AI Enablement Radar vecka 33: ge AI-arbetet ett tydligt gränssnitt

Veckans AI-nyheter pekar åt samma håll: AI-arbetet flyttar ut ur den privata chattrutan och in i ytor där fler kan se, styra och granska vad som händer. Det syns i Google Sheets, GitHub-plugins och Novo Nordisks agentarbete. För ett nordiskt team kan nästa investering därför vara ett tydligare arbetsgränssnitt snarare än ännu en modell.

Ett agentiskt arbetsflöde är ett flöde där AI utför flera steg, använder verktyg och lämnar över ett resultat för granskning. Människan behöver en vy som gör flödet begripligt och möjligt att leda.

Toppsignaler denna vecka

• OpenAI rapporterar att företag i den översta tiondelen av AI-användning nu genererar 8,3 gånger mer utdata per aktiv användare än typiska företag. I januari var skillnaden 2,6 gånger. Veckovis användning av plugins är också högre, 21 procent mot 9 procent. Det pekar på en skillnad i arbetsdjup, sammanhang och verktygsåtkomst, inte bara antal licenser. Källa: OpenAI, How enterprises put AI to work.
• OneAdvanced byggde fler än 50 uppgiftsspecifika agenter på tre veckor. Kliniker, produktchefer och analytiker kan konfigurera dem i en visuell byggyta utan att skriva kod. Det intressanta är kombinationen av domänkunskap, återanvändbara verktyg och en gemensam kontrollpunkt. Källa: AWS och OneAdvanced, How OneAdvanced deployed over 50 AI agents.
• Google lanserar Sheets canvas, en läs- och skrivyta som kan göra ett kalkylblad till exempelvis en Kanban-vy, instrumentpanel eller tracker. Ändringar i vyn uppdaterar källarket och tvärtom. Den första lanseringen är webbaserad och på engelska. Källa: Google Workspace Updates, Use Sheets canvas to visualize data.
• GitHub har släppt Agent Plugins 1.0 i VS Code, Copilot CLI, Copilot SDK och Copilot-appen. Ett paket kan bära både en färdig arbetsinstruktion och dess verktygskopplingar, med administratörsstyrning för plugins, marknadsplatser och MCP-servrar. Källa: GitHub Changelog, Agent Plugins 1.0.
• Novo Nordisk har redan fler än 25 000 medarbetare som använder generativ AI och går nu vidare med AI-agenter, biologiska modeller och ett gemensamt innovationsnav med AWS. Det är en tydlig införandeordning: vardagsarbete först, specialiserade flöden därefter. Källa: Novo Nordisk, strategic partnership with AWS.
• EU-kommissionens nya märkningsikoner och Anthropics planerade textvattenmärkning gör ursprung synligt i själva publiceringsflödet. Ikonerna är frivilliga verktyg, medan upplysningsplikten gäller vissa typer av AI-genererat eller manipulerat innehåll. Källa: EU-kommissionen, EU Icons for labelling AI-generated content. Källa: Anthropic, Så fungerar Claudes textvattenmärkning.

Vad företag faktiskt gör med AI

Novo Nordisk bygger vidare från bred användning

Novo Nordisk kopplar sitt nästa steg till en redan etablerad bas. Bolaget uppger att fler än 25 000 medarbetare använder den generativa AI-lösningen för informationssökning, dokumentutkast, chattbotar och stöd i icke-reglerade processer. Partnerskapet med AWS omfattar nu bland annat Amazon Bedrock AgentCore och arbete med genomik, bilddata och kliniska data.

Det är relevant även långt från läkemedelsindustrin. Ett team kan först göra en gemensam arbetsyta användbar för många, och sedan bygga djupare kopplingar där värdet och ansvaret är tydligt.

Källa: Novo Nordisk, strategic partnership with AWS.

Domänexperten blir verktygsbyggare

OpenAI beskriver hur en ekonom utan tidigare programmering använde Codex för att göra om en månatlig annonsprognos till dagliga och veckovisa planeringsverktyg. Ett internt GPT-stöd för investerarrelationer kortade samtidigt den första utkastfasen från timmar, ibland över natten, till sekunder. Människan behåller granskningen.

Poängen är inte att varje ekonom ska bli utvecklare. Verktyget blir bättre när personen som kan prognosen också kan forma arbetsytan, fälten och godkännandet.

Källa: OpenAI, What building an AI-native finance function taught me.

Skolor får en vy över skrivprocessen

Grammarly Authorship har integrerats med Blackboard. Studenter kan visa hur texten skapades, medan lärare får en klassvy och kan öppna en enskild skrivprocess vid behov. Grammarly uppger att över fem miljoner Authorship-rapporter har skapats. I ett leverantörspublicerat fall minskade Rowan-Cabarrus Community College antalet integritetsöverträdelser från 27 till 1 under en termin.

Det här är mer användbart än en ensam detektionspoäng. Skolan får ett granskningsunderlag som går att diskutera med studenten, men behöver fortfarande egna regler för hur underlaget ska tolkas.

Källa: Grammarly, Authorship is now available in Blackboard.

Fler agenter kräver en gemensam operatörsvy

OneAdvanced beskriver fler än 50 produktionsagenter för bland annat vårdincidenter, utbildningsplanering, HR-granskning och juridisk research. De flesta byggdes på mindre än en dag inom en gemensam plattform, men uppgifterna är avgränsade och verktygen återanvänds.

Ett sådant upplägg går att översätta till ett mindre team: ge varje agent ett tydligt jobb, visa status och källor i samma vy och gör nästa mänskliga beslut synligt.

Källa: AWS och OneAdvanced, How OneAdvanced deployed over 50 AI agents.

Verktygslagret: plattformar, agenter och arbetsflöden

Google Sheets canvas gör arbetsytan till produkten

Många team har redan sin operativa sanning i ett kalkylblad. Sheets canvas lägger en interaktiv yta ovanpå samma data, med direkta uppdateringar i båda riktningar och arkets befintliga delningsinställningar. Det gör att ett enkelt kundflöde, en ärendekö eller en uppföljning kan få en tydligare form utan ett separat systemprojekt.

Börja med en vy som svarar på tre frågor: vad väntar, vad har AI gjort och vad kräver ett beslut?

Källa: Google Workspace Updates, Use Sheets canvas to visualize data.

Agent Plugins 1.0 paketerar både instruktion och verktyg

MCP, Model Context Protocol, är ett öppet sätt för AI-klienter att ansluta till externa verktyg och datakällor. Med Agent Plugins 1.0 kan en organisation paketera en skill, en MCP-konfiguration och klientspecifika tillägg i samma struktur. GitHub beskriver också styrning genom enabledPlugins, godkända marknadsplatser och MCP-tillåtelselistor.

Det minskar dubbelarbete, men flyttar också fokus till pluginets ägare: vem uppdaterar instruktionen, vem godkänner servern och vilken behörighet får den?

Källa: GitHub Changelog, Agent Plugins 1.0.

Hastighet blir en del av gränssnittsdesignen

OpenAI förhandsvisar Ultrafast för GPT-5.6 Sol med upp till 750 utdata-tokens per sekund och upp till 14 gånger hastigheten i standardbearbetning. Tillgången är begränsad. Den praktiska lärdomen är ändå bredare: snabbare modeller gör röststöd, aktiv incidenthantering och andra interaktiva flöden möjliga utan långa pauser.

Mät därför hela väntetiden i arbetsflödet, inte bara modellens benchmark. Hämtning, verktygskörning och mänskligt beslut kan fortfarande vara den långsamma delen.

Källa: OpenAI, Previewing Ultrafast mode.

Regional körning blir ett val i arkitekturen

Mistral Regional Endpoints är nu allmänt tillgängligt med val mellan behandling i Europa och USA. Företaget erbjuder också en publik förhandsversion av Priority Tier med anpassade kapacitetsgränser och tillgänglighetsavtal. Mistral anger samtidigt att begränsade och skyddade överföringar till underleverantörer utanför vald region kan förekomma.

För ett nordiskt team hör region, leverantörsberoende och reservväg hemma i integrationskortet bredvid modellvalet, inte i en bortglömd bilaga.

Källa: Mistral AI, In-region inference, open models, and new European infrastructure.

Styrning och risk: vad som behöver sättas innan skala

Styrningen behöver inte dominera varje AI-samtal. Den ska däremot finnas i arbetsytan där beslut tas.

EU-kommissionens ikoner är ett konkret sätt att märka vissa AI-genererade eller manipulerade texter, bilder, ljud och videor. För text om frågor av allmänintresse gäller undantag när en människa har granskat materialet och någon tar redaktionellt ansvar. Ikonen är ett stöd för upplysning, inte ett bevis på full efterlevnad.

Källa: EU-kommissionen, EU Icons for labelling AI-generated content.

Anthropic planerar samtidigt en textvattenmärkning som bygger på sannolikhetsmönster i ordval. Den lägger inte till dolda tecken eller personidentifiering. Företaget betonar att detekteringen blir svagare för kort, faktatung, kodnära eller lätt redigerad text. Ett vattenmärke kan därför komplettera källor och redaktionell logg, men inte ersätta dem.

Källa: Anthropic, Så fungerar Claudes textvattenmärkning.

EU-kommissionens nya studie om moln- och AI-utveckling pekar dessutom på inlåsning i AI-stacken, risker från tredjelandslagstiftning och EU:s beroende av icke-europeiska leverantörer. Det ger en enkel inköpsfråga: kan vi flytta vår data, instruktioner och utvärderingar om leverantören ändrar villkor?

Källa: EU-kommissionen, Study on Cloud and AI Development in the EU.

Anthropics fleragenttest visar varför en tydlig operatörsvy behövs även när varje agent verkar rimlig. En samordnad grupp på 45 agenter hittade 266 sårbarheter med 27 miljoner tokens, jämfört med 21 fynd från oberoende agenter med 6,5 miljoner tokens, men försöken hade olika omfattning. I andra tester valde 18 av 30 agenter samma grennamn och en begränsad kö tog emot 2,4 miljoner förfrågningar men accepterade 117 jobb. Mät alltså även köer, resursgränser och samordningsfel.

Källa: Anthropic Frontier Red Team, Patterns and problems in emerging multiagent systems.

Veckans praktiska Hammer-test

Bygg en enkel operatörsvy för ett återkommande AI-flöde på 40 minuter. Välj gärna en uppföljning som redan börjar i ett kalkylblad, en inkorg eller en ärendelista.

1. 0–8 minuter: Välj ett arbete som återkommer varje vecka och skriv vad ett godkänt resultat måste innehålla.
2. 8–18 minuter: Rita fyra statuslägen: Ny källa, AI-utkast, Behöver beslut och Klart.
3. 18–28 minuter: Bestäm en åtgärd AI får utföra, en som kräver godkännande och ett källfält som alltid måste fyllas i.
4. 28–36 minuter: Bygg vyn i verktyget ni redan använder. Ett extra blad, en databasvy eller en enkel Kanban-tavla räcker.
5. 36–40 minuter: Kör ett historiskt exempel. Spara tid, saknade källor, fel och det slutliga mänskliga beslutet.

Använd gärna den här prompten för att få en första struktur:

Jag vill göra följande återkommande arbete synligt och granskningsbart: [beskriv arbetet]. Föreslå en operatörsvy med statuslägen, obligatoriska källfält, en åtgärd AI får utföra, en åtgärd som kräver mänskligt godkännande och ett kort körkvitto. Utgå från verktyget [Sheets/Notion/CRM/annat]. Ställ högst tre frågor om information som saknas innan du föreslår vyn.

Det här är ett typiskt uppdrag för Verktygssmide: att göra en fungerande integration av ett bra arbetskort, med avgränsade behörigheter, hemligheter i miljövariabler eller en secret manager, godkännandepunkter och en logg som går att följa.

Företag och verktyg att hålla koll på

• Google Sheets canvas: om läs- och skrivytan gör kalkylblad till användbara operatörsgränssnitt även för team utan utvecklare. Google Workspace Updates.
• GitHub Agent Plugins: om en gemensam paketering faktiskt minskar arbetet med skills och MCP-servrar mellan olika agentklienter. GitHub Changelog.
• Novo Nordisk: hur bred medarbetaranvändning kopplas till specialiserade agenter och forskningsflöden. Novo Nordisk.
• Mistral Regional Endpoints: hur europeisk behandling, kapacitetsavtal och öppna modeller kombineras i verkliga upphandlingar. Mistral AI.
• Anthropics vattenmärkning: hur kommande detektions-API och C2PA-metadata används utan att förväxlas med säkert bevis på författarskap. Anthropic.