Innholdsfortegnelse
En AI-agent som booker møter, oppdaterer felt og sender oppfølging på egen hånd er ikke lenger et pilotprosjekt i norsk B2B-salg. Den er i drift, ofte uten at noen har kalt den en agent. Problemet er at EUs forordning om kunstig intelligens, (EU) 2024/1689, ikke bruker ordet agent som en normativ kategori i det hele tatt, slik det går frem av en gjennomgang av agentregulering publisert på arXiv. Du sitter dermed med et verktøy som jobber selvstendig i kundedataene dine, og et regelverk som beskriver noe annet enn det du faktisk har kjøpt.
Denne artikkelen oversetter de juridiske mekanismene til konkrete kontrollpunkter i pipelinen. Du får en autonomitrapp, en sjekkliste før driftsetting, spørsmålene du stiller leverandøren, og en vurdering av hva du bør gjøre med agentene som allerede kjører. Vi holder oss til det som er dokumentert, og er tydelige på hvor dokumentasjonen slutter.
Slik er artikkelen bygget
| Seksjon | Hva du får ut av den |
|---|---|
| Hva en AI-agent er i salgsarbeid | Funksjonell definisjon du kan bruke på verktøyene dine |
| Derfor nevnes ikke agenter | Hvorfor merkelappen ikke beskytter deg |
| To regulatoriske objekter | Hvem svarer for modellen, hvem svarer for agenten |
| Ni kategorier for autonomi | Autonomitrapp for pipelinen |
| Tolv steg som sjekkliste | Rekkefølgen før driftsetting |
| Åtte regelverk samtidig | GDPR, sikkerhet og det du glemmer |
| Standardene er forsinket | Hva forsinkelsen gjør med innkjøpet |
| Spørsmål til leverandør og konsulent | Ordlyd du kan klippe inn i anbudet |
| Mandag morgen | Kartlegging, dataflyt, stoppknapp |
| Vanlige feil | Atferdsdrift, falsk revisjonsspor, kulturkrasj |
| FAQ og oppsummering | Anbefaling for din situasjon |
Hvis du bare har tid til en del, hopp til autonomitrappen og sjekklisten. Det er der beslutningen faktisk tas, og det er de to seksjonene som gir mest igjen i et innkjøpsmøte. Resten er bakgrunnen som gjør at du kan forsvare valget i etterkant, både internt og mot en kunde som spør hvem det var som egentlig skrev e-posten.
Hva en AI-agent faktisk er i salgsarbeid
Begrepet agent brukes i markedsføring om alt fra en chatbot til en arbeidsflyt med betinget logikk. Den funksjonelle beskrivelsen er mer presis. Ifølge arXiv-analysen kjennetegnes AI-agenter ved planlegging, verktøybruk, autonom utførelse, interaksjon med omgivelsene og tilpasning basert på tilbakemelding. Fem egenskaper, og det er kombinasjonen som skaper risikoen.
Legg merke til hva som ikke står i den beskrivelsen: ingenting om språkmodeller, ingenting om leverandør, ingenting om pris. Det betyr at et oppsett du har bygget selv i CRM-et med et par integrasjoner og en modell i bakkant kan treffe definisjonen like godt som et produkt du har betalt for, noe arXiv-paperet er eksplisitt på når det skiller mellom funksjon og merkelapp.
Fem kjennetegn du kan måle verktøyene dine mot
Ta listen og gå gjennom verktøystacken din. Planlegging betyr at verktøyet bryter et mål ned i steg du ikke har forhåndsdefinert. Verktøybruk betyr at det kaller andre systemer, for eksempel CRM-API-et, kalenderen eller e-postserveren. Autonom utførelse betyr at handlingen skjer uten at et menneske trykker ja først. Miljøinteraksjon betyr at den leser tilstanden i systemet og reagerer på den, og tilpasning betyr at atferden endrer seg over tid basert på resultater, slik det beskrives i gjennomgangen på arXiv.
Et verktøy som foreslår en e-posttekst du selv sender, treffer to av fem. Et verktøy som selv bestemmer hvem som skal kontaktes, når, med hvilket budskap, og som skriver utfallet tilbake i pipelinen, treffer alle fem. Avstanden mellom de to er hele diskusjonen i denne artikkelen. Den ene er et skriveverktøy, den andre er en aktør i salgsprosessen din.
Forskjellen på en agent og en regel i CRM-et
En regel er forutsigbar. Hvis lead-score passerer en terskel, send sekvens B. Du kan lese regelen, teste den, og vite hva den vil gjøre neste tirsdag. En agent er valgt nettopp fordi den ikke er forutsigbar: du gir den et mål og lar den finne veien. Det er den egenskapen som gjør den nyttig, og det er den samme egenskapen som gjør dokumentasjonskravene i arXiv-analysen vanskelige å oppfylle.
Praktisk konsekvens for deg som salgsleder: du kan ikke dokumentere en agent ved å vise frem konfigurasjonen. Du må dokumentere hva den faktisk gjorde, sak for sak. Det er en annen type loggføring enn den CRM-et ditt sannsynligvis gir deg i dag, og det er en kostnad du må regne inn før du signerer. Mer om hvordan dette henger sammen med resten av automasjonsstacken finner du i vår gjennomgang av salgsautomatisering med AI.
Hvorfor merkelappen er ditt ansvar, ikke leverandørens
Leverandøren velger ord som selger. Noen kaller en mal-generator for en agent fordi det gir bedre pris, andre unngår ordet agent fordi det høres regulert ut. Siden arXiv-paperet viser at forordningen ikke opererer med agent som normativ kategori, hjelper ingen av ordvalgene deg. Vurderingen gjøres på funksjon.
Vår erfaring er at salgsledere bør kartlegge hvilke AI-agenter som allerede jobber i CRM-et før de kjøper flere, nettopp fordi regelverket gjelder uansett om du kaller verktøyet en agent eller ikke. Kartleggingen tar en ettermiddag og gir deg noe du kan vise frem. Innkjøpet uten kartlegging gir deg et nytt lag på toppen av noe du ikke har oversikt over.
Derfor nevner ikke AI-forordningen agenter med navn
Forordning (EU) 2024/1689 er bygget rundt AI-systemer, risikoklasser og roller som leverandør og ibruktaker. Den definerer ikke begrepet agent og bruker det ikke som en normativ kategori. Det er ikke en forglemmelse, det er et designvalg: teknologineutral regulering skal overleve at markedet finner nye ord.
Effekten i praksis er likevel ubehagelig. Når regelverket beskriver et system med en avgrenset funksjon, og du har kjøpt noe som planlegger og handler på tvers av flere systemer, må du selv gjøre oversettelsen. arXiv-forfatteren peker på at det er nettopp i denne oversettelsen de agentspesifikke problemene oppstår.
Forordningen regulerer systemer, ikke merkelapper
Spørsmålene som avgjør pliktene dine er kjente: hvilken rolle har du, hva brukes systemet til, og hvilken risikoklasse havner bruken i. Ingen av dem besvares av om produktarket sier agent. Det arXiv-analysen gjør, er å vise hvordan de samme spørsmålene blir vanskeligere å svare på når systemet handler selvstendig over tid.
For et salgsteam betyr det at du må beskrive bruken, ikke produktet. En agent som kvalifiserer innkommende forespørsler er en annen sak enn en agent som rangerer kundeemner, som igjen er noe annet enn en agent som kommuniserer direkte med en person i navnet til en selger. Samme teknologi, tre forskjellige vurderinger.
Det tilsynet ikke har sagt noe om ennå
Per tidlig 2026 hadde AI-kontoret ikke publisert veiledning som spesifikt adresserer AI-agenter, autonom verktøybruk eller atferdsendring i drift, ifølge kartleggingen på arXiv. Det er tre temaer som til sammen utgjør nesten hele risikobildet for en CRM-agent. Du står altså uten den tolkningsstøtten du normalt ville lent deg på.
arXiv-forfatteren går videre og konkluderer med at høyrisiko agentsystemer med uidentifiserbar atferdsdrift ikke kan oppfylle forordningens grunnleggende krav i dag. Det er en hard konklusjon, og den fortjener å stå uavrundet. Hvis du vurderer en autonom agent i en bruk som kan klassifiseres som høyrisiko, er svaret fra fagmiljøet at kravene ikke er oppfyllbare med dagens dokumentasjonspraksis. Da er valget enten å redusere autonomien, eller å utsette driftsettingen.
To regulatoriske objekter når agenten bygger på en tredjeparts modell
Nesten alle salgsagenter i markedet er bygget oppå en generell språkmodell fra en tredjepart. Det skaper en struktur de færreste innkjøpere har tenkt gjennom: arXiv-analysen viser at en agent som bygges på en tredjeparts GPAI-modell gir to separate regulatoriske objekter, modellen og AI-systemet, altså agenten. Pliktene fordeler seg ulikt på de to.
Dette er ikke akademisk. Det avgjør hvem du kan sende et spørsmål til når en kunde ber om innsyn, når noe går galt, eller når revisor spør hvorfor agenten prioriterte den ene kunden fremfor den andre. Hvis leverandøren din svarer at modellen er en tredjepartstjeneste, har du fått svaret på halve kjeden.
Modellen er ett objekt, agenten er et annet
Modellleverandøren svarer for modellen. Den som bygger agenten oppå, svarer for systemet. Du som bruker agenten i egen salgsprosess har en tredje rolle. Compliance-arkitekturen på arXiv er bygget nettopp rundt å holde disse lagene fra hverandre, med en kartlegging av hvilke regulatoriske utløsere som treffer hvor.
Konkret spørsmål til leverandøren: hvilken modell ligger bak, hvem er leverandør av den, og hva har dere dokumentert om deres eget lag oppå? Får du ikke navnet på modellen, får du heller ikke vurdert kjeden. Det er et legitimt avslagsgrunnlag i en innkjøpsprosess.
Finjustering kan gjøre deg til leverandør
Her er fallgruven for de litt teknisk ivrige: terskelen for finjustering som gjør en aktør til GPAI-leverandør er satt til en tredjedel av den opprinnelige treningsberegningen, slik det fremgår av arXiv-gjennomgangen. De fleste salgsavdelinger kommer aldri i nærheten, men poenget er at rollen din kan endre seg av tekniske valg, ikke bare av kontrakter.
Praktisk håndtering: hold oversikt over om leverandøren eller konsulenthuset ditt gjør tilpasninger på modellnivå, eller om de bare bygger ovenpå. Det er to helt ulike risikoprofiler, og det bør stå skriftlig i avtalen. Spør også om hva som skjer hvis de bytter modell under panseret etter at du har signert.
Hva Code of Practice dekker, og hva den ikke dekker
EUs Code of Practice for GPAI Models ble publisert 10. juli 2025, ifølge arXiv-paperet. Det er et reelt holdepunkt for modellaget, og du bør spørre om leverandørens modellleverandør følger den. Men den retter seg mot modeller, ikke mot agenten du har satt i pipelinen.
Med andre ord: selv med en modell som følger praksisnormen, står du igjen med agentlaget uten tilsvarende rettesnor. Det er dette tomrommet arXiv-analysen forsøker å fylle med en egen arkitektur, og det er tomrommet du selv må dekke kontraktsmessig inntil veiledningen kommer.
Ni kategorier for hvor autonomt agenten får jobbe i pipelinen
arXiv-forfatteren foreslår en taksonomi med ni kategorier for agentutplassering. Poenget med en slik taksonomi er ikke å gi deg en etikett, men å tvinge frem et presist svar på hvor mye agenten faktisk får gjøre uten et menneske i løkken. Det er den variabelen som styrer alt annet.
Vi gjengir ikke kategoriene i taksonomien på arXiv en for en, fordi de er skrevet for leverandører på tvers av bransjer. Her er en tilsvarende trapp oversatt til salgsarbeid, der hvert trinn gir mer fart og mer eksponering.
Autonomitrappen i CRM-et
| Trinn | Hva agenten gjør | Menneskelig kontroll | Risikonivå |
|---|---|---|---|
| Leser | Oppsummerer kundehistorikk og notater | Alt leses av selger | Lav |
| Foreslår | Skriver utkast til e-post eller tilbud | Selger sender | Lav |
| Rangerer | Prioriterer kundeemner og oppgaver | Selger kan overstyre | Moderat |
| Skriver internt | Oppdaterer felt, stadier, aktiviteter | Logg og rullering tilbake | Moderat |
| Planlegger | Setter opp egen oppfølgingskadens | Godkjent kadensmal | Moderat |
| Kommuniserer utgående | Sender e-post i selgers navn | Godkjenning per segment | Høy |
| Forhandler tid | Booker og flytter møter selv | Kalenderregler og tak | Høy |
| Beslutter kvalifisering | Avgjør hvem som får oppfølging | Krever begrunnelse per sak | Høy |
| Tilpasser seg selv | Endrer egen atferd etter resultater | Må overvåkes aktivt | Høyest |
Trappen er ikke en modenhetsmodell du skal klatre til topps i. Den er en kostnadsmodell. Hvert trinn opp krever mer loggføring, mer opplæring og mer dokumentasjon, og det siste trinnet er der arXiv-analysen plasserer problemet med atferdsdrift som ikke kan identifiseres.
Hvor i trappen risikoen hopper
Spranget skjer når agenten går fra å handle i egne systemer til å handle mot et menneske. En feil i et CRM-felt retter du opp. En feil i en utgående e-post til en kunde du har brukt lang tid på å varme opp, retter du ikke opp. Vår erfaring er at jo mer autonomi du gir en agent i pipelinen, desto strengere bør kravet til loggføring og menneskelig kontroll være, og den sammenhengen bør være skrevet ned før driftsetting, ikke etter første hendelse.
Konverteringstallene peker samme vei. Vi har tidligere sett nærmere på hvorfor AI-SDR-agenter uten selger i løkken presterer dårligere enn hybride oppsett. Det er en god nyhet for compliance-arbeidet: trinnet som er lettest å forsvare juridisk, er ofte også det som selger best.
Tolv steg du kan bruke som sjekkliste før agenten slippes løs i CRM-et
arXiv-paperet foreslår en compliance-arkitektur med tolv sekvensielle steg, pluss en kartlegging av regulatoriske utløsere. Rekkefølgen er poenget: flere av stegene er meningsløse hvis du gjør dem i feil orden, for eksempel å velge tiltak før du har bestemt hva bruken faktisk er.
Under har vi oversatt strukturen til en sjekkliste for en salgsavdeling. Dette er ikke stegene i arXiv-arkitekturen gjengitt ord for ord, men en salgsnær versjon du kan ta rett inn i et driftsettingsmøte.
Sjekklisten, steg for steg
| Steg | Spørsmålet som må besvares | Eier |
|---|---|---|
| Kartlegg | Hvilke AI-verktøy rører kundedata i dag? | Salgsleder |
| Klassifiser | Treffer verktøyet de funksjonelle agentkjennetegnene? | Salgsleder |
| Definer bruk | Hva skal agenten gjøre, og hva skal den aldri gjøre? | Salgsleder |
| Avklar rolle | Er vi bruker, eller har vi tilpasset noe selv? | Ledelse |
| Kartlegg modellen | Hvilken modell ligger bak, og hvem svarer for den? | Innkjøp |
| Sett autonominivå | Hvilket trinn i trappen godkjenner vi? | Salgsleder |
| Behandlingsgrunnlag | Har vi lov til å bruke disse kundedataene slik? | Personvernansvarlig |
| Logg | Kan vi rekonstruere hva agenten gjorde i en enkeltsak? | CRM-ansvarlig |
| Menneskelig kontroll | Hvem griper inn, på hvilket signal, hvor fort? | Salgsleder |
| Åpenhet | Vet mottakeren at det er en AI som kommuniserer? | Markedsføring og salg |
| Overvåk drift | Hvordan oppdager vi at atferden har endret seg? | CRM-ansvarlig |
| Stoppknapp | Hvem kan skru den av, og er det testet? | Ledelse |
Legg merke til at bare to av stegene er tekniske. Resten er beslutninger om prosess, eierskap og data, altså arbeid som ligger hos salgsledelsen og ikke hos IT. Det er også grunnen til at mange agentprosjekter stopper: de blir kjøpt som teknologi og feiler som prosess.
Stegene som faktisk stopper innkjøp
I praksis er det loggsteget og stoppknappen som velter saker. Et CRM har aktivitetslogg, men den viser at en handling skjedde, ikke hvorfor agenten valgte den. Når arXiv-analysen snakker om dokumentasjon av agentatferd, er det den andre typen spor som kreves, og den må leverandøren levere.
Stoppknappen er enda enklere å teste: be om å få se den, be om å få prøve den, og be om å få se hva som skjer med halvferdige sekvenser når den brukes. En agent som etterlater kunder midt i en kadens når du skrur den av, er et driftsproblem uansett hva juristene mener.
Rekkefølgen er en del av kravet
Det er forskjell på en sjekkliste og en rekkefølge. arXiv-forfatteren beskriver stegene som sekvensielle, og det er en meningsfull presisering. Du kan ikke sette autonominivå før du vet hva bruken er, og du kan ikke vurdere behandlingsgrunnlag før du vet hvilke data som faktisk flyter.
Praktisk: ta stegene i et møte, skriv svarene i et dokument, og la det dokumentet være vedlegg til avtalen. Når du senere får spørsmål fra en kunde, en revisor eller et styre, er det dokumentet forskjellen mellom et svar og en unnskyldning.
Åtte regelverk gjelder samtidig, ikke bare AI-forordningen
Den vanligste feilen i AI-innkjøp er å behandle AI-forordningen som den eneste relevante loven. Compliance-arkitekturen på arXiv integrerer forordningen med åtte parallelle EU-rettsakter, og det er summen av dem som avgjør hva du må ha på plass. Flere av dem har du allerede jobbet med, uten å koble dem til AI.
Kildematerialet navngir blant annet GDPR, CRA, DSA og NIS2 blant de parallelle instrumentene i arXiv-gjennomgangen. Vi lister ikke opp alle åtte her, nettopp fordi du skal kreve den fullstendige kartleggingen fra leverandøren og ikke fra en artikkel.
GDPR biter først
For en norsk salgsavdeling er personvern den regelen som treffer raskest. En agent som leser hele kundehistorikken, kombinerer den med eksterne data og tar beslutninger om hvem som skal kontaktes, behandler personopplysninger i ganske stort omfang. Det krever behandlingsgrunnlag, dataminimering og et svar på innsynsforespørsler som faktisk henger sammen med hva agenten gjorde.
| Regelverk | Hva som utløses når en agent jobber i CRM-et |
|---|---|
| AI-forordningen 2024/1689 | Rolle, risikoklasse, dokumentasjon, menneskelig kontroll |
| GDPR | Behandlingsgrunnlag, dataminimering, innsyn, automatiserte avgjørelser |
| CRA | Sikkerhetskrav til produktet agenten er en del av |
| NIS2 | Krav til sikkerhet og hendelseshåndtering i virksomheten |
| DSA | Plikter knyttet til formidling og innhold i digitale tjenester |
| De øvrige instrumentene | Krev kartleggingen skriftlig fra leverandøren |
Tabellen er med vilje grovmasket. Poenget er ikke at du skal bli jurist, men at du skal gjenkjenne når leverandøren svarer på ett regelverk og later som det dekker alle. Spør hvilke av de åtte parallelle rettsaktene de har vurdert, og be om vurderingen.
Sikkerhet er en salgsrisiko, ikke bare en IT-risiko
En agent med skrivetilgang til CRM-et er en ny angrepsflate rett inn i kundelisten din. Den har tilgangstokener, den kaller eksterne tjenester, og den handler uten at noen ser på. Det er grunnen til at arXiv-arkitekturen trekker inn sikkerhets- og driftsregelverk ved siden av AI-forordningen.
For salgsledelsen betyr det en enkel regel: agenten skal ha minst mulig tilgang og tydelig avgrensede rettigheter. Ingen agent trenger tilgang til hele kundebasen for å følge opp tilbud i en bestemt pipeline. Be om at tilgangsnivået står i avtalen, ikke bare i et konfigurasjonsbilde som kan endres senere.
Standardene er forsinket til Q4 2026, og det påvirker innkjøpet ditt
Harmoniserte standarder er den praktiske broen mellom lovtekst og teknisk virkelighet. De forteller en leverandør hva som er godt nok. Ifølge arXiv-paperet har CEN-CENELEC tatt ekstraordinære tiltak for å fremskynde leveringen, inkludert direkte publisering etter positiv avstemning for seks av de mest forsinkede utkastene, med Q4 2026 som måldato for ferdigstillelse.
Når broen ikke er ferdig, må både du og leverandøren gjette på hva som er godt nok. Det er en reell kommersiell risiko i et innkjøp som skal vare flere år, og den bør prises inn i avtalen i stedet for å ignoreres.
Over 1 000 eksperter, og fortsatt forsinkelse
Standardiseringsarbeidet er ikke underbemannet. Over 1 000 eksperter bidrar i JTC 21, og ETSI TC CYBER utvikler sytten vertikale harmoniserte standarder under mandat M/606, slik det fremgår av arXiv-gjennomgangen. Forsinkelsen handler altså om vanskelighetsgrad, ikke om manglende innsats.
Det er verdt å ta med i vurderingen hvis noen i organisasjonen mener at man kan vente til reglene er ferdige. Når et arbeid med den bemanningen skyves, er ikke neste frist en garanti. Du planlegger bedre ved å anta at usikkerheten varer en stund.
Standardene vil kanskje ikke dekke agenter likevel
Her kommer den delen som rammer agentkjøp direkte: Future Society konkluderte med at de tekniske standardene under utvikling sannsynligvis ikke vil håndtere risiko fra agenter fullt ut, gjengitt i arXiv-analysen. Selv når standardene kommer, er det ikke sikkert at de svarer på det du trenger svar på.
Vår erfaring er at når tilsynsveiledningen og standardene mangler, er leverandørens dokumentasjon det eneste du har å styre etter. Krev den skriftlig før signering. Det betyr arkitekturbeskrivelse, modellkjede, loggformat, kontrollmekanismer og en beskrivelse av hvordan de oppdager at agenten har endret atferd. Får du ikke dette, har du ikke kjøpt et verktøy, du har kjøpt en risiko.
Hva du spør CRM-leverandøren og konsulenthuset om
Et innkjøpsmøte er den billigste compliance-aktiviteten du kan gjennomføre. Spørsmålene under er formulert slik at svaret er etterprøvbart, ikke slik at leverandøren kan si ja. Alt som besvares med at det er trygt eller at det er GDPR-kompatibelt, skal følges opp med et be om å se dokumentasjonen.
Rammeverket bak spørsmålene er de samme regulatoriske utløserne som kartlegges i compliance-arkitekturen på arXiv. Du trenger ikke kunne artikkelnumrene for å stille dem.
Spørsmålene du tar inn i anbudet
| Tema | Spørsmål | Godt svar ser slik ut |
|---|---|---|
| Modellkjede | Hvilken modell ligger bak, og kan den byttes uten varsel? | Navngitt modell, varslingsplikt i avtalen |
| Rolle | Er dere leverandør av systemet, og hva er vårt ansvar? | Skriftlig ansvarsfordeling |
| Logg | Kan vi rekonstruere en enkeltsak i ettertid? | Demonstrasjon på reelle data |
| Atferdsdrift | Hvordan oppdager dere at agenten endrer atferd? | Beskrevet overvåkingsmekanisme |
| Kontroll | Hvor settes grensene for hva agenten får gjøre? | Konfigurerbart per pipeline og segment |
| Data | Hvilke kundedata forlater vårt CRM, og hvor går de? | Dataflytkart |
| Åpenhet | Hvordan merkes AI-generert kommunikasjon? | Innebygd, ikke manuelt |
| Regelverk | Hvilke EU-rettsakter har dere vurdert utover AI-forordningen? | Liste med vurdering |
Ta med spørsmålene i skriftlig form og be om skriftlig svar. En leverandør som har gjort hjemmeleksen svarer raskt, fordi dokumentene finnes. En leverandør som ikke har gjort den, ber om et nytt møte.
Konsulenthuset er en egen vurdering
Mange norske salgsavdelinger kjøper ikke agenten direkte, men får den implementert av et konsulenthus. Da er det konsulentens valg som avgjør dataflyten din. Kategorien CRM-konsulent sier samtidig lite om hva du får: på tracxn.com er for eksempel selskapet CRM Consultancy, som leverer konsulenttjenester for etablering og drift av business improvement districts, listet med EY, Deloitte og McKinsey blant konkurrentene.
Samme profil viser at selskapet ikke har hentet noen finansieringsrunder. Poenget er ikke selskapet, men at bransjelabelen i et selskapsregister ikke forteller deg noe om kapasitet eller kompetanse. Be om referanser på agentimplementasjoner i CRM, ikke på CRM-prosjekter generelt.
Hva du skriver inn i avtalen
Tre punkter er verdt å kreve kontraktsfestet: varsling ved bytte av underliggende modell, tilgang til logg på et format du kan lese selv, og retten til å senke autonominivået uten prisendring. Det siste er undervurdert. Hvis du må reforhandle for å skru ned agenten, skrur du den ikke ned.
I tillegg bør du kreve at leverandøren oppdaterer dokumentasjonen når veiledning og standarder faktisk kommer. Siden arXiv-analysen dokumenterer at både tilsynsveiledning og standarder mangler i dag, er det en forutsigbar fremtidig oppgave, og den bør ligge hos leverandøren.
Hva du gjør på mandag morgen med agentene du allerede har i drift
De fleste avdelinger har mer AI i CRM-et enn ledelsen tror. Verktøy er kjøpt på kort, lagt til som integrasjon, eller slått på som en funksjon i en oppdatering. Kartleggingen er derfor det første arbeidet, og den krever ingen budsjettbeslutning.
Et tall fra et annet felt illustrerer hvor fort dette eskalerer. En kartlegging gjengitt i arXiv-paperet fant 61 verktøy på tvers av 45 uavhengige politidistrikter i strafferettspleien i England og Wales, der 34 prosent av verktøyene bruker store språkmodeller. Det er en annen sektor, men mønsteret er kjent: spredt innføring uten sentral oversikt.
Kartlegg agentene du ikke har kalt agenter
Start med et regneark og tre kolonner: verktøy, hva det gjør, hvilke data det rører. Gå gjennom CRM-integrasjoner, e-postverktøy, møtebookingverktøy, samtaleanalyse, og alt som har API-nøkkel inn mot kundedata. Mål de funksjonelle kjennetegnene fra arXiv-analysen mot hvert enkelt verktøy.
Spør selgerne direkte hva de bruker. Det er ikke en kontroll, det er en kartlegging, og det bør kommuniseres slik. Vår erfaring er at listen alltid blir lengre enn ledelsen antok, og at de mest risikable oppsettene er de som en enkelt selger har bygget selv fordi de sparte tid.
Rydd i dataflyten uansett utfall
Vent ikke på at regelverket blir ferdig før du rydder i dataflyten. Oppryddingen er nyttig salgsarbeid uansett utfall. Duplikater, utdaterte kontakter, felt ingen fyller ut og stadier som ikke betyr noe, gir dårligere AI-resultater og dårligere prognoser samtidig. Den jobben betaler seg selv om du aldri kjøper en agent.
Konkret: bestem hvilke felt som er autoritative, hvem som eier dem, og hva som skal skje med data som ikke vedlikeholdes. Dette er samme grunnarbeid som ligger under all salgsautomasjon, og det er grunnen til at automasjonsprosjekter med ryddige data lykkes oftere enn de med avanserte verktøy.
Sett en stoppknapp og en eier
Hver agent i drift skal ha et navn på en person som kan skru den av, og en instruks for når det skal skje. Signalene bør være målbare: uventet volum, klager fra kunder, svarrater som faller brått, eller handlinger i segmenter agenten ikke skulle rørt. Skriv dem ned, ellers blir vurderingen gjort i panikk.
Test så stoppknappen i en stille periode. Du vil vite hva som skjer med pågående sekvenser, med kalenderinvitasjoner og med halvferdige oppgaver. Dette er det billigste beredskapsarbeidet du kan gjøre, og det er direkte knyttet til kravet om menneskelig kontroll som går gjennom hele compliance-arkitekturen på arXiv.
Vanlige feil når salgsteam setter AI-agenter i produksjon
Feilene gjentar seg på tvers av bransjer og teamstørrelser. De handne sjelden om teknologien og nesten alltid om at ingen hadde definert hva agenten skulle gjøre, hvem som eide den, og hvordan man ville oppdage at noe gikk galt.
Den mest alvorlige av dem har et navn i fagmiljøet: atferdsdrift. Det er der arXiv-forfatteren trekker den hardeste konklusjonen, og det er den feilen som er vanskeligst å oppdage i en travel salgsavdeling.
Atferdsdrift som ingen oppdager
En agent som tilpasser seg basert på tilbakemelding, endrer seg. Den finner mønstre som gir respons, og dyrker dem. Over tid kan den ende med en tone, en prioritering eller en frekvens du aldri godkjente. Når arXiv-analysen sier at høyrisikosystemer med uidentifiserbar atferdsdrift ikke kan oppfylle forordningens grunnleggende krav i dag, er det dette fenomenet som beskrives.
Praktisk mottiltak: ta stikkprøver av faktisk utgående kommunikasjon hver uke, ikke av malen. Les det agenten sendte, ikke det den var satt opp til å sende. Og sammenlign tone og frekvens med forrige stikkprøve, for driften viser seg i endringen og ikke i enkeltsaken.
Å forveksle aktivitetslogg med revisjonsspor
CRM-loggen din sier at en e-post ble sendt klokken ti. Den sier ikke hvorfor agenten valgte den kunden, det budskapet eller det tidspunktet. Dokumentasjonskravene som gjennomgås på arXiv handler om det andre, og mange team oppdager forskjellen først når noen stiller spørsmålet.
Krev at leverandøren viser hvordan en enkeltsak kan rekonstrueres, med beslutningsgrunnlaget. Hvis svaret er at modellen er en svart boks, har du fått et ærlig svar, og da må du justere autonominivået ned til et trinn der du kan leve uten begrunnelsen.
Å kjøpe autonomi før prosessen finnes
En agent gjør prosessen din raskere, også når prosessen er dårlig. Hvis kvalifiseringen er uklar, blir uklarheten automatisert og skalert. Det er den vanligste grunnen til at agentprosjekter gir høy aktivitet og flat pipeline: ingen hadde definert hva et godt kundeemne er.
Og selv med en god prosess står du igjen med menneskene. Vi har skrevet om hvorfor kulturen stopper AI-agenter i norsk B2B-salg, og den mekanismen gjelder også her: en agent selgerne ikke stoler på, blir omgått. Da har du betalt for autonomi og fått skyggeprosesser i retur.
Å utsette åpenheten til noen spør
Mottakeren av en AI-generert e-post har en legitim interesse i å vite hva hun svarer til. Det er enklere å avklare i forkant enn å forklare i etterkant, og det bør være en innebygd del av oppsettet. Vi har beskrevet hvordan dette kan løses i praksis i gjennomgangen av hvorfor AI-SDR-agenter trenger en åpenhetsplan.
Merk at åpenhet ikke er det samme som en ansvarsfraskrivelse i signaturen. Det handler om at kunden kan forstå hvem hun har en relasjon med, og at hun kan nå et menneske når hun vil det. Begge punktene er enkle å bygge inn, og dyre å ettermontere.
Ofte stilte spørsmål om AI-agenter i CRM
Spørsmålene under er de som oftest kommer opp i innkjøpsmøter og ledergrupper. Svarene holder seg til det som er dokumentert i arXiv-gjennomgangen, og er tydelige der dokumentasjonen mangler.
Er AI-agenter i CRM ulovlige etter AI-forordningen?
Nei. Forordningen forbyr ikke agenter, og den definerer dem ikke som egen kategori i det hele tatt. Pliktene dine følger av hva systemet brukes til og hvilken rolle du har. Det problematiske tilfellet er bruk som faller i høyrisikoklassen kombinert med atferdsdrift du ikke kan identifisere, der arXiv-forfatteren konkluderer at kravene ikke kan oppfylles i dag.
Må vi vente på standardene før vi setter i gang?
Ikke nødvendigvis, men du bør vite hva du venter på. Måldatoen for de mest forsinkede utkastene er Q4 2026, og Future Society har konkludert med at standardene sannsynligvis ikke vil håndtere agentrisiko fullt ut. Vår anbefaling er å starte på lave autonominivåer og bruke tiden på dataflyt og loggkrav.
Hvem har ansvaret hvis agenten sender noe feil til en kunde?
Det avhenger av rollefordelingen, og den må være skriftlig. Siden en agent bygget på en tredjeparts modell gir to separate regulatoriske objekter, modellen og systemet, er det to ulike ansvarslinjer før din egen bruk kommer inn. I kundens øyne er det likevel din bedrift som sendte e-posten, og det er den vurderingen som betyr mest kommersielt.
Blir vi selv leverandør hvis vi tilpasser modellen?
Det kan skje. Terskelen for finjustering som gjør en aktør til GPAI-leverandør er en tredjedel av den opprinnelige treningsberegningen. De fleste salgsavdelinger kommer ikke dit, men du bør vite om leverandøren eller konsulenten din gjør tilpasninger på modellnivå, og få det beskrevet i avtalen.
Hva er det minste vi må ha på plass før driftsetting?
Et definert autonominivå, et loggformat du kan lese selv, en navngitt eier med stoppknapp, et avklart behandlingsgrunnlag for kundedataene, og leverandørens dokumentasjon skriftlig. Det er fem punkter hentet fra compliance-arkitekturen på arXiv, oversatt til salgsvirkelighet, og de kan være klare i løpet av en arbeidsuke.
Oppsummering og vår anbefaling for din situasjon
Kortversjonen: regelverket beskriver ikke agenter, veiledningen mangler, standardene er forsinket, og konklusjonen fra fagmiljøet er at de mest autonome høyrisikooppsettene ikke kan dokumenteres godt nok i dag. Samtidig er agenten som jobber på lavere autonominivåer både forsvarlig og nyttig, og ofte den som gir best resultater i pipelinen.
| Din situasjon | Vår anbefaling | Første steg |
|---|---|---|
| Ingen agenter ennå | Start på foreslå og rangere, ikke på utgående | Kartlegg verktøyene du allerede har |
| Agenter i drift uten oversikt | Kartlegg, sett eier og stoppknapp denne uken | Regneark med verktøy, handling, data |
| Står foran signering | Krev dokumentasjonen skriftlig først | Send spørsmålslisten til leverandøren |
| Vurderer full autonomi | Utsett til logg og driftsovervåking er bevist | Be om demonstrasjon på reelle data |
| Rotete CRM-data | Rydd uansett, det betaler seg alene | Definer autoritative felt og eiere |
De fire holdningene vi står for
Kartlegg agentene du har før du kjøper flere, fordi regelverket gjelder uansett hva verktøyet kalles. Skaler kravet til logg og menneskelig kontroll med autonomien du gir. Krev leverandørens dokumentasjon skriftlig før signering, siden den er det eneste styringsgrunnlaget som finnes når veiledningen mangler. Og rydd i dataflyten nå, uavhengig av hva regelverket lander på.
Ingen av de fire krever at du tar stilling til juridiske detaljer du ikke eier. De krever at du eier prosessen, og det er salgsledelsens jobb uansett.
Hva som bør utløse en ny vurdering
Følg med på to signaler. Det første er veiledning som faktisk adresserer agenter, autonom verktøybruk og atferdsendring i drift, altså de tre temaene arXiv-analysen dokumenterer som udekket per tidlig 2026. Det andre er standardene som nå er satt til Q4 2026, der CEN-CENELEC har tatt ekstraordinære tiltak for å få dem ut.
Når det ene eller det andre kommer, tar du frem sjekklisten og går gjennom den igjen. Til da er det ikke regelverket som er den begrensende faktoren i agentprosjektet ditt. Det er kvaliteten på dataene, klarheten i prosessen og hvor godt selgerne stoler på verktøyet.
Slik bruker du artikkelen videre
Ta autonomitrappen inn i neste salgsmøte og bli enige om hvilket trinn dere faktisk er på. Ta sjekklisten inn i neste innkjøpsmøte og la svarene bli et vedlegg til avtalen. Ta spørsmålslisten og send den skriftlig til leverandøren, slik at svaret kan etterprøves senere.
Resten er vanlig salgsarbeid: rene data, tydelige stadier, en definert kvalifisering og selgere som vet hva verktøyet gjør på deres vegne. Det er grunnarbeidet som gjør at en agent gir effekt, og det er det samme grunnarbeidet som gjør at du kan dokumentere den.
Vil du se hva AI faktisk gjør for salgstallene dine? Vi hjelper norske salgsteam med å ta i bruk AI der det gir målbar effekt: flere kvalifiserte møter, kortere salgssyklus og bedre kontaktdata. Ingen hype, bare det som virker for din situasjon.
Book en uforpliktende samtale: vi går gjennom salgsprosessen din og peker på de tre stedene AI gir raskest gevinst.