Guardian360
Starta gratis provperiodBli partner
← Alla inlägg

Opinion

Scaling Up, fast för maskiner: varför AI-agenter bryter tillväxtens spelbok, inte lagar den

Av Jan Martijn Broekhof ·

Efter att ha läst Verne Harnish Scaling Up är kapitlet “The Growth Paradox: An Anchor, or Wind at Your Back” ett jag inte har kunnat släppa sedan dess. Harnish beskriver det han kallar tillväxtparadoxen: ett företag antas bli enklare när det skalar, men det blir nästan aldrig så, det blir svårare. Orsaken, hävdar han, är inte antalet anställda i sig utan den kommunikationskomplexitet som antalet anställda skapar. En grundare och en enda assistent har två kommunikationskanaler. Lägg till en tredje person och komplexiteten ökar inte med en tredjedel, den tredubblas till sex kanaler. Lägg till en fjärde, och den fyrdubblas till tjugofyra. Tillväxt är linjär. Komplexitet är kombinatorisk. Det missförhållandet, enligt Harnish, är vad som skapar de tre grundläggande barriärer som varje skalande företag stöter på: inte tillräckligt med ledare som kan delegera och förutse, inte tillräckligt med skalbar infrastruktur för att bära kommunikations- och beslutsbördan, och inte tillräckligt med marknadsföringskapacitet för att fortsätta växa in i ett allt mer konkurrensutsatt fält.

Jag hade antagit att AI-agenter skulle kringgå detta problem helt. Starta upp en grupp agenter i bakgrunden, låt dem köra uppgifter autonomt, och den mänskliga kommunikationsflaskhalsen försvinner helt enkelt. Att läsa Harnish igen övertygade mig om att det bara stämmer till hälften, och den hälft som är fel spelar större roll.

AI-agenter tar inte bort Harnish matematik, de accelererar den

Vissa agenter kommer verkligen att fungera autonomt med lite mänsklig inblandning. Men väldigt många kommer inte att göra det. De kommer att skicka indata och utdata till varandra, och till de människor de arbetar tillsammans med, precis så som Harnish kanaler beskriver. Den kombinatoriska komplexitet han identifierar i mänskliga team försvinner inte när några av noderna i nätverket är agenter i stället för människor, den fortsätter helt enkelt att växa.

Det som förändras är hastigheten med vilken nya noder dyker upp. Harnish ramverk antar att tillväxt begränsas av hur snabbt en organisation kan anställa, introducera och få en ny person upp till en användbar omdömesstandard, vilket är långsamt av konstruktion. Agenter tar bort den naturliga bromsen. Deloittes teknikprognoser för 2026 beskriver detta direkt: agentspridning, spridningen av frånkopplade agenter i en organisation utan enhetlig överblick eller styrning, förväntas fortsätta öka under 2026 i takt med att programmeringsspråk, ramverk och kommunikationsprotokoll mångfaldigas. En organisation som en gång bara kunde öka antalet anställda med en handfull personer per kvartal kan nu öka antalet agenter med en handfull per dag. Harnish komplexitetsekvation gäller fortfarande. Klockan som brukade sakta ner den har tagits bort.

Vi designar fortfarande agentorganisationer som mänskliga

Just nu föreställer sig de flesta av oss en AI-driven organisation på samma sätt som vi föreställer oss en mänsklig: en grov hierarki, definierade senioritetsnivåer, något som liknar en arbetsvecka. Den bilden är redan föråldrad. Inom kort kommer en enda begäran till en enda agent att starta upp ett nätverk av underagenter som planerar, delegerar till varandra och skickar arbete fram och tillbaka, till stor del osynligt för den person som gjorde den ursprungliga begäran. Harnish beräkningar antar en synlig, räknebar uppsättning kanaler: två, sedan sex, sedan tjugofyra. I en agentdriven organisation är antalet kanaler varken fast eller synligt. Det blir dynamiskt, och det blir dolt för just de människor som antas ha kontroll över det.

Det är ett problem av en annan storleksordning än att helt enkelt behöva fler chefer. Det innebär att organisationens form inte längre kan härledas genom att titta på ett organisationsschema, eftersom organisationsschemat ritas om kontinuerligt och tyst, flera lager under där någon tittar.

Kommer inte agenter bara att få sina egna chefer?

Detta är den uppenbara invändningen, och den förtjänar ett rakt svar snarare än en handviftning. Ja, agenter får redan sitt eget ledningslager. Deloittes prognos inkluderar en framväxande kategori som den kallar väktaragenten, vars uppgift är att äga uppgifter samtidigt som den övervakar andra agenters beteende. Technology Decisions Australias bevakning av 2026 års förskjutningar i adoption av agentisk AI beskriver organisationer som skapar nya roller som Agent Ops Lead och AI Product Owner, vars hela funktion är att hantera agenter på samma sätt som en linjechef en gång hanterade människor.

Jag tror inte att detta löser det underliggande problemet, och här är varför. Vart och ett av dessa ledningslager måste fortfarande kanalisera sin output någonstans för granskning, och det någonstans är till slut en mänsklig varelse. Att lägga till orkestreringsagenter och väktaragenter tar inte bort den flaskhals Harnish beskriver, det flyttar den bara uppåt, och pressar in mer aktivitet i samma fasta hastighet med vilken en person meningsfullt kan granska och kontrollera det som läggs framför dem. En akademisk artikel från 2026 av Kaptein och kollegor, byggd på en KPMG-undersökning av ledare inom stora företag, fann att tre fjärdedelar av de svarande angav säkerhet, efterlevnad och granskningsbarhet som sitt mest kritiska krav för agentimplementering, och att komplexiteten i orkestrering av flera agenter redan har blivit den primära flaskhalsen när organisationer försöker flytta agentprojekt från pilot till produktion. Det är inte ett teknikgap. Det är samma kontrollproblem som Harnish namnger, i en annan uniform.

Detta stämmer överens med vad som faktiskt händer med agentiska AI-projekt i praktiken. Forbes, som så sent som i juli 2026 återkommer till Gartners forskning, gör en poäng av att notera vad som är påfallande frånvarande från listan över orsaker till att agentiska AI-projekt läggs ner. Modellkapacitet finns inte med på den listan. Skälen som anges är eskalerande kostnader, oklart affärsvärde och otillräckliga riskkontroller, vilket är ett annat sätt att säga att organisationer kämpar för att styra och granska det de har byggt, inte att agenterna själva inte är tillräckligt kapabla.

Vem har egentligen kontroll?

En rimlig läsare invänder vid det här laget och ställer en svårare fråga: hur länge behåller människor kontrollen överhuvudtaget? I teorin skulle en organisation till slut kunna drivas helt av AI-agenter, som samordnar mål, deluppgifter och output utan en mänsklig nod någonstans i slingan. Jag tror att det stämmer i teorin och är irrelevant i praktiken, av två skäl som inte har något att göra med vad tekniken kan göra.

För det första kan för närvarande bara en mänsklig varelse, en person av kött och blod, hållas juridiskt ansvarig för ett beslut. Agenter kan utforma, rekommendera och agera inom de gränser som satts för dem, men ansvaret överförs inte till ett system, det stannar hos den person som styrde det. För det andra har vi en social skyldighet att erbjuda människor meningsfullt arbete, arbete som får dem att känna att de bidrar och att de spelar roll. En organisation som tyst optimerar bort människor ur varje slinga är inte bara effektivare, den vänder ryggen åt båda dessa saker på en gång.

Hur skalbar infrastruktur ser ut för en agentdriven organisation

Harnish tredje barriär, skalbar infrastruktur, är den jag återkommer till. För en mänsklig organisation innebär det system och strukturer som kan bära kommunikations- och beslutsbördan i takt med att antalet anställda växer. För en agentdriven organisation måste det innebära något annat igen: infrastruktur som håller det växande, delvis osynliga nätverket av agenter tillräckligt läsbart för att en människa fortfarande meningsfullt ska kunna granska och besluta, snarare än att bara stämpla i godkännande.

Detta är ingen abstrakt fråga för oss. På Guardian360 kör vi exakt detta experiment på oss själva först. Vi sätter upp, testar och tränar våra egna interna AI-kollegor innan vi ens skulle överväga att erbjuda något liknande till kunder. Den ordningen spelar roll. Om ett arbetssätt inte håller i vårt eget team, inklusive vid den punkt där vi börjar ifrågasätta vår egen traditionella hierarki, har vi ingen rätt att lova att det håller i någon annans.

Så, vem samordnar vem?

Någonstans i varje samtal om agentorkestrering föreslår någon samma lösning: ge varje person en enda personlig AI-assistent som talar med alla andra agenter för deras räkning, så att människan bara behöver hantera en relation i stället för dussintals. Jag förstår lockelsen, men jag tycker det är värt att vara ärlig om vad den assistenten faktiskt är. Den är inte en lösning på kontrollproblemet, den är ytterligare en chef i hierarkin, ett lager högre än de andra, och den måste fortfarande betros och granskas som varje annat lager under den. Du har inte tagit bort flaskhalsen. Du har döpt om den och flyttat den närmare dig själv.

Harnish skrev att komplexitet är tillväxtens pris, och att bara ett fåtal företag någonsin lär sig att betala det väl. Jag misstänker att detsamma kommer att visa sig gälla de organisationer som nu fylls med agenter. Frågan värd att stanna kvar vid är inte hur många agenter du har råd att driva. Den är hur många lager av agentledning du är villig att stapla på varandra innan du behöver ännu en människa bara för att avgöra vem du ska lita på.

Källor