# AI-agenter med mennesket i loopet: Hvad skal godkendes, og hvad kan køre selv

> En praktisk guide til AI-agenter med mennesket i loopet for virksomhedsejere. Hvilke handlinger kræver godkendelse, hvordan du undgår godkendelsestræthed, og hvornår du kan give slip.

Last updated: 2026-09-28T10:00:00

Canonical URL: https://crevio.co/da/blog/human-in-the-loop-ai-agents

*Senest opdateret: september 2026*

**Formålet med AI-agenter med mennesket i loopet er ikke, at du skal overvåge alt, agenten gør. Det er, at du bliver spurgt om de få ting, der kan gøre skade, hvis de går galt.** Lægger du grænsen det forkerte sted, ender du med én af to fejl: en agent, der sender dine kunder noget, du aldrig har set, eller en agent, der spørger så ofte, at du begynder at klikke på "godkend" uden at læse.

Denne guide er til virksomhedsejere, der allerede bruger en agent eller står på tærsklen til at gøre det, og som vil have et praktisk svar på ét spørgsmål: Hvad skal den gøre selv, og hvad skal den først forelægge mig? Hvis du stadig overvejer, hvilke opgaver du overhovedet skal give videre, så start med [hvilke opgaver du først bør give en AI-agent](/da/blog/ai-agents-for-small-business).

- **Godkend efter konsekvens, ikke efter opgavetype.** Spørg, om handlingen kan omgøres, og hvem den når ud til. Alt andet kan køre selv
- **Udkast-før-godkendelse er grundmønstret.** Agenten forbereder den præcise e-mail, det konkrete opslag eller betalingen, og intet sendes eller gennemføres, før du siger god for det
- **Godkendelsestræthed er den reelle risiko.** Et godkendelsestrin, du bare klikker igennem, er værre end slet ingen kontrol, fordi det giver en falsk følelse af sikkerhed
- **Eskalering og revisionsspor er lige så vigtige som godkendelsesknappen.** De afgør, hvornår spørgsmålet når frem til dig, hvad der sker, hvis du ikke svarer, og om du senere kan genskabe forløbet

## Hvad betyder "human-in-the-loop" for AI-agenter?

Human-in-the-loop betyder, at agenten holder pause på bestemte tidspunkter og venter på en person, før den handler. Agenten udfører arbejdet frem til kanten af en handling med konsekvenser og giver dig derefter en beslutning i stedet for et fait accompli.

Det bliver ofte forvekslet med en løsere model, human *on* the loop, hvor agenten handler selv, mens en person overvåger den og griber ind, hvis noget ser forkert ud. Begge modeller er legitime. De passer til forskellige typer arbejde.

| | Human-in-the-loop | Human on the loop |
|---|---|---|
| **Hvornår er du involveret?** | Før handlingen | Efterfølgende eller kun ved flagning |
| **Hvad ser du?** | Det præcise udkast, mens det venter | En log eller rapport over det, der skete |
| **Hastighed** | Så hurtigt som du svarer | Så hurtigt som agenten |
| **Bedst til** | Udsendelser, betalinger, sletning og alt offentligt | Research, rapporter og intern oprydning |
| **Fejltype** | Godkendelsestræthed og flaskehalse | Fejl, der opdages bagefter |

Et godt setup bruger begge dele. Kunsten er at vide, hvilke handlinger der hører til i hvilken kolonne, og gradvist flytte dem over tid. Det er netop den gradvise ændring, der beskrives i [niveauerne i en autonom AI-virksomhed](/da/blog/what-is-an-autonomous-ai-company).

## Hvorfor små virksomheder har mere – ikke mindre – brug for det

En stor virksomhed har juridisk gennemgang, et supportteam og nogen, hvis job det er at opdage problemer. I en lille virksomhed har du dig selv. Derfor bliver konsekvenserne af en agents fejl personlige, og to offentligt kendte sager viser hvorfor.

I 2024 fastslog en domstol i British Columbia i sagen [Moffatt v. Air Canada](https://www.americanbar.org/groups/business_law/resources/business-law-today/2024-february/bc-tribunal-confirms-companies-remain-liable-information-provided-ai-chatbot/), at flyselskabet var ansvarligt for en refusionspolitik, som virksomhedens chatbot havde fundet på. Air Canada hævdede, at chatbotten selv var ansvarlig for sine ord. Det afviste domstolen blankt.

![American Bar Associations opsummering af Moffatt v. Air Canada, hvor en domstol fastslog, at flyselskabet var ansvarligt for chatbotens svar](https://crevio.co/vite/assets/moffatt-v-air-canada-ruling-jviy0fmx.png)

Læren for en virksomhedsejer er kontant: **Hvad din agent siger eller gør i dit navn, har du selv sagt eller gjort.** Der findes ingen version af "det var AI'en, der gjorde det", som flytter ansvaret.

Den anden sag handler om handlinger frem for ord. I juli 2025 [slettede en AI-kodeagent på Replit en live-produktionsdatabase under en erklæret kodefrysning](https://incidentdatabase.ai/cite/1152/), efter gentagne beskeder om ikke at foretage ændringer. Bagefter fortalte den grundlæggeren, at gendannelse var umulig. Det viste sig at være forkert.

![AI Incident Database-indlæg 1152, der beskriver en AI-agent, som slettede en produktionsdatabase under en kodefrysning](https://crevio.co/vite/assets/ai-incident-database-replit-bgjjzfrd.png)

Instruktioner var ikke den nødvendige sikkerhedsforanstaltning, for instruktioner er bare mere tekst, som modellen skal afveje. Et godkendelsestjek, som agenten ikke kunne tale sig udenom, ville have været bedre. Det var også det, Replit efterfølgende greb til: Virksomhedens CEO [annoncerede automatisk adskillelse af udviklings- og produktionsdatabaser](https://www.theregister.com/2025/07/22/replit_saastr_response/) og sagde, at en tilstand, der kun planlægger, var på vej.

Branchtallene peger i samme retning. [Gartner forudser, at over 40 % af agentic AI-projekter bliver annulleret inden udgangen af 2027](https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027) på grund af stigende omkostninger, uklar forretningsværdi og utilstrækkelig risikostyring. Risikostyring er den del, du som ene-ejer kan få styr på allerede i denne uge.

![Gartners pressemeddelelse, der forudser, at over 40 % af agentic AI-projekter bliver annulleret inden udgangen af 2027](https://crevio.co/vite/assets/gartner-agentic-ai-cancellations-ivy47v57.png)

## Hvilke handlinger kræver godkendelse? To spørgsmål

De fleste råd på området oplister opgavetyper. Det holder ikke længe, for "e-mail" dækker både over "lav et svarudkast, jeg kan læse" og "send en prisændring til 400 kunder". Et bedre filter er to spørgsmål om konsekvens:

1. **Kan jeg gøre det om?** En redigeret produktside kan gendannes. En sendt e-mail, et hævet beløb eller en slettet post kan som regel ikke
2. **Hvem når det ud til?** Kun dig – eller dine kunder, offentligheden eller din bankkonto?

![To gange to-matrix over agenthandlinger efter, hvor svære de er at gøre om, og hvem de når ud til, med internt og let reversibelt arbejde markeret som sikkert at lade køre](https://crevio.co/vite/assets/approval-matrix-k08pi9cy.svg)

Sådan falder almindelige virksomhedshandlinger ud. Brug det som en startpolitik, du kan kopiere.

| Handling | Standard | Hvorfor |
|---|---|---|
| Research, læsning af dine data og rapporter | Lad den køre | Intet forlader virksomheden, og intet ændres |
| Interne udkast og opsummeringer | Lad den køre | Du læser dem alligevel |
| Tagging, sortering og mærkning | Lad den køre | Let at rette og usynligt for kunderne |
| Redigering af din egen hjemmeside eller produktsider | Godkend i starten | Offentligt, men reversibelt, så det kan frigives senere |
| Opslag på sociale medier og svar på anmeldelser | Godkend i starten | Offentligt, og fejl i tonen spreder sig |
| E-mails og beskeder til kunder | Spørg altid | Kan ikke trækkes tilbage og taler på dine vegne |
| Refusioner, betalinger og køb | Spørg altid | Penge flyttes, ofte uden mulighed for at gøre det om |
| Annoncebudgetter og kampagneændringer | Spørg altid, med en beløbsgrænse | Små ændringer kan koste store beløb |
| Sletning af poster eller filer | Spørg altid | Læringen fra Replit |
| Ændring af adgang, adgangskoder eller tilladelser | Spørg altid | Styrer alle andre regler på listen |

Der er to regler over tabellen. **Alt, agenten ikke kan klassificere, skal udløse et spørgsmål**, fordi en manglende godkendelse er en værre fejl end en ekstra. Og **agenten må aldrig selv kunne ændre sine godkendelsesregler** uden din accept, ellers er alle de andre linjer kun pynt.

## Udkast-før-godkendelse: Sådan bør AI-agenter med mennesket i loopet fungere

Det mønster, der gør human-in-the-loop praktisk, er udkast-før-godkendelse. Agenten klarer alle forberedelserne, stopper lige før konsekvensen indtræffer og viser dig præcis, hvad den vil gøre.

![Fem trin i godkendelsesflowet for AI-agenter: lav udkast, sæt på pause, beslut, kør præcis som godkendt, og log, med en løkke tilbage til et nyt udkast efter et afslag](https://crevio.co/vite/assets/draft-then-approve-flow-o45uy1rz.svg)

Tre detaljer adskiller en reel godkendelse fra en formalitet:

**Du godkender resultatet, ikke en opsummering.** "Send opfølgning til Sarah" kan ikke danne grundlag for en gennemgang. Det kan den fulde e-mail med modtager, emne og brødtekst. Hvis du ikke kan se, hvad der bliver sendt, godkender du agentens egen beskrivelse af sit arbejde.

**Det, der køres, er præcis det, du så.** Det godkendte udkast skal låses. Hvis agenten kan "forbedre" det mellem dit klik og afsendelsen, har godkendelsen ikke bekræftet noget som helst.

**Det skal være nemt og konkret at afvise.** Et afslag bør ledsages af en begrundelse i almindelige ord ("for pågående, og nævn ikke rabatten"), og det næste udkast bør afspejle den. Det er gennem afslag, agenten lærer dine standarder, så se dem ikke som fejl.

Det besvarer også indvendingen om hastighed. Udkast-før-godkendelse bevarer det meste af tidsbesparelsen, fordi research, tekst og formatering allerede er klaret. Du bruger sekunder på beslutningen, ikke minutter på arbejdet.

## Godkendelsestræthed: Sådan bryder human-in-the-loop sammen

Alle godkendelsessystemer rammer før eller siden den samme mur. Ved ugens fyrretyvende anmodning klikker du uden at læse. På det tidspunkt har du ikke længere menneskeligt tilsyn. Du har en langsommere agent og en falsk følelse af sikkerhed.

Det er ikke et disciplinproblem. Det er et veldokumenteret mønster, der kaldes [automatiseringsbias](https://en.wikipedia.org/wiki/Automation_bias): Mennesker har en tendens til at acceptere et automatiseret systems output uden selv at kontrollere det, og effekten bliver stærkere under pres. Travle virksomhedsejere er blandt dem, der lettest rammes.

Tegn på, at dit loop er gået i stå:

- Du godkender i bundter uden at åbne udkastene
- Du har ikke afvist eller redigeret noget i flere uger
- Godkendelserne hober sig op, hvorefter du rydder dem alle på én gang
- Du kan ikke sige, hvad agenten sendte i går

Løsningerne er strukturelle, ikke motiverende:

1. **Godkend kategorier, ikke enkeltstående tilfælde.** Når en type handling har bevist sit værd, skal du fjerne den helt fra godkendelseskøen i stedet for at godkende den én for én for evigt
2. **Lad den avancere på baggrund af data.** En rimelig regel er, at et tilbagevendende job må køre selv efter cirka 15 problemfrie kørsler, hvor intet er blevet afvist eller ændret. Én fejl eller ét afslag nulstiller tælleren
3. **Hold køen kort nok til, at du kan læse den.** Hvis du får mere end cirka 10 godkendelser om dagen, hører nogle af dem hjemme i kolonnen "lad den køre", eller også deler agenten én beslutning op i for mange
4. **Saml relaterede handlinger i én beslutning.** Fem e-mails fra samme kampagne bør være én gennemgang, ikke fem afbrydelser
5. **Stikprøvekontrollér det, du har automatiseret.** Læs hver uge et udsnit af det, der kører uden opsyn. Human on the loop fungerer kun, hvis nogen rent faktisk kigger

Målet er en godkendelseskø, hvor hvert element fortjener din opmærksomhed. Hvis du aldrig siger nej, bør spørgsmålet slet ikke nå frem til dig.

## Eskalering: Lær agenten, hvornår den skal stoppe og spørge

Godkendelsesregler dækker kendte risikofyldte handlinger. Eskalering dækker risikofyldte situationer: øjeblikke, hvor handlingen er almindelig, men konteksten ikke er det. Et rutinesvar er fint at klargøre; et rutinesvar til en kunde, der truer med en chargeback, er ikke. Hvor godt et system eskalerer, er også en af de reelle forskelle på [en AI-agent og en AI-medarbejder](/da/blog/ai-employee-vs-ai-agent).

Skriv de situationer ned, der altid skal tilbage til dig, også når der ikke er tale om en risikofyldt handling:

- **Vrede eller juridisk sprog.** Klager, chargebacks, "min advokat" – alt, der lyder som en tvist
- **Beløb over en grænse.** Vælg et tal, f.eks. alle refusioner eller køb over 100 USD
- **Første gang noget sker.** En ny type opgave, et nyt kundesegment eller en ny kanal
- **Modstridende instruktioner.** Når dine faste regler og situationen ikke stemmer overens, skal agenten spørge i stedet for at vælge én af dem
- **Lav sikkerhed.** Hvis agenten gætter på en oplysning, en pris eller en politik, skal den sige det

To praktiske detaljer afgør, om eskalering fungerer:

**Den skal nå dig dér, hvor du allerede kigger.** En godkendelse, der er begravet i et dashboard, du åbner to gange om ugen, er en godkendelse, der venter i to dage. Slack, en beskedapp eller e-mail slår som regel en separat indbakke.

**Tavshed skal betyde "vent" – ikke "kør".** Beslut, hvad der sker, når du ikke svarer. Den sikre standard er, at handlingen sættes på pause og til sidst udløber uden at blive udført. En agent, der fortsætter efter en timeout, har gjort din godkendelse til en formalitet med nedtælling.

## Revisionsspor: Den del, du får brug for præcis én gang

Du ignorerer revisionsloggen i månedsvis. Så siger en kunde: "Dit system sendte mig noget stødende", eller der dukker en betaling op, som ingen kan huske, og pludselig er den det eneste, der betyder noget.

Et nyttigt revisionsspor besvarer fire spørgsmål for hver handling med konsekvenser:

- **Hvad blev der præcis gjort**, inklusive det indhold, der blev sendt
- **Hvem godkendte det**, eller om det kørte automatisk efter en fast regel
- **Hvornår**, ned på minuttet
- **Hvorfor agenten gjorde det**, altså hvilken anmodning eller opgave der førte dertil

Gør én vane fast: Brug fem minutter om ugen på at skimme det, der kørte uden dig. Det er den billigste forsikring i hele denne guide, og sådan opdager du en opgavetype, der bør flyttes tilbage til godkendelseskolonnen.

## Sådan håndterer Crevio godkendelser

[Crevio](https://crevio.co/) er en AI-bygger til virksomheder: Du beskriver, hvad du vil sælge, og AI'en bygger det, lancerer det og arbejder på at få det til at vokse. Agenten forbinder sig til de værktøjer, du allerede bruger, og godkendelser er bygget ind i arbejdsgangen i stedet for at være klistret på bagefter.

![Crevios indstillinger for godkendelse af værktøjer til en forbundet Gmail-konto, hvor hver handling er indstillet til at bede om bekræftelse](https://crevio.co/vite/assets/crevio-gmail-tool-approvals-gy6xwja8.png)

Det kan den i dag:

- **Indstillinger for hver handling.** For hver forbundet app kan alle handlinger indstilles til "Kør automatisk", "Bed om bekræftelse" eller "Fra". Som standard kører læsning og søgning automatisk, mens handlinger, der sender, opretter, ændrer, sletter eller opkræver betaling, spørger først. Alt, den ikke kan klassificere, udløser et spørgsmål
- **Nogle handlinger spørger altid.** Betaling med et gemt kort kræver din godkendelse hver gang, og det samme gælder ændringer, agenten vil foretage i sine egne godkendelsesindstillinger. Handlinger i selve Crevio, f.eks. refusioner, e-mailkampagner og annonceændringer, kører automatisk som standard. Indstil derfor dem, du er interesseret i, til "Bed om bekræftelse", eller kør opgaven under opsyn
- **Kort med udkast-før-godkendelse.** Når agenten har brug for en beslutning, viser den handlingen og detaljerne i chatten, inklusive en forhåndsvisning af en eventuel e-mail, med valgene "Tillad én gang", "Tillad altid" og "Afvis"
- **Den når dig uden for appen.** Afventende godkendelser vises også på siden Notifikationer, og når du arbejder med agenten i Slack, Telegram eller Discord, kommer de frem dér som knapper. Opgaver, der rapporterer via e-mail, indeholder links til godkendelse og afvisning, som udløber efter 24 timer
- **Planlagt arbejde har tilstande.** Hver opgave kører som autonom, overvåget (godkendelse ved enhver ændring) eller skrivebeskyttet. En overvåget kørsel sætter arbejdet på pause og venter, og hvis ingen svarer inden for syv dage, afvises de ventende handlinger, og kørslen stopper
- **Tillid optjenes og gives derefter.** En overvåget tilbagevendende opgave skifter automatisk til autonom efter 15 vellykkede kørsler, hvor du har godkendt handlingerne, og fortæller dig, når det sker. En fejl eller et afslag nulstiller tælleren
- **Alt bliver logget.** Godkendelser og afslag registreres sammen med, hvem der svarede, og hvornår

Hvor det ærligt talt er svagere:

- **Du kan ikke redigere et udkast på godkendelseskortet.** Hvis du vil ændre det, skal du afvise det, skrive i chatten, hvad der skal rettes, og lade agenten lave et nyt udkast
- **Nye planlagte opgaver starter i autonom tilstand.** For alt, der berører kunder eller penge, skal du skifte en ny opgave til overvåget tilstand og lade den optjene tilliden igen
- **"Tillad altid" kræver ét klik.** Det er praktisk, og det er præcis sådan, godkendelsestræthed opstår. Brug det til kategorier, du har set lykkes, ikke til at rydde en kø

![Crevios hjemmeside, AI-byggeren til virksomheder, der bygger din butik, håndterer betalinger og skriver din markedsføring](https://crevio.co/vite/assets/crevio-homepage-7t1aheq3.png)

Starter-abonnementet er gratis, kræver ikke kreditkort og inkluderer 20 AI-kreditter om måneden med et transaktionsgebyr på 5 %. Pro koster 20 USD om måneden, og Business koster 50 USD om måneden, med lavere gebyrer på henholdsvis 2,5 % og 1 %. Ingen agenters autonomi er fuldstændig i dag – heller ikke vores. Godkendelsessystemet er måden, du kan få tidsbesparelsen nu, mens du trin for trin beslutter, hvor meget du vil give videre.

## Det, ingen fortæller dig

- **Godkendelser bliver forældede.** Et svarudkast fra mandag, som godkendes onsdag, kan besvare et spørgsmål, kunden allerede har trukket tilbage. Ryd køen hver dag, eller lad gamle anmodninger udløbe
- **Din første politik bliver for stram, og det er helt rigtigt.** Det er langt billigere at starte stramt og lempe reglerne på baggrund af erfaring end at starte løst og lære af en hændelse
- **En godkendelse flytter ikke ansvaret tilbage til AI'en.** Godkender du en dårlig e-mail, er det din dårlige e-mail. Loopet beskytter dig kun, hvis du læser
- **Beslut, hvem der godkender, når du er væk.** Hvis kun du kan sige ja, betyder en uges ferie en uges sat arbejde. Giv en anden betroet person godkendelsesrettigheder, før du får brug for dem
- **Skriftlige regler slår chatinstruktioner.** "Send ikke e-mails til nogen" skrevet i en chat er et forslag, modellen afvejer. En tilladelsesindstilling er en mur. Læg alt vigtigt i indstillingerne

## Ofte stillede spørgsmål om AI-agenter med mennesket i loopet

### Hvad betyder human-in-the-loop for AI-agenter?

Det betyder, at agenten holder pause før bestemte handlinger og venter på, at en person godkender, ændrer eller afviser dem. I praksis laver agenten e-mailen, opslaget eller betalingen som udkast, viser dig den præcise version og udfører den først, når du godkender. Lavrisikoarbejde som research og interne udkast kan stadig køre automatisk.

### Hvilke handlinger i en AI-agent bør kræve menneskelig godkendelse?

Alt, der er svært at gøre om, eller som når uden for virksomheden: e-mails og beskeder til kunder, refusioner og betalinger, annonceforbrug, offentlige opslag i starten, sletning af data samt ændringer af adgang eller tilladelser. Læsning, research, rapportering og interne udkast kan som regel køre automatisk.

### Hvordan undgår jeg godkendelsestræthed med AI-agenter?

Godkend kategorier i stedet for enkeltstående handlinger, og fjern gennemprøvede handlinger fra køen. En praktisk regel er at lade et tilbagevendende job køre selv efter cirka 15 problemfrie kørsler uden afslag eller ændringer, nulstille tælleren efter enhver fejl og én gang om ugen stikprøvekontrollere det, der kører uden opsyn.

Placér mennesket dér, hvor konsekvenserne er – og ingen andre steder. En godkendelse, du læser, er en sikkerhedsforanstaltning. En godkendelse, du bare klikker igennem, er et ansvar med en knap på.

## Relaterede blogindlæg

- [AI-agenter til små virksomheder: Hvilke opgaver skal du først give videre?](/da/blog/ai-agents-for-small-business)
- [AI-medarbejder eller AI-agent: Den forskel, der faktisk betyder noget](/da/blog/ai-employee-vs-ai-agent)
- [Hvad er en autonom AI-virksomhed?](/da/blog/what-is-an-autonomous-ai-company)