AI-agenter, chattbottar och digitala tvillingar: vad företag faktiskt kan bygga i dag

En kund skriver sent på kvällen eftersom morgondagens bokning behöver flyttas. Ingen är kvar på kontoret. Kunden bryr sig egentligen inte om företaget använder AI eller inte; det viktiga är om någon kan hjälpa till nu, utan att kunden måste vänta till nästa morgon eller upprepa samma information flera gånger. Där blir diskussionen om AI-agenter mer konkret. Frågan är inte längre om ett företag kan bygga en chattbot. Det kan det. Den svårare frågan är hur långt systemet ska få gå när det väl har förstått vad kunden vill.

En enkel chattbot kan förklara reglerna för ombokning. En agent kan gå vidare, identifiera kunden, kontrollera bokningssystemet, föreslå lediga tider och uppdatera bokningen när kunden har bekräftat. OpenAI:s verktyg för agentbygge har sedan mars 2025 samlat funktioner som sökning, filåtkomst och computer use i samma API-miljö. OpenAI, New tools for building agents Den ökade kapaciteten skapar verkligt värde och förändrar samtidigt riskbilden. En chattbot som ger ett dåligt svar är frustrerande. En agent som flyttar fel bokning har skapat ett operativt problem som någon måste reda ut.

Mer kapabel betyder inte automatiskt bättre

Det finns två rimliga perspektiv. Det ena säger att målet bör vara så mycket automation som möjligt: om systemet förstår begäran och kan utföra åtgärden, varför ska en människa behöva vara mellanhand? För rutinärenden är argumentet starkt. Full automation kan korta väntetider, minska administration och göra service tillgänglig även utanför kontorstid.

Det andra perspektivet blir viktigare ju större behörighet agenten får. När ett system kan ändra affärsdata, skicka externa meddelanden eller binda företaget till något ökar kostnaden för ett misstag med varje ny rättighet. Vi föredrar därför att börja med mindre mandat och lägga till mer först när arbetsflödet har visat att det fungerar i verkligheten. Det betyder inte att människor ska godkänna varje obetydligt steg för alltid. Poängen är att de verkliga undantagen nästan alltid visar sig först när systemet möter riktiga kunder, riktiga data och ovanliga situationer.

Mänsklig inblandning ska därför inte ses som ett misslyckande i designen. Vid ett kundklagomål kan en agent läsa meddelandet, samla relevant information, kontrollera historiken och förbereda ärendet. Om samtalet sedan handlar om ersättning, juridiskt ansvar eller en kundrelation som är känslig kan det vara rätt att lämna över till en person. Automationens arbete har fortfarande haft värde. Den har bara en tydlig gräns för var ansvaret slutar.

Kanalen är bara ytterdörren

Företag börjar ofta med att bestämma var agenten ska finnas: på webbplatsen, i WhatsApp, Telegram, Instagram eller någon annan kanal. Valet spelar roll kommersiellt, men den svårare frågan är vad som finns bakom kanalen. Meta Cloud API och Telegram Bot API ger officiella sätt att koppla företagsmeddelanden och bottar till bakomliggande system. Meta, WhatsApp Cloud API Telegram, Bots

Om ett företag bygger en separat bot för varje kanal kan de sakta utveckla olika instruktioner, kunskapsunderlag och beteenden. Webbplatsens assistent säger en sak, WhatsApp en annan och en tredje kanal använder fortfarande förra årets prislista. Det är egentligen ett arkitekturproblem som råkar ha ett AI-gränssnitt. Vi föredrar att se kanalen som ytterdörren och affärslogiken som huset bakom. Då kan kunder som kommer in via olika kanaler använda samma godkända information och samma regler för vad systemet får göra. På ARKARA är själva samtalet sällan den svåraste delen. Det svåra är att bestämma vilken information agenten får se, vilket system som är auktoritativt, vad som händer om en åtgärd misslyckas halvvägs och när en människa ska ta över.

När det inte finns något API

Bra integrationer använder oftast API:er eftersom de är skapade för att system ska kunna kommunicera med varandra. Många mindre företag är ändå beroende av äldre programvara utan användbart API eller leverantörsportaler som aldrig byggdes för integration. Agenter med computer use öppnar en annan väg genom att arbeta med det grafiska gränssnittet på ungefär samma sätt som en människa: läsa skärmen, välja nästa steg och klicka eller skriva.

Det kan vara värdefullt när en medarbetare lägger flera timmar varje vecka på att föra över information till ett system som leverantören inte exponerar. Begränsningen är tillförlitligheten. Gränssnitt som är byggda för människor ändras, popup-rutor dyker upp, sessioner går ut och layouten flyttas. OpenAI rekommenderar därför bland annat isolerade miljöer, allowlists, begränsningar för steg och kostnad, kontroll av det verkliga utfallet och att användaren behåller kontroll över sådant som är svårt att återställa. OpenAI, Computer use Finns ett stabilt API väljer vi normalt det. Computer use blir som mest intressant där alternativet är fortsatt manuellt arbete, inte där en pålitlig integration redan finns.

Digitala tvillingar gör frågan större

Digitala tvillingar presenteras ofta som en videofunktion: spela in dig själv en gång, skriv ett nytt manus senare och skapa en ny video utan att stå framför kameran igen. Det kan redan vara användbart. HeyGen kräver till exempel samtycke för att skapa en videobaserad Digital Twin av en person. HeyGen, Digital Twin HeyGen, Avatar consent

För ett mindre företag är de första användningsfallen lätta att förstå. En ägare kanske ger samma introduktion till nya medarbetare flera gånger per år, eller en specialist behöver uppdatera utbildningsmaterial på flera språk. I de fallen är tvillingen främst ett produktionsverktyg. Människan bestämmer vad som ska sägas och den digitala representationen presenterar det. Vi ser det som det enklare affärsfallet i dag, eftersom tekniken förbättrar en befintlig process utan att ge den digitala identiteten särskilt mycket självständigt mandat.

Den mer ambitiösa versionen är något annat. HeyGens LiveAvatar är byggd för tvåvägssamtal i realtid, där ett AI-system bakom avataren svarar live i stället för att spela upp ett fast manus. HeyGen, What is a LiveAvatar Det kan exempelvis låta anställda ställa frågor till en digital version av den person som normalt håller utbildningen, eller låta kunder tala med en digital representant för en produktspecialist på flera språk. För företag där en viss persons kunskap eller personlighet är en viktig del av upplevelsen är det lätt att se attraktionskraften.

Samma egenskap som gör en interaktiv tvilling kraftfull gör den också känslig. Människor kopplar ett ansikte och en röst till personen de tillhör. Om tvillingen lovar något, ger fel information eller säger något som den verkliga personen aldrig skulle säga är det osannolikt att kunden ser det som ett rent mjukvarufel. Därför skulle vi behandla en innehållstvilling och en interaktiv tvilling som två olika kategorier. Den interaktiva versionen behöver ett definierat kunskapsunderlag, tydliga gränser, styrd åtkomst och spårbarhet för vad den säger och gör. Personen vars utseende eller röst används bör veta var tvillingen kan förekomma och vilket mandat den har, och användaren bör förstå när den pratar med en AI-genererad representant.

I Europa är det sista inte bara god praxis. Förordning (EU) 2024/1689 kräver att system som är avsedda att interagera direkt med människor informerar dem om att de interagerar med AI, om det inte redan är uppenbart. Förordningen börjar tillämpas generellt den 2 augusti 2026. EUR-Lex, förordning (EU) 2024/1689, artikel 50 och artikel 113 Den här artikelns publiceringsdatum ligger två dagar tidigare, så för ett svenskt företag är det en omedelbar förändring snarare än en avlägsen policyfråga.

Om ett företag säger att det vill ha en AI-agent eller en digital tvilling är vår första fråga ändå vilket konkret problem medarbetarna eller kunderna har i dag. Flera timmar med samma bokningsfrågor kan motivera en agent kopplad till bokningssystemet. En specialist som spelar in samma utbildning om och om igen kan ha ett tydligt fall för en digital tvilling. Om kundförfrågningar kommer in via fem kanaler och ingen har en sammanhängande bild av dem är det första problemet kanske kanalerna, inte frånvaron av AI. Det bästa systemet är sällan det som kan göra mest. Det är det som företaget fortfarande känner sig tryggt med när nyhetens behag har försvunnit.