> 📥 Hele feltrapporten findes som PDF. Download den øverst på siden — med tabeller, demo-vs-drift-overblik og næste skridt.
> 🧭 Del 1 af 4 i serien AI-agenter anno 2026. Fire værktøjer, der alle bliver kaldt AI-agent, men løser vidt forskellige problemer: OpenClaw, Claude Cowork, Perplexity og Hermes. Vi starter med OpenClaw — hele min agent-sværm kører på den.
Hver morgen kl. 7:30 lander tre nyhedshistorier i min Telegram. Jeg har ikke skrevet dem. Jeg har ikke bestilt dem. Fire AI-agenter på en gammel gamer-PC har researchet, faktatjekket og skrevet dem færdige, mens jeg sov.
Det lyder som en demo. Det er det ikke. Det har kørt hver eneste morgen i månedsvis, uden at jeg rører noget.
Der bliver sagt enormt meget om AI-agenter i øjeblikket. Den ene halvdel er hype: agenterne overtager alt inden jul. Den anden halvdel er frygt: agenterne går amok og hacker dine systemer. Begge dele er for nemme.
Her er hvad jeg faktisk har set. Fra min egen agent-sværm. Fra to dage på en scene med projektledere, der byggede deres første agenter. Og fra de virksomheder, jeg rådgiver til daglig.
Mit eget setup
Fire agenter. En orkestrator, en researcher, en validator og en copywriter. En gammel gamer-PC. Et cron-job. Output i Telegram hver morgen.
| Agent | Rolle | Hvad den gør |
|---|---|---|
| StefOpenClawAI | Orkestrator | Styrer hele sværmen. Uddelegerer og samler. Reviewer det sidste tjek, inden noget bliver leveret. |
| Researcher | Researcher | Scanner nettet for de vigtigste AI-nyheder de sidste 24 timer. Skal finde alt. |
| Validator | Skeptiker | Djævelens advokat. Smider det tynde og det misvisende ud. |
| Copywriter | Copywriter | Skriver de tre bedste historier op i præcis den stil, jeg vil have. Leverer til Telegram. |
Det hele kører på OpenClaw, trigget af et cron-job hver morgen. Modellerne bagved er almindelige og billige: OpenAI Codex med fast tokenpris i mit Plus-abonnement til 20 dollar om måneden. GPT-5.5 hvor der skal bruges kræfter, mini-modeller hvor det giver mening.
Selve opbygningen af subagenterne står StefOpenClawAI selv for. Det jeg har lært: bliv god til at forklare hvad du vil have. Lad agenterne definere hvordan selv. De er bedst til at skrive system-prompterne til de subagenter, de skal bruge.
Det der virker, er kedeligt
Et agent-netværk, der bare gør det samme, ordentligt, hver eneste morgen, er sværere end det lyder. Og det er lige præcis dér, værdien ligger.
1. Rolleseparation
Hver agent har ét job. Researcheren skal finde alt. Validatoren skal tvivle på alt. Copywriteren skal skrive godt. Tre fundamentalt forskellige måder at tænke på. Da jeg i starten lod én agent gøre det hele, var resultatet ikke godt nok. Med klare grænser blev outputtet dramatisk bedre.
2. Orkestrator som kvalitetsport
StefOpenClawAI uddelegerer ikke bare og samler stumperne. Den reviewer. Det sidste tjek fanger den svage historie og holder standarden ens fra dag til dag.
3. En indbygget skeptiker
Den agent, folk oftest springer over, er validatoren. Den føles som spildt tid — den producerer jo ikke noget selv. Men det er præcis den, der afgør, om du kan stole på outputtet, eller om du selv skal tjekke det hver morgen.
Det vigtigste kvalitetssignal: ingen overraskelser. Stabilitet er sværere end variation. Og det er stabilitet, der skaber værdi i drift.
Det der ikke virker endnu
Fem grænser, der ikke bliver skrevet ærligt nok om:
- Den autonome agent der klarer det hele. Drømmen om én agent, du giver et løst mål. Den lever i demoer og keynotes, ikke i drift. Det der virker, er det modsatte: snævre, veldefinerede opgaver med tydelig start og slut.
- Sikkerheden. Jeg kører bevidst sværmen på en separat gamer-PC. Anslået ~20 % af pluginsene i OpenClaws ClawHub-bibliotek er ondsindede. McKinsey fik selv deres interne AI-platform Lilli hacket af en AI-agent.
- Governance i skala. De frie agent-frameworks har ingen audit trails, ingen rollestyring der holder, ingen compliance-ramme værd at nævne. For solo på egen hardware: fint. For en stor organisation der vil rulle ud til et team: vent.
- Agenten uden et menneske i loopet. Min validator fanger meget. Ikke alt. Dømmekraft er præcis det, maskinen er dårligst til. Skal du overvåge konstant undervejs, har den ikke sparet dig for noget.
- Agenten som projekt. "Vi bygger en agent" bliver tit behandlet som en produktbeslutning med styregruppe og deadline. En agent er en måde at få en konkret arbejdsopgave løst på. Behandl den som et stort softwareprojekt, og du har gjort den for tung, før den er begyndt.
Kernen i hvordan jeg arbejder: Agenten gør arbejdet. Mennesket ejer dømmekraften. Et hurtigt tjek til sidst er en nødvendighed. Konstant overvågning er et tegn på, at opgaven ikke var skarp nok skåret.
Demo vs. drift
En demo er nem. Drift er noget helt andet.
| Demo | Drift |
|---|---|
| Imponerer én gang, foran et publikum. | Kører hver morgen i månedsvis uden at fejle. |
| Måles på wow. | Måles på ingen overraskelser. |
| API-nøglen virker. | API-nøglen udløber pludselig en torsdag aften. |
| Frameworket er friskt installeret. | Du skal opgradere, fordi der stadig er sikkerhedshuller. |
| Du klapper og går videre. | Du troubleshooter en aften eller en weekend igennem. |
Det der reddede mig var en enkel ting. Jeg satte en Claude op i et separat projekt som teknisk sparringspartner og fodrede den med dokumentationen, så den blev OpenClaw-ekspert. Parringen — agenten der bygger og en AI der kender frameworket indgående — var den egentlige accelerator. Første gang jeg opgraderede OpenClaw-gatewayen tog det flere timer. Sidste gang tog det 20 minutter.
Start med opgaven, ikke med en agent
Solo eller lille virksomhed: byg nu. Et fungerende agent-netværk på din egen separate maskine koster nærmest ingenting sammenlignet med endnu et SaaS-abonnement. Du får kontrol, og du lærer mere på en weekend, end ti webinarer kan give dig. Hold det på separat hardware, vær stram med tilladelser, og forbind det ikke til noget, du ikke har råd til at få eksponeret.
Stor organisation: eksperimentér, rul ikke ud endnu. Lad de umodne frameworks ligge, når det gælder udrulning til hele teams. Men vent ikke med at lære. Find én proces, I gentager hver uge, med klart input og klart output. Det er jeres første agent.
Eksempel — Royal Unibrew. Ikke et AI-startup, men en bryggerikoncern med rødder helt tilbage til 1856, kører fem AI-agenter i daglig drift. Hver med navn, ansigt og rolle. Da agenterne fik navne og ansigter, steg den interne brug fire gange. Det er adfærdsdesign, ikke magi.
Capability gap
Flaskehalsen sidder hos menneskene. Kan dine folk skære en opgave så ren, at en agent kan løse den?
- Klart input — hvilken kilde, hvilket dokument, hvilken besked, hvornår.
- Klart output — format, længde, tone, hvor det havner. Lad ikke agenten gætte, hvad godt betyder for dig.
- Klare grænser — hvad må agenten ikke, og hvor skal den stoppe og spørge.
Det er en kompetence i sig selv. Den, der afgør, om agenter skaber værdi hos jer. Jeg ser samme mønster hver gang jeg holder workshop: dem der går hjem med noget, der virker, har valgt en lille, kedelig, gentagen opgave. Dem der kæmper, vil bygge noget stort med det samme.
Næste skridt
1. I dag: Vælg én opgave du laver hver uge. Markedsovervågning, mødeforberedelse, fast research. Skriv den ned med input, output og grænser i tre linjer.
2. Denne uge: Byg på din egen, separate hardware. Solo: hent OpenClaw, kør på en gammel PC. Stor organisation: byg det første eksperiment som proof of concept, ikke som udrulning.
3. Parallelt: Find dig en teknisk sparringspartner. Sæt en Claude op som OpenClaw-ekspert i et separat projekt. Skift derover hver gang du sidder fast.
Næste nummer i serien: Claude Cowork. Den modsatte tilgang til OpenClaw — ingen server, intet isoleret miljø, en ikke-teknisk kollega i gang på minutter.
Stefano Vincenti — GenAI-strateg og -arkitekt. Co-founder af BotTellMe. Ekstern lektor ved ITU og DIS Copenhagen. Partner hos TryZone. Tilmeld dig nyhedsbrevet og få de næste tre numre direkte.