Slik bruker byråer AI-agenter med kunder akkurat nå
Markedsførings-, kreative, utviklings- og konsulentbyråer er forbi pilotfasen med agentisk AI. Her er det som faktisk kjører i kundearbeidet i dag, det som fortsatt mest er prat, og spørsmålene om fakturering, opplysning og ansvar som ingen har avgjort.
I juni, da reklamebransjens avtaleinngåere var samlet i Sør-Frankrike på sin årlige pilegrimsferd, brukte byråene uken på å overgå hverandres kunngjøringer om AI-agenter. WPP sa at de testet en agent for mediekjøp og medieplanlegging for premium videolager. Dentsu inngikk et partnerskap med en utvikler av AI-agenter, Newton Research, for å få fart på kampanjeoppsett og analyse. Det uavhengige byrået Butler/Till hadde, sammen med DoubleVerify, allerede bygget Claude-baserte agenter for å styre annonsepenger bort fra lager av lav kvalitet. Ingenting av dette var en demo. Det var byråer som beskrev verktøy som kjørte i levende kundekontoer, ifølge rapportering fra Digiday.
Den uken fanget noe sant om hvor agentisk AI står akkurat nå: det er ikke lenger et lysbilde i en salgspresentasjon. Det dukker opp i kampanjedashbord, revisjonsarbeidspapirer og kodebaser — raskere enn faktureringsmodellene, opplysningsnormene og ansvarsrammene som ble bygget for en verden uten. Her er det byråene faktisk kjører i dag, og hvor den virkelige friksjonen sitter.
Arbeidet som har gått forbi pilot
Det tydeligste tallet på innføring kommer fra en undersøkelse i januar 2025 av 547 beslutningstakere i amerikanske markedsføringsbyråer, gjort av NinjaCat: 91% brukte allerede AI i en eller annen form, og 59% sa at de aktivt brukte AI-agenter spesifikt — autonome systemer som utfører oppgaver i stedet for bare å lage forslag. De to bruksområdene byråene nevnte mest, var data- og innsiktsarbeid (74%) og kampanjestrategi og optimalisering (72%). I praksis betyr det agenter som samler måltall på tvers av annonseplattformer, fanger avvik før de sløser budsjett, og leverer rapporter rett i kundens innboks uten at en analytiker setter sammen presentasjonen for hånd.
IABs rapport State of Data 2025 setter et tall på hvor langt det faktisk har gått: så langt har bare 30% av byråer, merkevarer og utgivere fullt ut integrert AI gjennom hele livsløpet til en mediekampanje, selv om byråene og utgiverne i den gruppen ligger foran merkevarene. Der det er tatt i bruk, fant IAB at AI innfridde eller overgikk forventningene i mer enn 70% av tilfellene, løftet produktiviteten med 47% og kuttet omtrent 12 timer i uken med manuelt arbeid av lav verdi per person.
Det agentiske laget spesifikt — mediekjøpsagenter som utfører i stedet for bare å anbefale — er fortsatt i en tidlig skaleringsfase, men beveger seg raskt. Digiday rapporterte i september at 58% av reklamesjefene venter at agentisk kjøp når meningsfull skala innen et år, med henvisning til forskning fra IAB Europe. Dentsus Caitlin Gelles, konserndirektør for datateknologi og måling, beskrev appellen til Digiday i nøkterne operative ord: «Det tar timer å sette opp kampanjer på tvers av systemer… når du kan lagre de nyansene i en RAG-database, eller ta med hvordan kunder liker å kjøpe, og la AI finne de effektiviseringene, er det der verdien kommer inn.»
Utviklings- og digitaliseringsbyråer kjører en parallell versjon av det samme trekket. Dept, den nederlandske byrågruppen, bygde en ombygging av en e-handelsplattform for det sveitsiske treningsmerket Blackroll med AI-agenter på Googles Gemini- og Antigravity-stakk — Dept sier at prosjektet ble ferdig 3,8 ganger raskere enn deres eget anslag fra tiden før AI. Blackrolls administrerende direktør Scott Zalaznik sa til Digiday at selskapet nå bruker AI-agenter til mesteparten av testing og utvikling av e-handelsfunksjoner. Dept har siden gjort fremgangsmåten til et betalt tilbud, Agent Studio, og leier i praksis ut sin egen arbeidsflyt for å bygge agenter til kunder som vil ha evnen uten å bygge den selv.
Konsulentselskapene er kommet lenger, og krangler fortsatt om gevinsten
Hvis markedsføringsbyråene er midt i overgangen, har de store konsulentselskapene allerede satset fullt på volum — og sitter nå fast i det vanskeligere spørsmålet om hva noe av det er verdt. McKinseys administrerende direktør Bob Sternfels sa i januar at firmaet har rullet ut titusenvis av interne AI-agenter og til slutt vil ha én for hver av sine 40 000 ansatte, ifølge Business Insider. Men som Mina Alaghband, tidligere McKinsey-partner og nå kundedirektør i Writer, formulerte det: «Jeg tror vi nå er i forvirringens tid.» For et år siden var målet bruk. Nå prøver firmaene å måle noe vanskeligere — verdi som faktisk er skapt.
PwCs AI-direktør Dan Priest sa til Business Insider at firmaet har sluttet å telle agenter og begynt å telle hvor mange mennesker som faktisk bruker hver enkelt. EY følger hver måned KPI-er for produktivitet, kvalitet og kostnadseffektivitet på agentene sine. BCG har det mest konkrete tallet: partner Scott Wilder sa at de ansatte nå bruker omtrent 15% mindre tid på arbeid av lav verdi, som å bygge presentasjoner, reinvesterer omtrent 70% av den gjenvunne tiden i dypere analyse — og beholder de resterende 30% som, med hans ord, mer søvn eller en yogatime. Selv inne i firmaer som fakturerer per time, blir tid som AI har frigjort, ikke automatisk flere fakturerbare timer.
«AI kan endelig være dødsstøtet for den fakturerbare timen», sa Clio-sjef Jack Newton — en påstand profesjonelle tjenestefirmaer har kommet med og trukket tilbake i tretti år, bortsett fra at regnestykket bak den denne gangen er offentlig.
Faktureringsmodellen er det første som faktisk ryker
Av friksjonene byråene møter, er fakturering den mest umiddelbare, fordi matematikken ikke er til å komme unna. Hvis AI kutter tiden en oppgave tar fra fem timer til én, og du fortsatt fakturerer per time, har du gitt kunden 80% rabatt uten å mene det. En analyse i Forbes av en Gartner-undersøkelse fra 2026 blant 743 revisjonsfagfolk og separat forskning fra det juridiske programvareselskapet Clio fant mønsteret i tilstøtende bransjer for profesjonelle tjenester: 93% av revisjonslederne rapporterer noe AI-bruk, men bare 38% har en strategi for det, og Clio anslår at omtrent tre fjerdedeler av fakturerbare juridiske oppgaver nå kan automatiseres med generativ AI.
Prissettingen har ikke tatt igjen. Clio fant at 86% av advokatfirmaer med én person og 78% av små firmaer ikke har gjort noen prisendringer i det hele tatt som svar, sammenlignet med 51% av firmaer i mellomsegmentet og 46% av store firmaer — jo mindre kontoret, desto stillere spiser det rabatten. Samtidig sa 71% av kundene til forskerne at de faktisk foretrekker faste honorarer fremfor timefakturering i utgangspunktet, noe som tyder på at timefakturering alltid var en erstatning for det kundene egentlig ville ha: et forutsigbart resultat, ikke en timeliste. Salesforces juridiske direktør Sabastian Niles gjorde forventningen på kundesiden tydelig i et innlegg på et styringsforum ved Harvard Law School som Forbes siterte: «Gevinstene må selvsagt også deles med kundene gjennom besparelser, kostnadseffektivitet og nye forretningsmodeller.» Wall Street Journal dekket det samme skiftet under overskriften «Inside Consultants' Messy Shift From Hourly Billing», og beskrev hvordan profesjonelle tjenestefirmaer strever med å finne opp på nytt hvordan de tar betalt når AI truer med å gjøre den fakturerbare timen foreldet.
Markedsføringsbyråer tester allerede alternativet NinjaCats undersøkelse fant: 28% har gått bort fra vanlige fakturerbare timer mot prissetting basert på verdi eller resultat, og 45% selger nå AI-baserte løsninger og automatiseringer som en pakket tjeneste i stedet for å brette dem inn i eksisterende retainere — effektivitetsgevinsten blir et nytt produkt, i stedet for en mindre faktura.
Bør kunder få vite at en agent har rørt arbeidet deres?
Opplysningsspørsmålet er mindre avgjort enn faktureringsspørsmålet, mest fordi det ikke finnes én regel å peke på. IABs State of Data 2025-undersøkelse fant at omtrent halvparten av merkevarene allerede er bekymret for hvordan byråer og utgivere bruker AI på deres vegne — et tillitsgap som finnes før noen har bestemt hvordan opplysning skal se ut.
Den tydeligste veiledningen så langt kommer fra tilstøtende profesjonelle tjenester som strever med det samme spørsmålet for sine egne kunder. I en tekst syndikert fra Journal of Accountancy rådet forsikringsselskapet CNA CPA-firmaer om at, i fravær av én styrende lov — det juridiske landskapet er et lappeteppe av Gramm-Leach-Bliley Act, spredte delstatlige opplysningslover på steder som California og Utah, og EUs AI Act for firmaer med europeiske kunder — frivillig, konkret opplysning fortsatt er den tryggere veien, fordi kunder som senere får vite at AI rørte arbeidet deres uten å bli fortalt det, kan lese det som villedning, enten noe gikk galt eller ikke. Teksten pekte på American Bar Associations Formal Opinion fra 2024 om generativ AI, som trekker en skarp linje: standardtekst begravd i et oppdragsbrev teller ikke som informert samtykke. En opplysning må faktisk forklare hva AI-en gjorde, og hva et menneske sjekket etterpå.
Hvert felt innen profesjonelle tjenester som treffer dette spørsmålet — regnskap, juss og nå byråer — lander på omtrent det samme svaret: opplysning er ennå ikke lovpålagt i de fleste tilfeller, men å holde den tilbake er et omdømmeveddemål som blir mer risikabelt jo flere kunder som begynner å anta at AI allerede er involvert.
Hvem henger på kroken når agenten tar feil
Ansvar er friksjonen byråene har tenkt minst gjennom, fordi den ennå ikke har tvunget frem saken — ingen har hatt en byrå-AI-svikt som har tatt overskriftene slik juriststanden har hatt advokater som er sanksjonert for å sitere AI-fabrikkert rettspraksis i virkelige prosesskriv. Law.coms David Partida har gjennom 2026 kjørt en serie i seks deler som følger nettopp dette problemet idet det går fra teoretisk til rutine, inkludert deler med titlene «What Happens When AI Acts Alone — And Who Pays For It?» og «Who's Liable When AI Gets It Wrong?». En følgetekst på samme nettsted, «Accountability For AI Errors By Attorneys And Judges», bemerker at advokater i økende grad leverer innlegg med falske rettsreferanser generert av AI — vanligvis sporet til brukerfeil heller enn til verktøyet selv — og at domstoler allerede retter de kjennelsene som følger, gjennom begjæringer og anker. Den faglige veiledningen som samler seg rundt dette, fra ABAs uttalelse til CNAs råd til CPA-firmaer, er samstemt: et firma som støtter seg på en AI-agents resultat uten uavhengig menneskelig gjennomgang, henger på kroken nøyaktig som om en junior medarbeider hadde gjort feilen uten tilsyn. Agenten bærer ikke ansvaret. Firmaet som sendte resultatet til en kunde, gjør det.
Byråene har ennå ikke sin egen versjon av dette oppgjøret i det offentlige materialet — noe som er friksjonspunktet det kanskje er mest verdt å følge med på, siden byråleveranser beveger seg raskt og ofte får mindre gjennomgang før de når en kundes innboks.
Én idé fra The AI Organization er verdt å låne hit: lesbarhet, eller å kunne vise — ikke bare hevde — hvem eller hva som rørte et stykke arbeid, og når. Et byrå som kan legge frem en faktisk oversikt over hva en agent gjorde, hva et menneske gjennomgikk, og når de signerte, svarer på spørsmålene om opplysning og ansvar med bevis i stedet for med en policyerklæring. FabricLoops eget AI-produkt, Loop Agent, er bygget på MCP med eksplisitte, reviderte fullmakter av nettopp denne grunnen: slik at AI-bruk mot kunder er noe et firma kan vise, ikke bare påstå.
Hva dette betyr hvis du driver et byrå
Ta bort kunngjøringene, og mønsteret er smalt, men ekte. Agentisk AI gjør seg fortjent i dag på arbeid som er gjentakbart, målbart og kan gjennomgås før det når en kunde: kampanjerapportering, utførelse av mediekjøp innenfor definerte rammer, første research og konkurranseanalyse, og — ifølge Depts tall — en betydelig del av bygge- og testsyklusene for e-handel. Det er ingen kort liste, og for byråer som fortsatt gjør det arbeidet for hånd, er det et reelt kostnadsfortrinn som ligger på bordet.
Det er fortsatt mest prat om arbeid som krever skjønn ingen har funnet ut hvordan man verifiserer i skala: kreative beslutninger som bærer merkevarerisiko, strategiske anbefalinger kunder betaler for nettopp fordi de stoler på personen som tar dem, og alt der en feil kan nå en kunde før et menneske ser den. Organisasjonene som siteres i denne rapporteringen — Dentsu, PwC, BCG — beskriver den samme modellen under ulike bruksområder: agenter gjør det sammenpressbare arbeidet, et menneske sjekker delene som bærer risiko, og tiden som frigjøres, blir reinvestert i stedet for å stikkes i lommen som margin. Det er en kjedeligere historie enn «AI erstatter byrået». Det er også den som faktisk skjer i kundekontoer akkurat nå.