En AI-agent, der med stor overbevisning gør det forkerte, kan ikke blot løses ved hjælp af en bedre prompt eller en større model. Hvis du vil sikre kontrol, kvalitet og compliance (POT: overholdelse af regler), er det afgørende, at agenten sammenligner de påtænkte handlinger med organisationens regelværk, inden den begynder at behandle.  

Du har allerede viden din AI-agent har brug for

I en virksomhed, der er underlagt regulering, findes der allerede sådanne retningslinjer, ofte i form af god praksis indenfor dokumentstyring. Hvad kendetegner en record? Hvor længe må den opbevares? Hvem må godkende hvad? Hvad betyder ordnede på mærkatet? 

De fleste virksomheder, der implementerer agenter i produktionen, det vil sige AI, der udfører handlinger frem for at besvare spørgsmål, genopbygger dele af de eksisterende retningslinjer fra bunden under et nyt mærkat frem for at genbruge etablerede styringspraksisser.   

Gartner forudser, at mere end 40% af agentiske AI projekter vil blive aflyst inden udgangen af 2027 på grund af forøgende omkostninger, uklar forretningsværdi og utilstrækkelige risikostyringsforanstaltninger. Omkostninger og forretningsværdi er ikke altid lette at styre, men det er risikostyring derimod. Den sidstnævnte kan være – og ofte er i et reguleret branche – en afgørende factor for, om et pilotprojekt overhovedet får lov til at komme i nærheden af den egentlige drift. 

Problemet er handlingen og de påfølgende konsekvenser af handlingen

I dag omhandler de fleste diskussioner om AI-risici hallucinationer: chatbotten, der opfinder en retssag eller en klausul i en kontrakt. Hallucinationerne er et reelt problem, men det er det forkerte problem at fokusere på i første omgang. En chatbot, der siger noget forkert har produceret en sætning. En agent, der handler på baggrund af noget forkert, har skabt en konsekvens.  

Frank Coyle fra UC Berkley fremhævede dette punkt i et foredrag udgivet af AI Engineer den 23. juli 2026. Han påminder sit publikum, at en sprogmodel ikke kan røre ved noget andet end sit eget. Den genererer de mest sandsynlige næste ord, og når den konkluderer, at en opgave skal fuldføres, skriver den ned, hvad den ønsker der skal gøres, og beder den omkringliggende software om at udføre det.  

Der er et afbræk i denne overdragelse: Softwaren har hentet det, som modellen bad om, og der er endnu ikke skrevet noget. Det er i dette afbræk, du griber ind, og det værktøj, du bruger til at gribe ind med, bør ikke være endnu mere AI. Nøglen til overdragelsen er en skriftlig redegørelse for, hvad der gælder i din virksomhed.  

F.eks.: 

• En agent udsteder endnu en refusion på en ordre, der allerede er blevet refunderet, eller sender en udbetaling til kundeservicemedarbejderen i stedet for kunden. 

• En agent rapporterer en ordre som »sandsynligvis afsendt«. Denne præcise status findes dog ikke i jeres retningslinjer. 

De overstående forespørgsler er korrekt formuleret, men de er alligevel forkerte i denne sammenhæng. Ved at tilføje en simpel regel til din AI kan du fange alle disse fejl: »en ordre har højst én refusion«, »en kunde og en kundeservicemedarbejder er ikke det samme« og »en status skal stamme fra en fast liste«. 

To kontroller er nøglen, ikke kun en

Frank Coyle beskriver to kontroller. Den første undersøger, om en anmodning er korrekt udfyldt, på samme vis som et skema er kontrolleret; denne findes ved indgangen. Den anden undersøger om det er sandt; denne findes i hovedbogen, hvor regnskabet føres. I hans tekniske jargon: »Pydantic ved indgangen, ontologi i hovedbogen.« (AI Engineer, 23 July 2026). De første controller er rutine I softwareudvikling. Den anden skal skrives i beskrivelsen af din virksomhed, og det er dén de fleste AI-projekter springer over eller overser.  

Hvordan der ser ud i dine egne dokumenter

• Ét dokument, to destruktionsdatoer
  En agent, der arbejder sig igennem et migreringsbacklog, anvender en opbevaringsregel på et dokument, der allerede har en, uden at systemet går ned. Dokumentet indeholder nu to datoer, hvor det skal destrueres, og ingen kan bevise, hvilken af dem var gældende, så dokumentationen for dets bortskaffelse er ubrugeligt. Ved den næste inspektion betragtes dette ikke som en oprydning, men som en fejl, og fejlen omfatter hele den batch dokumentet tilhører. Én regel, skrevet én gang, fanger alle tilfælde af denne fejl. 

• En godkendelse fra en person, der ikke har bemyndigelse til at give den 
  En agent, der behandler en anmodning om sletning, sender godkendelsen til den person, der senest har redigeret filen, i stedet for til den person, der er angivet som dokumentets ejer. Den regulerede version ugyldiggør sletningsprotokollen for alt, der er godkendt på den måde, og man opdager det først den dag, hvor nogen beder en om at bevise, at sletningen var autoriseret. 

• En status, der ikke findes
  I et kvalitetssystem befinder et dokument sig i en tilstand fra en fastlagt liste: udkast, under gennemgang, godkendt, gældende, erstattet, forældet. En agent der rapporterer et dokument som »afventer endelig godkendelse« har skrevet en fuldstændig rimelig formulering, samt en brudt revisionsspor, fordi den tilstand ikke findes på listen, og ingen i de efterfølgende led ved, hvordan de skal håndteres.  

• To dokumenter der fungerer godt hver for sig – men ikke sammen
  Hvert dokument er godkendt til AI-behandling for sig. Tilsammen identificerer de en person, der skulle have forblevet anonym, eller rekonstruerer en formulering, som ingen af dokumenterne afslører hver for sig. Ingen kontrol, der gennemgår dokumenterne ét ad gangen, vil nogensinde opdage dette. Det an kun en kontrol, der forstår, hvordan dokumenterne hænger sammen. 

Hvad de overnævnte fire tilfælde har til fælles

I hvert tilfælde manglede agenten en oplysning om din virksomhed, som den ikke kunne have kendt til, medmindre nogen havde skrevet den ned. F.eks. hvor mange opbevaringsregler et dokument må indeholde, hvem der regnes som ejer, hvilke tilstande der findes, og hvilke dokumenter der ikke må interagere. De samme fire mønstre dukker op i en banks klagesager og i et forsyningsselskabs hændelse rapporter. To klokkeslæt i én fil, en godkendelse fra den person der skrev den, en tilstand, som ingen har defineret, to dokumenter, der er harmløse hver for sig, men ikke sammen.

Dette er et problem inden for dokumenthåndtering, og dokumenthåndtering er en profession 

AI-branchen har et udtryk for den skriftlige beskrivelse af din virksomhed og hvordan den hænger sammen: en ontologi. Det er en beskrivelse af de enheder, roller, relationer og begrænsninger, der findes inden for en organisation. Charles Cutter udgav i 1876 reglerne for, hvordan et bibliotekskatalog skulle struktureres, og disse regler kan stadig genkendes i de klassifikationssystemer, der anvendes i dag. Reglen om, at én konkret ting får nøjagtigt ét officielt navn, hvor alle stavningsvarianter henviser til netop denne, er blevet overholdt af bibliotekarer siden da.  

Det fremgår allerede af standarderne: ISO 25964, den internationale standard, der regulerer, hvordan ordforråd opbygges og sammenkædes, opregner de typer ordforråd, den dækker, og omfatter klassifikationssystemer til dokumenthåndtering og ontologier. Standarden bag dit arkiveringssystem har formelt placeret AI-branchens nye værktøj i samme familie som dette system. Meget af det, som AI-teams udvikler for første gang, er altså denne professions arbejde under et nyt navn. Det er vigtigt, fordi professionen ikke er svær at finde, og det samme gælder det arbejde, der skal udføres i din egen organisation. 

Hvorfor mere AI ikke kan kontrollere AI’en 

Den naturlige indvending er, at en god prompt eller en model, der er stor nok, udligner denne forskel. Det gør den ikke, og årsagen er strukturel. En AI genererer et svar med en tilknyttet sandsynlighed. En regel er enten sand eller falsk. Uanset hvor sikker modellen bliver, kan man ikke udlede det andet ud fra det første, fordi en kontrol skal være uafhængig af det, den kontrollerer – ellers er det ikke en kontrol. Det er f.eks. derfor, at kvalitetssystemet adskiller den person, der udfører arbejdet, fra den person, der godkender det, og hvorfor korrekturlæseren underskriver på en anden linje. Ingen ville acceptere en batchprotokol, hvor operatøren også har kontrasigneret som kontrollør. Den samme logik gælder for en model, der gennemgår sit eget output, og for en anden model, der gennemgår den første. 

Fem slags regler der udgør hovedparten af arbejdet 

Hvad retningslinjerne tilføjer er en håndfuld relevante regeltyper.  

Regel typen	Kort sagt	I dit dokumentarkiv
Kun en	En ting kan ikke have mere end én af disse	Én gældende opbevaringsregel pr. dokument; én ejer pr. arkiv
Ikke den samme rolle	To roller må aldrig varetages af den samme part i forbindelse med én beslutning	»Den sidste person, der har redigeret et dokument«, er ikke »den person, der kan godkende, at det slettes«, selvom det ofte er den samme person, der varetager begge roller
En af disse lister	Værdien skal komme fra en fastlagt liste	De seks lifecycles tilstande i jeres kvalitetssystem
Følger kæden	Et led, der forsætter ned ad en kæde	Et dokument, der erstatter et dokument, der selv erstattede et andet, har erstattet begge; tilladelser arves ned gennem mappestrukturen
Kun denne slags	De to ender af et led skal være af den rigtige slags	»Godkendt af« skal i den ene ende omfatte en person, der har en godkendelsesrolle, og i den anden ende et dokument – aldrig en automatiseret systemkonto

Kort sagt: Når reglerne er formelt nedskrevet, kan en maskine anvende dem på enhver handling, som en agent foreslår, hver eneste gang. Og når den siger nej, begrunder den hvorfor. 

Et afslag du kan anføre I en afvigelsesrapport 

Den sidste del er vigtigere, end det måske lyder. Når kontrollen afviser en handling, lyder begrundelsen således: »approved-by kræver en person med en godkendelsesrolle, og dette er en systemkonto.« Du kan anføre denne sætning i en afvigelsesrapport, men du kan ikke anføre »modellen havde en sikkerhed på 62 %« i en afvigelsesrapport. 

Hvad retningslinjer ikke kan gøre 

Retningslinjer har naturligvis sine begrænsninger; de omfatter kun det, som nogen har skrevet ned, og de kan ikke vurdere, om et resumé er godt, eller om en oversættelse er tro mod originalen. De håndhæver en forkert regel lige så trofast som en rigtig, og det er netop derfor, den har brug for både en gennemgang og en ansvarlig person, og hvorfor den går i forfald uden nogen af delene. Men det er de samme begrænsninger, som dit kvalitetssystem har, og du har jo haft et sådant i årevis. 

Det meste af din retningslinje findes allerede i dit dokumentsystem og det er uoverskueligt

Gartners beskrivelse af kløften er kontant: Frem til 2026 vil organisationer opgive 60 % af de AI-projekter, der ikke understøttes af AI-klar data, og i sin undersøgelse fra 2024 blandt 248 ledere havde 63 % enten ikke de datapraksisser, som AI kræver, eller vidste ikke, om de havde dem. Hvis dine dokumenter ligger i SharePoint og Microsoft 365, starter du ikke fra bunden; du har en styringsbog, der som regel er halvvejs udarbejdet og sjældent er blevet gennemgået. Brikkerne er der. Dit termregister er listen over ord, som din organisation må arkivere ting under, med tilhørende synonymer og oversættelser. Dine indholdstyper angiver, hvilken type dokument der er tale om, og hvad der skal registreres om det. Dine opbevaringsmærker og følsomhedsmærker knytter politikker til denne klassificering, og når et dokument erklæres for en journalpost, ændrer det fra det øjeblik, hvem der må redigere det, og hvornår det må destrueres. Kort sagt har hver eneste strukturelle del af retningslinjerne sin plads i de fleste Microsoft 365-installationer. 

Det, der mangler, er disciplin

Nogen opretter et begreb til et projekt. Projektet afsluttes, men begrebet forbliver. Senere findes der fire synonymer for den samme forretningsfunktion, og der er ingen regel for, hvilket der skal bruges. Dokumentkategorier oprettes i en bestemt afdelings hjørne og kan ikke bruges andre steder. Etiketter tildeles af den, der lige har husket det. Et menneske læser metadataene, forstår sammenhængen og retter dem diskret. Hvis en agent læser dem og handler ud fra dem, vil vedkommende – fordi agenten ikke har nogen anelse om, hvilket af de fire synonymer der er det rigtige – vælge det, der giver det bedste resultat. 

Hold grundlaget opdateret 

Hjælp AI-agenten ved at lægge grundlaget: fastlæg, hvad der findes, hvad det hedder, og hvilke sammenhænge der er. Skriv reglerne ned. Sørg derefter for at holde dem ajour, i takt med at virksomheden ændrer sig – det er den samme vedligeholdelse, som et bibliotekskatalog altid har haft brug for. Ingen version af agentbaseret AI fjerner dette arbejde. Der er kun valget mellem at gøre det bevidst og senere finde ud af, hvad agenten antog, når det ikke blev gjort. 

Tilsynsmyndigheden har allerede bedt om det 

EU’s AI-lov set fra en operatørs synspunkt 

EU’s AI-lov kræver, at højrisikable AI-systemer forbliver nøjagtige, robuste og sikre gennem hele deres levetid, under effektivt menneskeligt tilsyn og med styring af de data, de anvender (forordning (EU) 2024/1689, artikel 10, 14 og 15). I artikel 75 præciseres det, hvad robusthed betyder i praksis, og der nævnes fejlsikre planer: mekanismer, der gør det muligt for systemet at stoppe sikkert, når der opstår uregelmæssigheder, eller når driften bevæger sig uden for forudbestemte grænser. En fejlsikker plan for en agent er en kontrol, der afviser handlingen. De forudbestemte grænser er dine regler. Loven bruger ikke ordet ontologi, men den kræver, at du viser, at systemet holder sig inden for de grænser, du har fastsat på forhånd, og en probabilistisk komponent kan ikke selv påvise dette. Ikke alle dokumentagenter vil blive betragtet som et højrisikosystem i henhold til loven. Det, som loven betragter som bevis for kontrol, er stadig en nyttig beskrivelse af, hvad en inspektør vil ønske at se. 

Kvalitetssystemet, et niveau længere ned 

Inden for life science kræver principperne for dataintegritet, kendt som »ALCOA«, at en registrering skal være nøjagtig og konsistent. Inden for finans og energi er betegnelserne forskellige, men alle tilsynsmyndigheders regler stiller de samme spørgsmål om en registrering: Er den nøjagtig, og stemmer den overens med det, der faktisk skete? En agent, der angiver en livscyklusstatus, der ikke findes på den godkendte liste, opfylder ingen af disse krav – præcis på den måde, som en inspektør er uddannet til at holde øje med. ISO 15489, standarden for dokumenthåndtering, definerer, hvad en registrering er, og hvilke regler der gælder for den. Du bliver ikke bedt om at opfinde en compliance-model for agenter. Du bliver bedt om at koble agenten til den model, du allerede anvender. 

Hvor skal man begynde 

1. Vælg en agenthandling med konsekvenser. Ikke en chatbot. Noget, der skriver, tildeler en etiket, opretter en post, videresender en godkendelse, sletter. 
2. Skriv ned, hvad der skal være opfyldt, for at handlingen er gyldig. Én opbevaringsregel pr. dokument. Godkenderen har en godkendelsesrolle. Status er en af disse seks. 
3. Find ud af, hvor disse oplysninger allerede findes. Termdatabasen, indholdstyperne, opbevaringspolitikken, kvalitetsmanualen. Oplysningerne findes som regel allerede, men stemmer ofte ikke overens med hinanden. At løse denne uoverensstemmelse udgør størstedelen af værdien, og det er umagen værd, uanset om agenten nogensinde kommer til at udføre en handling. 
4. Foretag kontrollen mellem det, agenten har fundet ud af, og det, den er ved at skrive. Ikke bagefter. En agent, der allerede har slettet filen, er ikke blevet underlagt reglerne.  
5. Sørg for, at der ved hvert afslag angives en begrundelse, og før en logbog. Denne logbog er dit bevismateriale, dit spor til fejlfinding og dit svar på AI-loven – alt samlet ét sted. 
6. Sørg for, at regelbogen har en ansvarlig og en dato for gennemgang. Et ordforråd uden en ansvarlig forfalder. Det er den ældste erkendelse inden for arkiv- og dokumenthåndteringsfaget.

Det kedelige svar er det rigtige 

Branchens nuværende svar på upålidelige agenter er mere AI: en kritiker-model, en dommer-model, et udvalg af modeller. Men at bede et sandsynlighedsbaseret system om at certificere et andet sandsynlighedsbaseret system flytter blot problemet i stedet for at løse det. Det svar, der virker, er at få din »regelbog« på plads. Beslut, hvad der er sandt i din virksomhed, og skriv det ned. Tjek det mod regelbogen, før du handler, og giv nogen opgaven med at holde den opdateret. Hvis det lyder som biblioteksarbejde, er det fordi det er biblioteksarbejde. 

De organisationer, der først får agenter i reguleret produktion, vil ikke være dem med de bedste prompter. Det vil være dem, der allerede behandler deres information som noget, man klassificerer, snarere end noget, man søger i, og som har en person, hvis profession netop er det. 

AI har ikke skabt et nyt styringsproblem, men snarere afsløret et gammelt. Alle organisationer er allerede afhængige af definitioner, klassifikationer, ansvarsområder og regler, der bestemmer, hvilke handlinger der er legitime. De organisationer, der får succes med agenter, vil ikke være dem, der automatiserer hurtigst. Det vil være dem, der omsætter den eksisterende viden til en form, som maskinen kan kontrollere, før den handler.