Är det så här vi jobbar med AI 2026?

Det är lätt att bli sittande och titta på när AI jobbar. Man ger en uppgift, väntar, läser svaret, ber om en ändring och väntar lite till. Det händer saker, men man är fortfarande ganska upptagen med att hålla igång det hela.

Vi har funderat på om man skulle kunna lägga upp det annorlunda. Ge några agenter varsin uppgift, låta dem jobba och själv gå vidare med annat. Sedan komma tillbaka efter en stund och se vad det blev.

Det är ungefär det vi testar nu på Sörmlands Webbyrå. Och ju mer vi funderar på det, desto mer känns det som att själva sättet att lägga upp arbetet kan bli en rätt stor del av grejen med AI.

Det påminner ju lite om Musse Pigg i Trollkarlens lärling i Fantasia. När trollkarlen går därifrån förtrollar Musse en kvast som får bära vatten åt honom. Ganska smart, kan man tycka. Tills kvasten fortsätter och Musse inte vet hur han ska få stopp på den.

Vi får väl försöka komma tillbaka till våra agenter lite tidigare än så.

Vi testar oss fram

Ett upplägg vi prövar är att tänka i rundor. Vi väljer ut några saker som behöver göras, kanske tre, och ger agenterna underlaget. Sedan får de arbeta medan vi tar tag i vårt.

Det kan till exempel vara att samla information till en artikel, förbereda en ändring på en webbplats eller gå igenom material inför ett kundsamtal. Sådant där det går att komma en bit utan att behöva fråga oss om varje detalj.

När vi kommer tillbaka behöver vi titta på vad som faktiskt finns. Blev det som vi tänkte? Går det att använda? Behöver vi styra om något?

Tre uppgifter är förstås ingen regel. Man måste hinna sätta sig in i resultaten också. Börjar man med tio saker samtidigt kan man få tio halvfärdiga saker att ta hand om.

Sedan gäller det nog att låta dem jobba en stund. Det är lätt att gå in och kolla hela tiden. Har den kommit någonstans? Varför gör den så? Ska vi lägga till en sak till? Då försvinner ju en del av tanken med att lämna över uppgiften.

Vi försöker hitta ett sätt där det finns utrymme att koncentrera sig på något annat under tiden.

Lite av det praktiska

En agent är i det här sammanhanget AI som kan använda verktyg och ta sig igenom flera steg i en uppgift. Den kan exempelvis läsa filer i ett projekt, göra en kodändring och testa den.

I våra webbprojekt använder vi bland annat GitHub, Astro och Vercel. Koden finns i GitHub, Astro används för att bygga webbplatsen och Vercel för att bygga och visa den.

Det gör att en ändring kan förberedas i ett eget arbetsspår, en så kallad branch. Vi kan sedan öppna en förhandsversion och klicka runt innan ändringen läggs ut på den vanliga webbplatsen.

Det är ganska viktigt för hur vi tänker kring agenterna. När vi kommer tillbaka vill vi ha något att titta på. En sida att öppna, en ändring att granska eller ett underlag att läsa igenom. Då blir det lättare att avgöra vad som är klart och vad som behöver mer arbete.

Cursor har till exempel agenter som arbetar i egna miljöer i molnet, där de kan bygga och testa medan andra uppgifter pågår. Verktygen för det här finns alltså redan. Vi håller på att lära oss hur de passar in i vår vardag.

Och det finns förstås sådant som kan krångla. Två agenter som ändrar samma sak behöver samordnas. Ett gammalt underlag kan leda till fel slutsats. En sida kan fungera när man öppnar den och ändå missa det kunden behöver.

Anthropic beskriver liknande saker i sitt arbete med flera researchagenter. Uppgifter som går att dela upp fungerar bättre parallellt. När alla delar är beroende av varandra blir det mer att hålla reda på.

Så en del av jobbet blir att fundera på vad som faktiskt går att lämna över, och hur man beskriver det.

Vad får det plats med i en arbetsdag?

Det är här vi tycker att det börjar bli intressant.

Säg att vi låter en agent förbereda något medan vi pratar med en kund. När samtalet är klart finns det ett resultat att gå igenom. Vi har fortfarande lagt tid på uppgiften, både före och efter, men vi behövde inte sitta med under hela arbetet.

Hur ska man egentligen räkna på det?

Forskarna på METR tar upp just den svårigheten i en uppföljning från februari 2026. Utvecklare gjorde andra saker medan agenterna arbetade, vilket gjorde det svårare att mäta tiden per uppgift. De beskriver också problem med urvalet i studien, så resultaten ger inget säkert svar på hur stor tidsvinsten är.

Vi har inte heller någon sådan siffra för vårt eget upplägg. Det vi vill se är om vi får mer användbart arbete gjort när vi räknar in förberedelserna, granskningen och det som behöver göras om.

För oss som liten byrå finns det mycket att fundera på där. Kan vi hinna undersöka en idé som annars hade blivit liggande? Prova ett alternativ till? Få bättre ordning på sådant som hela tiden hamnar efter?

Samtidigt behöver någon förstå kunden och välja vad som är värt att göra. Det kan ju finnas tjugo möjliga förbättringar på en webbplats, men bara ett par som spelar någon större roll just nu. Den bedömningen är fortfarande vårt jobb.

Vi vet inte riktigt var det här landar. Kanske blir det ganska normalt att börja dagen med att fördela några uppgifter till AI och sedan ta itu med sitt eget. Kanske kommer vi om ett år att tycka att även det var ett rätt omständligt sätt att jobba.

Just nu tycker vi att det är värt att pröva. Både för att förstå vad agenterna klarar och för att se hur vi själva vill arbeta när vi kan lämna över mer till dem.

För den som vill läsa mer om tekniken har vi också skrivit om långlivade AI-agenter. Och vi pratar gärna vidare med andra företag som funderar på samma saker.