Jag kör AI-agenter på schema varje vecka

En morgon nyligen fick jag en notis på telefonen. “Ny artikel väntar på godkännande.” Jag hade inte rört datorn.

Det var min SEO-agent. Den hade kört under natten, analyserat alla 33 artiklar på sajten, identifierat ett par luckor och producerat ett nytt utkast. Nu låg det i kön och väntade på att jag skulle godkänna eller avvisa det.

Det är vad en AI-agent faktiskt är i praktiken. Inte en chatbot du ställer frågor till. En specialiserad roll med ett avgränsat uppdrag, instruktioner och ett eget minne, som kör på schema och levererar ett resultat du kan granska.

Vad skiljer en AI-agent från en vanlig AI-chatt

En chatbot svarar på frågor. En AI-agent jobbar mot ett mål.

Skillnaden är inte modellen, det är strukturen runt modellen. En agent har:

• En roll (vad den är och vad den inte är)
• Instruktioner (hur den ska agera, vad den inte får göra)
• Minne (vad som hände senast, vad som är öppet)
• Verktyg (vilka filer den kan läsa, vad den kan skriva och ändra)
• En output-konvention (var resultatet hamnar, i vilket format)

Det är skillnaden mellan att fråga ChatGPT vad du ska skriva om nästa vecka och att ha en assistent som varje måndag levererar ett färdigt förslag du kan godkänna.

Systemet jag byggt

Jag kör ett system med specialiserade agenter, ett system jag kallar Agent Deck. Varje agent ägs av en roll. En schemaläggare tickar varje timme och startar max två flöden åt gången.

Tre roller är kärnan:

SEO/Content-specialisten kör mot nordiccode.se och talbar.se. Analyserar rankings och trafik, identifierar near-miss-artiklar som sitter strax utanför sida 1 och behöver mer stöd, producerar nya artiklar och lägger dem i en kö jag godkänner.

Konsign-operatören jobbar mot mitt SaaS-system. Granskar kundpipeline, kollar backlog och flaggar vad som behöver åtgärdas.

Ads-analytikern vaktar mina kampanjkonton. Letar tracking-problem, rapporterar avvikelser, pingar mig när något kräver ett beslut.

Alla kör utan att jag behöver vara vid datorn.

Vad som faktiskt hände under piloten

Den 9 juni körde SEO-agenten sin första skarpa körning. Nio och en halv minut. Resultatet:

Den hade läst trafikdata och sökkonsol, gått igenom alla 33 artiklar och mappat deras indexeringsstatus, hittat två sidor som satt strax utanför sida 1 men saknade inlänkar, identifierat en artikel som var ett orphan (ingen sida länkade dit), producerat ett utkast och lagt det i approval-kön.

Och till sist skrivit en journalpost: vad den gjort, vad den lärt sig och vad nästa körning bör plocka upp.

Jag fick en notis. Loggade in i dashboarden. Godkände artikeln. Det tog 20 sekunder.

De tre sakerna som gör det möjligt

Utan dessa tre funkar det inte.

Journalen. Varje agent skriver en post efter varje körning. Nästa körning börjar med de senaste posterna. Det är agentens minne. Utan det börjar den om från noll varje gång och upprepar samma analys.

Chartern. Varje roll har en charter-fil. En beskrivning av vad agenten ansvarar för, vad den inte gör, vilka skills och verktyg den använder och hur den ska eskalera när något kräver ett beslut från mig. Det är ungefär som att anställa en ny person och ge dem ett tydligt rollbeskrivningsdokument.

Att ge agenten rätt kontext om ditt arbete och dina system är avgörande. Jag har skrivit mer om varför just det steget är det folk hoppar över.

Approval-flödet. Agenten publicerar ingenting direkt. Artiklar, utkast, ändringar, allt hamnar i en kö jag granskar. Det begränsar skadan om något inte håller måttet till att jag behöver klicka avvisa, inte till att fel saker gått ut.

Det kräver mer setup än en vanlig prompt

Det är ärligt att säga rakt ut. Det här är inte något du sätter upp på en lunch.

En agent som faktiskt levererar konsekvent kräver en tydlig rollbeskrivning, en konvention för var agenten skriver sina resultat, en journal-struktur den uppdaterar varje körning och ett system för att fånga beslut som kräver dig.

Det tog mig en eftermiddag att bygga grundstrukturen. Det tog ytterligare några veckor att iterera tills flödena faktiskt levererade det de skulle. Det är inte ett programmeringsprojekt i traditionell mening, men det är heller inte något du konfigurerar på en kväll.

Vad det ger tillbaka är tid och mental kapacitet. Analyser som annars inte hade blivit gjorda. Artiklar som inte hade kommit ut. Och ett system som håller koll medan jag gör annat.

Det är principen jag beskriver i hur jag driver hela företaget med textfiler, men ett steg längre: från att AI svarar när du frågar till att AI levererar utan att du behöver fråga.

Vanliga frågor

Vad skiljer en AI-agent från GitHub Actions?

GitHub Actions schemalägg kodkörning. Det kan trigga ett AI-anrop som en del av ett flöde, men det är du som bestämmer exakt vad som ska hända i vilken ordning. En AI-agent läser sina instruktioner, förstår kontexten och fattar bedömningar längs vägen. Jag kör båda: Actions för deterministisk datakontroll (som nattlig bokföringskontroll), agenter för arbete som kräver omdöme.

Behöver man programmera för att sätta upp ett sådant system?

För grundstrukturen med en agent och ett enkelt flöde nej, inte egentligen. Instruktionerna skrivs i ren text. Det svårare är schemaläggning och dashboard, vilket kräver lite Python eller motsvarande. Börja enkelt: en agent, ett avgränsat uppdrag, en journal-fil den uppdaterar. Det är grunden.

Hur vet agenten vad den gjort tidigare?

Via journalen. Varje körning skriver agenten en strukturerad post med vad den gjort, vad den lärt sig och vad nästa körning bör ta upp. De senaste posterna injiceras i prompten inför nästa körning. Det är inte ett perfekt minne, men det är tillräckligt för att fortsätta där den slutade.

Vad händer om agenten gör fel?

Det är därför approval-flödet finns. Agenten publicerar aldrig direkt. Allt hamnar i en kö. Skadan begränsas till att jag behöver granska och avvisa, inte till att fel saker gått ut.

Kan en vanlig småföretagare sätta upp det här?

Om du är van vid att jobba med filer och är bekväm med terminalen: ja. Konceptet är egentligen inte svårare än att beskriva vad en assistent ska göra, vad de ska rapportera och var deras arbete ska hamna. Det är i grunden ett organisations- och rollproblem. Tekniken är medlet.