Design av AI-agenter

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

• 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

• 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

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.

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.

• 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

• 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

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.