Opgaveagenter
Agenter med ét formål, der triagerer, udtrækker, slår op, skriver udkast eller afstemmer og giver et forberedt resultat videre til et menneske.
Byg — Udvikling af agentisk AI
Agenter, der udfører reelt arbejde inden for grænser, du sætter.
En agent, der kan læse, beslutte og handle, er kun nyttig, hvis du kan sige, hvad den må, bevise, hvad den gjorde, og stoppe den med det samme. Onega designer, bygger og evaluerer AI-agenter og arbejdsgange i flere trin, der arbejder i dine systemer, med politikkontrol af hvert værktøjskald, menneskelig godkendelse af handlinger med konsekvenser og en log, som du ejer.
01 — Det bygger vi
Fra én opgave til en styret arbejdsgang.
Arbejdsgange i flere trin
Agenter, der planlægger på tværs af flere værktøjer og systemer, med kontrolpunkter mellem trinnene og en defineret vej tilbage, når et trin fejler.
Vidensagenter
Svar forankret i dine dokumenter og poster, hver med sine kilder, og et klart »ikke fundet«, når kilderne ikke indeholder svaret.
Integration af værktøjer og systemer
Connectors til dine ERP-, CRM-, servicedesk-, dokument- og mailsystemer via deres API'er eller Model Context Protocol. Legitimationsoplysninger gives aldrig til en model.
Evalueringsrammer
Testsæt hentet fra dine egne sager, scoret før release og ved hver ændring, så en ny model eller prompt først skal bevise sit værd.
Drift
Overvågning, omkostningsbudgetter, kontrol af afvigelser (drift) og hændelseshåndbøger for agenter i daglig brug.
02 — Autonomi
Autonomi på en drejeknap, ikke en afbryder.
Hver handlingsklasse får sit eget niveau. Agenter starter på L0 i en pilot, og intet stiger et niveau uden belæg fra dine egne sager og din godkendelse. Et brud på en sikkerhedsgrænse er designet til automatisk at sænke niveauet.
| Niveau | Hvad agenten gør | Hvad vi kræver først |
|---|---|---|
| L0 · Observér | Kører i skyggetilstand; ingen handler på dens resultater | En baseline og et evalueringssæt |
| L1 · Foreslå | Foreslår; et menneske bekræfter eller retter | Belæg og kilder til hvert forslag |
| L2 · Ét klik | Forbereder et sæt handlinger; et menneske udfører dem | Typede handlinger og deterministisk validering |
| L3 · Automatisk med gennemgang | Udfører en kvalificeret handling; mennesker underrettes og kan fortryde den | Et fortrydelsesvindue og løbende overvågning |
| L4 · Autonom | Udfører en snæver, gennemprøvet handlingsklasse uden opsyn | Stikprøverevision, et fejlbudget og automatisk nedgradering |
03 — Kontroller
Styret ved hvert kald.
Når agenter kører gennem OneVeer, ligger disse kontroller i forespørgselsstien. Hvor du allerede driver en AI-gateway, bygger vi efter dens kontroller og dokumenterer eventuelle huller.
- Én styret gateway for alle model- og værktøjskald, så politik, sløring og budgetter gælder for alle agenter.
- Et signeret nødstop afgrænset til én agent, én model eller alt, håndhævet, før nogen model nås.
- Engangsgodkendelser fra et menneske for værktøjskald med konsekvenser.
- Legitimationsoplysninger opbevares i en boks; modeller ser resultater, aldrig nøgler.
- Vagtmodeller på input, hentet kontekst og output.
- En log over hvert trin (input, kilder, værktøjskald, godkendelser og resultater), der opbevares i dit miljø.
04 — Sådan foregår udviklingen
To uger til at afgrænse, seks til otte til at bevise.
- 01
Discovery Sprint · 2 uger
Opgaven, værktøjerne, dataene, risiciene, det autonominiveau, der skal startes på, og acceptkriterier baseret på dine egne sager.
- 02
Udvikling · 3–5 uger
Agent, connectors og evalueringssæt bygget i dit miljø og testet på et tilbageholdt testudsnit.
- 03
Overvåget drift · 2–3 uger
Reelt arbejde på L0 eller L1, hvert forslag gennemgået, indsats og fejl målt mod baselinen.
- 04
Overdragelse
Driftshåndbog, konfiguration, evalueringsresultater, kendte begrænsninger og en beslutning: udvid, hæv et niveau eller stop.
05 — Spørgsmål og svar
Spørgsmål, som arkitekter og CISO'er stiller.
Hvilke agent-frameworks bruger I?
Det enkleste, der opfylder kravet, ofte almindelig kode omkring en models værktøjskald. Hvor dine teams har standardiseret på et framework eller på Model Context Protocol, bygger vi efter det. Styringen ligger i gatewayen, ikke i frameworket, så valget kan gøres om.
Kan agenter køre på lokale modeller?
Ja. OneVeer understøtter værktøjskald på lokale modeller såvel som via cloududbydere, og et publiceret alias kan flytte en agent mellem dem uden at ændre agenten.
Hvad forhindrer en agent i at blive manipuleret af det, den læser?
Alt, hvad en agent læser, behandles som ikke-betroet. Værktøjer står på en tilladelsesliste pr. agent, legitimationsoplysninger når aldrig modellen, vagtmodeller undersøger input og hentet kontekst, og handlinger med konsekvenser kræver et menneskes godkendelse. Registrering er ikke ufejlbarlig, så designet går ud fra, at nogle angreb slipper igennem, og begrænser, hvad de ville kunne udrette.
Hvem er ansvarlig for det, en agent gør?
Din organisation. Derfor har hver agent en navngiven ejer, en version, en evalueringshistorik og driftsgrænser, der aftales, før den går i drift, og derfor forbliver dens log hos dig.