KI-agenter i bedriften: hva en agent trenger, og hva WooCommerce-butikken din allerede har

Du leser at KI-agenter snart driver bedriften din, og lurer på hva det betyr for en nettbutikk med ti ansatte, et byrå på WordPress eller en håndverksbedrift med CRM. Svaret mitt: en agent fungerer bare så godt som de fire spørsmålene er besvart i bedriften. Hva er sant, hva betyr det, hva har agenten lov til, og fungerte det. De fleste svarene ligger allerede i ordredatabasen, produktattributtene, brukerrollene og ordrenotatene dine. Et konsernprodukt trenger du ikke for det.

Utgangspunktet er essayet «Databricks & the Future of the Firm» av Ben Horowitz og Michael McGuiness, publisert 27. oktober 2026 på a16z.com. Først en opplysning: Horowitz’ firma Andreessen Horowitz ledet Series A i Databricks i 2013, han skriver selv at de gikk inn sammen med NEA i Series C, og a16z står blant eksisterende investorer i Databricks’ pressemelding fra 13. august 2026. Teksten er altså et innlegg fra en investor. Jeg bruker den som inngang, sjekker tallene mot primærkildene og tar bare med det som gjelder for en liten bedrift. Alt er hentet 31. oktober 2026.

#Hva trenger en KI-agent for å jobbe i bedriften din?

Fire svar. Jeg bygger på resonnementet i essayet, men oversetter det til en liten bedrifts begreper.

Eget diagram, wppoland.com, 31. oktober 2026.

Midtkolonnen bygger på dokumentasjonen til Agent Bricks, som skiller modelltilgang, kontekst og styring i hvert sitt lag. At et konsern trenger tre produktfamilier til dette, er ikke noe argument for at du trenger dem. En butikk klarer seg med høyrekolonnen hvis den føres ryddig.

#Hvordan ser dette ut i en WooCommerce-butikk?

Jeg tar de fire spørsmålene med et eksempel. Det er et tankeeksperiment, ikke en kundecase: en butikk som selger produkter i WooCommerce, henter fakturaer fra et regnskapsprogram og besvarer kundehenvendelser fra en felles innboks.

1. Hva er sant? Bestillingen finnes i WooCommerce. Om den er betalt, står det der og hos betalingsløsningen, ikke i et regneark noen eksporterte forrige måned. En agent som skal svare på «Hvilke bestillinger har stått på vent i fem dager?» må lese akkurat denne kilden. Har du samme opplysning i tre systemer, tar agenten feil i ett av dem. Rydding hører hjemme før en agent kommer inn: én kunde, én post, én bestilling, én faktura som peker på samme ID.

2. Hva betyr det? WooCommerce har standardstatuser som «Venter på betaling», «Under behandling», «På vent», «Fullført», «Kansellert», «Refundert» og «Mislyktes». Hva teamet ditt mener med «På vent», vet ikke agenten. Venter betalingen, mangler varen, eller skulle kunden ringe tilbake? Skriv én setning per status, produktkategori og attributt. Den listen er ontologien din i lite format. Hos Databricks heter den samme oppgaven «Ontology», og de bruker en metode kalt OntoRank, som Ghodsi på scenen sammenlignet med PageRank. Din tilsvarende løsning er én side tekst.

3. Hva er tillatt? Her har WordPress fått ekte byggeklosser. Fra WordPress 6.9 finnes Abilities API, der plugin-er, temaer og kjernen registrerer hva de kan. Den offisielle MCP Adapter gjør disse abilities tilgjengelige for KI-agenter som MCP-verktøy. Abilities er private som standard, og hver har egen rettighetskontroll. WooCommerce registrerer produkt- og ordre-abilities, men funksjonen er ifølge dokumentasjonen fortsatt i developer preview. For pålogging bruker du et WordPress-brukernavn med Application Password. Dokumentasjonen sier uttrykkelig at du ikke skal bruke kontopassordet eller en REST API-nøkkel, og anbefaler en dedikert bruker med bare de rettighetene klienten trenger.

4. Fungerte det? Hver handling en agent gjør, bør etterlate et spor. I WooCommerce passer ordrenotater, fordi de henger på selve posten, har tidspunkt og vises i admin. I tillegg trenger du et sett testspørsmål med kjent svar som du kjører før hvert modellbytte.

Slik ville jeg satt det opp: agenten leser bestillinger med status «På vent» (kun lesing), sammenholder dem med innbetalinger (kun lesing), foreslår en e-post til kunden (utkast, ikke sending) og legger inn et ordrenotat om at saken er sjekket (eneste skrivetilgang). En person godkjenner e-posten. Ingenting av dette krever mer enn én bruker, to abilities og en avtale om hvordan notatene skrives.

#Hva kan en agent lese, og hva kan den skrive?

Enkleste regel: alt starter med lesing, og hver skriverettighet begrunnes for seg. Tabellen setter vanlige oppgaver mot mekanismene. Den er min anbefaling, ikke en leverandørregel.

De to ability-navnene står i WooCommerce-dokumentasjonen for versjon 11.3. Samme versjon fjernet det gamle MCP-endepunktet: /wp-json/woocommerce/mcp svarer nå med HTTP 410. Den som bygde noe på beta-endepunktet fra WooCommerce 10.3 i 2025, må flytte. REST API-nøkkelen har rettighetene lese, skrive og lese/skrive, og Consumer Secret vises ifølge WooCommerce-dokumentasjonen bare én gang. For egne skript er den fin. For MCP gjelder anvisningen fra dokumentasjonen.

Hvordan en agent kan jobbe trygt på en live nettside, har jeg skrevet om i La Claude Code eller Codex endre nettsiden. Forskjellen på MCP og REST står i MCP vs REST: når hva vinner. Kun-lesing-tilgang til butikkdata vises i WooCommerce MCP åpen kildekode, og oppbyggingen av en egen server i guiden til MCP-server for WooCommerce.

#Hvor mange norske bedrifter bruker KI?

Flere enn i de fleste EU-land, og tallet vokser raskt. Det finnes to serier som ikke kan blandes.

SSB skrev 25. september 2026 i artikkelen om at KI-bruken akselererer at nesten fem av ti foretak med minst ti ansatte oppgir å bruke én eller flere typer KI-teknologi i 2026, mot tre av ti i 2025. Statistikkbanktabell 14942 gir 48 % totalt, fordelt slik:

SSBs størrelsesgrupper avviker fra Eurostats, og 2026 er en nyere runde enn Eurostats siste.

Eurostat er den eneste serien som er sammenlignbar på tvers av land. For 2025 gir datasettet isoc_eb_ai (foretak med minst ti ansatte):

Eurostat, isoc_eb_ai, 2025, foretak med minst ti ansatte; fremstilling wppoland.com, hentet 31. oktober 2026.

Forskjellen mellom Eurostats 28,89 % for 2025 og SSBs «tre av ti» for samme år er liten, og den store forskjellen til 48 % i 2026 er et hopp på ett år. Jeg ville ikke bygd en forretningsplan på hopp av den størrelsen, men retningen er klar.

Hvorfor holder de andre igjen? Eurostat spør foretak som vurderte KI uten å ta den i bruk. I Norge oppgir 77,05 % mangel på kompetanse (EU: 70,31 %). Uklare rettslige konsekvenser nevnes av bare 34,93 % (EU: 53,61 %). Nordmenn ser altså lovverket som et mindre hinder enn kompetansen. Det passer med at det som mangler hos de fleste, ikke er en plattform, men noen som har ryddet i dataene og satt rammene.

#Hva påstår Horowitz og Ghodsi, og hva kan sjekkes?

Hovedpåstanden er at agenter utfyller de ansatte, og at bedrifter derfor trenger et felles, pålitelig datagrunnlag. Databricks-sjef Ali Ghodsi kaller dette grunnlaget «SORA», system of record for agents, i et intervju med CNBC 20. mai 2026. Han sier selv at det er en spøk, ikke et produkt. Dette lar seg sjekke:

• Omsetning: Databricks melder i pressemeldingen 13. august 2026 en omsetnings-run-rate over 7 milliarder dollar, med over 80 % vekst i andre kvartal, og en finansieringsrunde på 5 milliarder dollar til 190 milliarder dollar i verdi, ledet av Coatue. Dette er egenrapporterte tall fra et privat selskap, uten revisjon.
• Kunder: over 20 000 organisasjoner, 70 % av Fortune 500 og over 1 000 kunder med mer enn 1 million dollar i run-rate. Kilden er samme pressemelding.
• Agenter som databasebrukere: Horowitz skriver at agenter starter over 17 millioner databaser hver dag. Primærkilden sier mindre. I pressemeldingen om LTAP 16. juni 2026 oppgir Databricks 12 millioner databasestarter per dag for Lakebase. Jeg bruker 12 millioner. For Neon, oppkjøpet som ble kunngjort i 2025, ble over 80 % av databasene ifølge Databricks opprettet automatisk av KI-agenter.
• Nøyaktighet: Databricks oppgir at «Genie Ontology» besvarte 84,5 % av spørsmålene riktig på første forsøk, mot 52,4 % for den sterkeste generelle kodeagenten. Testen er intern, har 28 spørsmål og er laget av leverandøren. Testen er ikke uavhengig.
• Flere forespørsler fra agenter enn fra mennesker: Dette hevder bare Horowitz. Jeg fant ingen primærkilde.

Som nordisk eksempel viser Databricks til Novo Nordisk, der en leder for automatisering og digital innovasjon beskriver at man kan spørre Genie om alle fedmedata og få forsøk, innsikt og visualiseringer, og at Genie respekterer definerte tilgangskontroller. Det står på Databricks’ egen kundeside, og det er ikke en uavhengig vurdering.

Setningen jeg tar med meg fra hovedtalen 16. juni 2026, er en diagnose som gjelder uten Databricks:

KI har ikke et intelligensproblem, den har et kontekstproblem.

Ali Ghodsi, hovedtale Data + AI Summit 2026, 16. juni 2026, offisielt transkripsjon, egen oversettelse.

Samme transkripsjon har Ghodsis utsagn om at kunstig generell intelligens allerede er her. Det er hans standpunkt, og jeg overtar det ikke. For beslutningen din holder en svakere påstand: modellene er gode nok til mange oppgaver, og det de mangler, er det bare din bedrift vet.

#Hvor lange oppgaver klarer agentene?

Den mest solide uavhengige målingen kommer fra METR. Instituttet måler hvor lang en oppgave kan være, målt i hvor lang tid et menneske bruker, for at en modell løser den med 50 % suksessrate. Arbeidet til Kwa med flere (arXiv 2503.14499, mars 2025) fant en fordobling omtrent hver sjuende måned siden 2019. Den nåværende datafilen på metr.org anslår fra 2023 en fordobling hver 128,7. dag (konfidensintervall 104,4 til 158,0).

Egen fremstilling av METR-data (Time Horizon 1.1), hentet 31. oktober 2026.

Fire forbehold hører med. For det første måler oppgavene programvareutvikling, ikke regnskap eller kundeservice. For det andre betyr 50 % at agenten feiler annenhver gang på en oppgave av den lengden. For det tredje er konfidensintervallene brede: for Opus 4.6 går de fra 316,7 til 3 633,8 minutter. For det fjerde skriver METR selv at målinger over 16 timer er upålitelige med dagens oppgavesett. Mythos-verdien ligger over det, så jeg nevner den bare med dette forbeholdet. Ifølge METR oppdateres siden ikke lenger etter 8. september 2026.

Et annet målepunkt er «Humanity’s Last Exam», 2 500 spørsmål fra over hundre fag. På rangeringen til Scale Labs lå den beste modellen 31. oktober 2026 på 54,8 % og nummer to på 46,5 %. Omtrent halvparten, på spørsmål som fagfolk bevisst har gjort vanskelige.

For en bedrift betyr det at en agent kan gjøre en times arbeid, og trenge hjelp annenhver gang. Uten kontroll går det ikke. Det er det fjerde spørsmålet.

#Hvor mange agenter besøker en liten nettside i dag?

Få, men målbare. Jeg har telt på min egen side. Cloudflare-telleren registrerte på wppoland.com 102 forespørsler mot agent-endepunkter på tre dager til 31. oktober 2026, i snitt 34 per dag.

Egen måling, Cloudflare-teller, wppoland.com, 29. til 31. oktober 2026.

Fordelingen: /llms.txt 37 forespørsler, /mcp 22, /.well-known/ucp.json 17, /agent.json 5, /.well-known/mcp/server-card.json 5, /facts.json 3, øvrige stier til sammen 13. En tidligere måling fra 19. august 2026 ga rundt 102 forespørsler per dag, 67 % mot MCP-endepunktet. Periodene er ulikt lange, så jeg trekker ingen trend. Jeg leser begge slik: agenter kommer innom og leter etter hva siden tilbyr, men på en liten side er de ennå ikke noe massefenomen. Satser du på agentklarhet nå, gjør du det for neste år, ikke neste måned.

Interne agenter som bruker dine egne data, er noe annet enn eksterne agenter som besøker siden din. Denne artikkelen handler om det første. Det andre berører tilbudet ditt på nettet: hvordan en agent ser produkter og bestillinger, og hvilke data du publiserer.

#Hvorfor bør du eie datagrunnlaget?

Fordi det en agent lærer av dataene dine, bare blir hos deg hvis dataene ligger hos deg. Satya Nadella beskriver det i innlegget sitt 14. juni 2026 som «token capital»: KI-evnen en firma bygger og eier, ved siden av humankapitalen. Kretsløpet rundt den blir ifølge ham firmaets nye immaterielle verdi. Ghodsi argumenterer praktisk i CNBC-intervjuet: man kan ikke gi agenten tilgang til hver eneste proprietære siloisert database for seg, så agenten går til ett sted.

For en liten bedrift oversetter jeg det slik:

• Modellen kan byttes, datagrunnlaget kan ikke. Bytter du leverandør om et år, skal ingenting gå tapt. Notater, statusdefinisjoner og testspørsmål ligger da i systemet ditt, ikke i chatloggen hos en leverandør.
• Åpne formater. For storbedrifter er historien om tabellformatene lærerik. Hudi ble laget hos Uber, Iceberg hos Netflix, og Delta Lake ble åpen kildekode fra Databricks 24. april 2019. For deg holder tommelfingerregelen at eksport til CSV, JSON eller SQL alltid må være mulig, og at du faktisk har testet en eksport én gang.
• Ingen agentleverandør som mellomlager. Der en tjeneste lagrer kundedata varig, trenger du en avtale som avklarer hvem som er behandlingsansvarlig og hvem som er databehandler. Det er personvernrett, og vurderingen hører hjemme før det første forsøket.

#Hvordan endrer en agent arbeidet i en liten bedrift?

Horowitz støtter seg på økonomien bak firmaet. Ronald Coase forklarte i «The Nature of the Firm» (Economica, bd. 4, nr. 16, s. 386 til 405, 1937) hvorfor bedrifter finnes. I Nobelforedraget i 1991 oppsummerte han kjernen:

Hva prisene er, må oppdages. Det må forhandles, kontrakter må settes opp, kontroller må gjøres og ordninger for tvister må på plass. Disse kostnadene har blitt kjent som transaksjonskostnader.

Ronald Coase, Nobelforedrag «The Institutional Structure of Production», 9. desember 1991, nobelprize.org, egen oversettelse.

En agent kutter slike kostnader der de består av koordinering: lete opp informasjon, sammenfatte, sende videre. Jack Dorsey skrev 31. mars 2026 i et innlegg på X at hierarki og mellomledelse hemmer informasjonsflyten, og at et system for første gang kan holde en løpende oppdatert modell av hele virksomheten. I en bedrift med ti ansatte finnes det knapt mellomledelse. Informasjonen går via eieren og to eller tre nøkkelpersoner. Her hjelper en agent der disse personene er flaskehalser: spørsmål om bestillingsstatus, tilbudsutkast, vedlikehold av produktdata.

Herbert Simon beskrev i 1979, med et flyselskaps bestillingssystem som eksempel, hvorfor et felles minne ikke må føre til sentral beslutning:

Man ser at maskinvaresentralisering her ikke gir noen sentralisering av beslutningene. Tvert imot lar den hvert av de desentraliserte beslutningspunktene handle uavhengig, trygge på at den automatiske oppdateringen i det sentrale minnet tar seg av alle samspill mellom beslutningene.

Herbert A. Simon, «The Consequences of Computers for Centralization and Decentralization», i Dertouzos og Moses (red.), The Computer Age: A Twenty-Year View, MIT Press, 1979, s. 219, egen oversettelse.

Det er begrunnelsen for det første av de fire spørsmålene. Flere agenter og mennesker kan jobbe samtidig hvis alle leser samme datagrunnlag. Prisen er at grunnlaget må stemme.

Menneskenes rolle forskyves. James Burnham skrev i «The Managerial Revolution» (1941) om en klasse av ledere, og Horowitz tar tanken opp og skriver at alle blir ledere av agenter. For deg betyr det at du beskriver oppgaver slik at noen kan kontrollere dem. En setning fra Alfred North Whiteheads «An Introduction to Mathematics» (1911, s. 61) passer her:

Sivilisasjonen går fremover ved å øke antallet viktige operasjoner vi kan utføre uten å tenke på dem.

Alfred North Whitehead, An Introduction to Mathematics, 1911, s. 61, skannet utgave fra University of Toronto, egen oversettelse.

#Hva sier KI-forordningen, og hva med EØS?

Regelverket endret seg i juli 2026, og mange tekster på nettet har fortsatt de gamle datoene. Forordning (EU) 2026/1744 av 8. juli 2026 (Digital Omnibus on AI, kunngjort i Official Journal 24. juli 2026) har vært i kraft i EU siden 27. juli 2026. Dette har jeg kontrollert i rettsteksten:

• Hovedregelen om ikrafttredelse av KI-forordningen er fortsatt 2. august 2026.
• Høyrisikosystemer etter vedlegg III gjelder først fra 2. desember 2027, de etter vedlegg I fra 2. august 2028. Før var datoene 2. august 2026 og 2. august 2027.
• Nye forbud i artikkel 5 gjelder fra 2. desember 2026.
• Systemer som var på markedet før 2. august 2026, må følge artikkel 50 nr. 2 om merking av syntetisk innhold innen 2. desember 2026.
• Artikkel 4 om KI-kompetanse er skrevet om. Tilbydere og brukere skal treffe tiltak for å støtte utviklingen av KI-kompetanse. Plikten krever ikke at et bestemt kompetansenivå hos den enkelte garanteres. Ordlyden fra 2025, om å «sikre et tilstrekkelig nivå» av KI-kompetanse, er ikke lenger gjeldende rett.

Norge er med i EØS, men en EU-forordning gjelder i Norge først når den er tatt inn i EØS-avtalen. Hvor langt det arbeidet er for KI-forordningen og for endringsforordningen fra juli 2026, har jeg ikke kontrollert i en primærkilde, og jeg har heller ikke sjekket hvilken norsk myndighet som får tilsynsansvaret. Jeg bruker derfor EU-teksten som ramme og lar norsk gjennomføring stå åpen. Sjekk status hos regjeringen eller Lovdata før du tar en beslutning som avhenger av datoene.

For de fleste små bedrifter med interne agenter til ordrekontroll, tekster eller kundeservice blir det ikke et høyrisikosystem. Det avgjørende er hva agenten gjør: så snart den avgjør noe om personer, for eksempel i ansettelser eller kredittvurdering, kommer vedlegg III inn. Da lønner det seg å vurdere saken konkret før innkjøp. Forordningen har også lettelser for små og mellomstore foretak og definerer «small mid-cap» etter anbefaling (EU) 2025/1099, med lavere bøtetak.

Til statistikken ovenfor: i Norge nevner bare 34,93 % av dem som har vurdert KI uten å bruke den, uklare rettslige konsekvenser som hinder. Fristutsettelsen gir pusterom, men den fjerner ikke ansvaret for å vite hva agenten din faktisk gjør.

#Hva gjør du de neste 90 dagene?

En plan jeg ville foreslått til en kunde. Lengden på etappene er et forslag, rekkefølgen er det ikke.

Dag 1 til 30: kartlegg.

1. List opp hvor kunder, bestillinger, fakturaer og supportsaker ligger, og marker hvilken kilde som gjelder per faktum.
2. Skriv en setning definisjon per ordrestatus, produktkategori og kundegruppe.
3. Sjekk at du har en eksport av alle data, og at en gjenoppretting på et testmiljø fungerer.

Dag 31 til 60: forbered rettighetene. 4. Lag på en staging-kopi en egen bruker for agenten, med lesetilgang og Application Password. 5. Installer MCP Adapter på staging og se hvilke abilities som er synlige. Husk at WooCommerce-funksjonen er i developer preview. 6. Sett opp sporet: ordrenotater med fast prefiks for agenthandlinger, og en logg over kall.

Dag 61 til 90: pilot med kontroll. 7. Formuler 20 til 30 spørsmål fra hverdagen der du kjenner svaret («Hvilke bestillinger har stått på vent i mer enn fem dager?»). Det er ditt svar på Databricks’ test med 28 spørsmål, bare ærligere fordi det er dine data. 8. La agenten svare, og tell riktige svar på første forsøk. Gjenta testen ved hvert modellbytte. 9. Bestem ut fra resultatet: gå videre, snevre inn eller stoppe.

Til den tekniske gjennomføringen kan jeg hjelpe gjennom KI-integrasjon for WordPress og utvikling av MCP-servere. For det bredere bildet av KI i driften finnes siden om KI-implementering i bedrifter. Hvordan utviklingsteam bruker agenter, står i Agentic engineering, en ny modell for programvareutvikling.

#Hva bør du ikke gjøre?

• Gi agenten administratortilgang. Den trenger akkurat rettighetene oppgaven krever, ikke flere.
• Bruke en REST API-nøkkel med skriverett til MCP. WooCommerce-dokumentasjonen fraråder det.
• Starte rett i produksjon. Først staging, så lesing, så én enkelt skrivesti.
• Automatisere refusjoner, priser eller kanselleringer. Slike handlinger hører bak en menneskelig godkjenning.
• Bruke leverandørtall som plangrunnlag. 84,5 % mot 52,4 % gjelder 28 spørsmål laget av leverandøren, ikke butikken din.
• Kjøpe en plattform før statusdefinisjonene er på plass. Et verktøy på uklare data gir uklare svar, bare raskere.
• Sende kundedata til en tjeneste uten avtale. Avklar databehandling og lagringssted først.

#Hva jeg ikke fikk bekreftet

Fra essayet har jeg utelatt påstander jeg ikke kunne bekrefte i en primærkilde: tallet 17 millioner databaser startet per dag (primærkilden sier 12 millioner), «flere forespørsler fra agenter enn fra mennesker» hos Databricks, at Block bruker Databricks til kodeassistenten goose, og Marc Andreessens sitat om ledere i Fortune 500-selskaper. Kjøpesummen for Neon står ikke i noen Databricks-melding, så jeg oppgir ingen. Hvordan KI-forordningen er tatt inn i EØS-avtalen, og hvem som fører tilsyn i Norge, har jeg ikke kontrollert. Trenger du en av disse opplysningene, bør du sjekke den selv ved kilden.

Sist oppdatert: 31. oktober 2026. Eurostat-data for 2025, SSB fra 25. september 2026, METR-data per 8. september 2026, rettsstand for forordning (EU) 2026/1744 per 27. juli 2026.