Design av AI-agenter

AI-agenter kan ta hand om arbetsflöden som annars kräver mycket manuell tid: informationssökning, sammanställning, uppföljning, koordinering och återkommande beslut. Den här kursen lär dig använda generativ AI för att hitta, designa, bygga, testa och införa AI-agenter i riktiga arbetsflöden.

Du lär dig inte bara bygga en agent. Du lär dig också hitta rätt agent att bygga. Vi arbetar praktiskt med att kartlägga arbetsflöden, prioritera use case och använda Agent Design Canvas för att gå från idé till genomtänkt agentdesign.

Under kursen arbetar du praktiskt i Abundlys agentplattform, men principerna och designmetoderna går att använda även i andra AI-plattformar. Du får också se hur agenter kan kopplas till de verktyg där arbetet redan sker, som Teams, SharePoint, Slack, Jira, Notion och e-post.

Målgrupp

Kursen är byggd för dig som kan dina egna arbetsflöden och vill använda AI mer praktiskt. Den passar särskilt bra för dig som arbetar nära verksamheten, till exempel inom HR, ekonomi, marknadsföring, operations, produkt eller ledning.

Det här är en kurs i agentdesign, inte en kodkurs. Vi fokuserar på vilka problem en agent ska lösa, hur arbetsflödet ser ut, vilken data agenten behöver, hur den ska testas och hur den kan införas säkert. Tekniska deltagare är välkomna, men kursen är inte byggd runt utvecklarverktyg som Claude Code, Cursor eller specifika agentramverk.

Du använder redan generativ AI i arbetet och vill ta steget från chattbaserad hjälp till agentprototyper som kan göra verkligt arbete. Metoderna fungerar oavsett funktion. Du utgår från dina egna arbetsflöden och bygger därifrån.

Du passar särskilt bra för kursen om du:

• Vill gå från att använda AI i en chatt till att bygga och använda AI-agenter
• Har konkreta arbetsflöden du vill automatisera eller förbättra
• Vill förstå hur du designar agenter som levererar värde
• Vill kunna bedöma vilka use case som passar för AI-agenter – och vilka som inte gör det
• Vill förstå hur agenter kan arbeta med dokument, data och integrationer på ett säkert sätt
• Vill kunna ta en agent från idé till prototyp, pilot och vidare införande

Efter denna kurs kan du...

• Hitta och prioritera agent-use case utifrån affärsvärde, risk, kostnad och genomförbarhet
• Använda uppgiftsanalys och Agent Design Canvas för att gå från idé till konkret agentdesign
• Bygga fungerande agentprototyper för dina egna arbetsflöden
• Ge agenter rätt kontext med instruktioner, dokument, data och minne
• Förstå hur GDPR, AI Act, känslig information och mänsklig kontroll påverkar agentdesign i praktiken
• Testa och kvalitetssäkra agenter systematiskt med evals
• Integrera agenter med externa system via API:er och MCP
• Koppla agenten till naturliga arbetsflöden i exempelvis Teams, SharePoint, Slack, Jira, Notion och e-post
• Optimera agentkostnader genom rätt val av modell och arkitektur
• Bygga enkla gränssnitt, appar och dashboards där det hjälper agentens arbetsflöde
• Avgöra när en agent bör delas upp i flera mindre agenter eller samarbeta med andra agenter
• Följa upp, förbättra och styra agenter efter att de börjat användas
• Jämföra och välja mellan olika agentplattformar

Kursinnehåll – översikt

• Grundläggande förståelse – generativ AI, AI-agenter, context engineering, promptning och LLM-modeller
• Use case-arbete – opportunity mapping, hierarchical task analysis och val av bästa agent-use case
• Affärsvärde och prioritering – nytta, risk, kostnad och genomförbarhet
• Agent Design & Implementation – Agent Design Canvas, tools, function calling och RAG
• Dokument, kunskap och minne – hur agenter använder instruktioner, dokument, datakällor och kontext
• Praktiska övningar – bygg egna agenter för dina arbetsflöden
• Interaktiva appar – enkla gränssnitt, dashboards och appar där det hjälper agentens arbetsflöde
• Säkerhet – prompt injection, skyddsmekanismer och säkerhetslager
• Data, GDPR och ansvarsfull AI – känslig information, AI Act, modellval, jurisdiktion och stegvis tillit med Trust Ladder
• Från canvas till prototyp – MVP-tänk och prototypbygge
• API-integrationer – HTTP requests och MCP
• Integration i vardagsverktyg – Teams, SharePoint, Slack, Jira, Notion och e-post
• Evals – systematisk testning och validering av agentsvar
• Generering och kreativt arbete – text, bild och kulturell anpassning
• Kostnads- och prestandaoptimering – modellval, tokens och optimeringsstrategier
• Multi-agent och agentflottor – när du ska bygga en stor agent och när flera små är bättre
• Agentplattformslandskapet – jämförelse av verktyg och plattformar
• Organisation och governance – roller, ägarskap, säkerhet och vägen från pilot till agentportfölj
• Agentlivscykel – hur agenter följs upp, förbättras och styrs när de börjar användas
• Nästa steg – från prototyp till fler agenter i riktiga arbetsflöden

Pedagogik och kursupplägg

Kursen kombinerar korta teoripass med mycket praktiskt arbete. Du kommer att:

• Bygga egna agenter för dina verkliga arbetsflöden under kursen
• Se demonstrationer av fungerande agenter i produktion
• Arbeta med Agent Design Canvas för att strukturera dina idéer
• Kartlägga egna arbetsflöden för att hitta agent-use case med hög potential
• Testa hur agenter kan använda dokument, data och integrationer
• Få feedback och iterera på dina prototyper

Vi använder Abundlys agentplattform under kursen – en miljö designad för att snabbt gå från idé till fungerande agent. Du får fortsatt tillgång till plattformen en tid efter kursen för att bygga vidare.

Verktyg & plattform

Kursen genomförs i Abundlys agentplattform eftersom den gör det möjligt att snabbt bygga och testa kompletta agentlösningar under kursen.

Koncepten och arbetssätten går att använda även i andra AI-plattformar. Samtidigt skiljer sig funktionalitet och mognadsgrad mellan olika leverantörer. Därför kan samma lösning behöva byggas på olika sätt beroende på plattform.

Vi tittar också på hur agenter kan kopplas till organisationens befintliga system, till exempel SharePoint, Teams, Slack, Jira, Notion och e-post.

Du får tillgång till Abundly under och efter kursen.

Det här får du

• Kursmaterial och övningar
• Tillgång till Abundlys agentplattform under och efter kursen
• Lunch och fika inklusive morgonsmörgås och frukt
• Kurscertifikat
• En konkret agentprototyp eller tydlig agentdesign att arbeta vidare med efter kursen
• En bättre förståelse för hur din organisation kan gå från enskilda experiment till fungerande AI-agentarbete

Förkunskaper

• God vana vid att använda AI-verktyg som ChatGPT eller Claude
• Vana att förstå och beskriva dina egna arbetsflöden
• Ta gärna med ett eget arbetsflöde, problem eller use case som du vill undersöka under kursen

Kursinnehåll – mer i detalj

Grundläggande förståelse

• Vad är en AI-agent och hur skiljer den sig från traditionella AI-lösningar?
• Grundläggande promptning och förfining
• Olika typer av LLM:er och när de bör användas
• Skillnaden mellan autonoma, semi-autonoma agenter och assistenter
• Hur context engineering påverkar agentens kvalitet och träffsäkerhet
• Hur du minskar brus och ger agenten rätt information vid rätt tillfälle

Use case och opportunity mapping

En bra agent börjar med rätt uppgift. Därför arbetar vi praktiskt med att hitta och välja agent-use case.

• Opportunity mapping: var finns repetitiva, värdeskapande eller flaskhalsdrivande arbetsflöden?
• Hierarchical Task Analysis: hur bryter du ner ett arbetsflöde i steg som människor och AI kan dela på?
• Trust Ladder: hur mycket ansvar och åtkomst bör agenten få i olika faser?
• Affärsvärde och prioritering: hur du väger nytta, risk, kostnad och genomförbarhet mot varandra
• Val av det agent-use case du vill prototypa under kursen

Agent Design & Implementation

• Agent Design Canvas – ett ramverk för att strukturera agentprojekt
• Tools och function calling
• Context management – hur du ger agenten rätt information
• Agentens instruktioner, dokument, datakällor och minne
• Skillnaden mellan tillfälliga chat-dokument, permanenta agentdokument och strukturerade datadokument
• Praktiska övningar: bygg agenter för dina egna arbetsflöden

Data, GDPR och säkerhet

• Agent-säkerhet och skyddsmekanismer
• Hallucinationer: hur man hanterar och minimerar felaktig information
• Validering av agentförståelse
• Praktisk genomgång av GDPR för agentdesigners
• Hur AI Act och ansvarsfull AI påverkar design, ägarskap och mänsklig kontroll
• Skillnaden mellan vanlig persondata och känslig data
• Hur modellval påverkar dataskydd, jurisdiktion och risk
• Hur du stegvis ökar agentens åtkomst med tydliga gränser, godkännanden och mänsklig kontroll
• Praktiska säkerhetsåtgärder: begränsad åtkomst, godkännanden, loggar och tydligt ägarskap

Praktiska tillämpningar

• Demonstrationer av verkliga användningsfall
• Processkartläggning och identifiering av optimala områden för agentinförande
• Skapa agenter relevanta för dig i ditt arbete och din organisation
• Bygga agenter som arbetar med egna dokument och data
• Skapa agentprototyper som kan kopplas till vardagsverktyg och befintliga processer

Integrationer och naturliga arbetsflöden

En agent blir mest värdefull när den finns där arbetet redan händer.

• HTTP requests mot externa API:er
• Model Context Protocol (MCP)
• Exempel på integrationer med SharePoint, Teams, Slack, Jira, Notion och e-post
• När en agent ska svara i chatten, skicka mejl, skapa dokument, uppdatera system eller be om godkännande
• Hur du designar gränssnittet mellan människa och agent

Evals och kvalitetssäkring

• Systematisk testning av agentsvar med evals
• Skapa och förfina graders
• Jämföra resultat mellan olika modeller
• Iterera instruktioner baserat på evalresultat
• Använda evals för att avgöra om en billigare eller snabbare modell räcker

Generering och kreativt arbete

• Bildgenerering med AI
• Textgenerering och kulturell anpassning
• Hur agenter kan skapa, granska och förbättra innehåll i flera steg

Multi-agent, delegation och optimering

• När en agent bör göra allt själv och när arbetet bör delas upp
• Hur flera agenter kan samarbeta i ett större arbetsflöde
• Delegation till sub-agents för parallell bearbetning, specialiserade uppgifter och lägre kostnad
• Orkestrering, sub-agents och parallell bearbetning
• Tokens, modellstorlekar och prissättning
• Strategin “Make it work, make it safe, make it cheap”
• Hur du städar och förbättrar agentinstruktioner för bättre kvalitet och lägre kostnad

Agenter i organisationen

• Hur man arbetar med agenter i team
• Feedback och förbättringscykler för agenter
• Roller som AI Sponsor, AI Lead, AI Champion och Agent Designer
• Hur IT, säkerhet och verksamhet kan samverka utan att skapa flaskhalsar
• Hur organisationer kan gå från en första pilot till en växande agentportfölj
• Hur agenter följs upp med loggar, feedback, versionshantering och förbättringscykler
• Foundation, Factory, Fleet: från första pilot, till fler byggare, till en styrd agentportfölj

Vägen framåt

• Hur du arbetar vidare med agenter efter kursen
• Från prototyp till pilot till implementation
• Hur du bedömer nästa steg för din egen agent efter kursen
• Hur du kan fortsätta utveckla, testa och förbättra agenten över tid

Nästa steg efter kursen

Efter kursen kan du fortsätta bygga på egen hand. Du har lärt dig hur du hittar bra agent-use case, designar arbetsflöden, skriver instruktioner, testar resultat och stegvis förbättrar agenten. Under kursen bygger du en eller flera prototyper, beroende på dina use case och hur långt du vill gå. Efteråt kan du använda samma arbetssätt för att skapa fler agenter för andra uppgifter.

Du får tillgång till en plattform där du kan fortsätta experimentera, testa med egna dokument och data, lägga till integrationer och förbättra agenter över tid. Fokus ligger på arbetssättet och agentdesignen – inte på en enskild plattform.

För organisationer blir nästa steg ofta att låta fler team prova arbetssättet, samla erfarenheter och bygga upp en gemensam förståelse för vilka typer av agenter som ger mest nytta. När fler agenter börjar användas blir frågor om ägarskap, säkerhet, datagränser och uppföljning viktigare.

Vår filosofi är augmentation, inte bara automation – AI-agenter som förstärker människors kapacitet, inte ersätter dem.