenter kan vi köra?” mot fyra mer avslöjande frågor:

• Vad återanvänds från en körning till nästa?
• Vilket resultat accepterar verksamheten som färdigt?
• Vilken mätning visar om version två är bättre än version ett?
• Vem äger förbättringen när kundbeteende, regler eller system ändras?

Om svaren finns har du början på en process som kan växa. Först därefter är det meningsfullt att köpa mer parallell kapacitet. Om ni vill göra ett återkommande arbetsflöde till en mätbar verksamhetstillgång är det den typen av arbete vi gör inom Verktygssmide.

Det verkliga försprånget är inte att starta flest agenter. Det är att slippa uppfinna arbetet på nytt varje måndag.