Agentic Loop – När drag-and-drop möter intelligens

Vad händer när AI-agenter flyttar in i Logic Apps och utmanar vårt sätt att tänka integration?
Håkan Åkerblom skriver sina insikter från Integrate 2025 med konkreta reflektioner om drag-and-drop, determinism – och varför framtiden kanske faktiskt är här nu.

Agentisk AI för dig som gillar drag-and-drop

I veckan var jag och några kollegor på ”Integrate 2025”, en integrationsmässa i London. Här kommer några insikter därifrån:

1. Det är utmattande att lyssna på föreläsningar hela dagen.
Fler mässor borde varva med workshops eller andra publikaktiverande aktiviteter. (Denna insikt får jag dock varje gång jag är på mässa).

2. AI-agenter är i ropet.
Alla vi som är det minsta intresserade av AI-agenter vet såklart redan detta, men det blir alltid lite tydligare när man får diskutera ämnet med andra tekniknördar under ett par intensiva dagar.

”Agent” är ett vitt begrepp som innefattar någon slags entitet som uppfattar sin omgivning och tar beslut därefter.

I den vidaste bemärkelsen kan en termostat sägas uppfylla beskrivningen, men när man pratar om AI-agenter brukar man oftast hänvisa till språkmodeller som har tillgång till olika verktyg och själv tar beslut för när och hur dessa ska användas.

En av mässans stora snackisar var att AI-agenter implementerats i low-code/no-code-verktyget Logic Apps, som används flitigt inom integration.

En av förtjänsterna med Logic Apps är att flöden man skapar blir väldigt visuella på ett sätt som inte kodblock blir. Om man föredrar att arbeta med kod framför drag-and-drop så kan man såklart göra det – men just när det gäller agenter tror jag det finns ett värde i att få koden presenterad visuellt.

Det blir tydligt:

• vilka verktyg din agent har i verktygslådan
• vilka flöden din agent kan trigga
• hur hierarkin ser ut i ett nätverk med flera olika agenter

3. Inom integration gillar man determinism. AI är dock till sin design icke-deterministisk.

Determinism betyder här att man förväntar sig att om inputen är densamma, så är outputen också densamma.

Den absoluta majoriteten av AI-modeller är dock till sin natur icke-deterministiska – så varför i hela fridens namn skulle man vilja blanda in AI i integration?

Som jag ser det finns det tre tydliga tillfällen:

a. Agenten som startmotor:
Låt en agent starta ett specifikt deterministiskt flöde beroende på input. Lägg in vägräcken (direktöversättning av guardrails) för tillfällen då agenten skulle välja fel.

b. Agenten som räddningsplanka:
Aktivera endast agenten om ditt deterministiska flöde misslyckas. Istället för att flödet bara avbryts – ge agenten en chans att försöka lösa problemet, föreslå sin lösning till sin överordnade människa, och om denne godkänner (t.ex. via en knapptryckning i Teams – funktionaliteten finns inbyggd i Logic Apps) – låt agenten köra sin lösning.

c. Agenten som problemlösare:
Använd agenter när en deterministisk lösning är omöjlig eller opraktisk. Om ett problem är för komplext för att lösa inom rimlig tid – låt en agent prova att lösa det åt dig. Men: håll en människa “in the loop” som kan granska agentens lösningsförslag innan du sätter tilltro till den.

4. Föreläsares powerpoints har blivit snyggare – men mindre användbara.
Jag såg många AI-genererade presentationer. Jättesnygga! Men hjälpte de till att få fram budskapet? Nja.

Som gammal lärare kommer jag fortsätta göra mina fula presentationer själv – tack så mycket.

Hur som helst – AI-agenter har stor potential att radikalt förändra vårt IT-landskap och vår arbetsmarknad. (Jag vet att det har sagts länge – men den här gången kan det faktiskt vara på riktigt.)

Vill du diskutera mer om AI-agenter och hur de kan implementeras i ditt affärsflöde? Hör av dig till mig på hakan.akerblom@contica.se