Multiplayer-AI: sju skiften i hur vi använder AI – och fyra sprintar till er första delade agent

Multiplayer-AI: sju skiften i hur vi använder AI – och fyra sprintar till er första delade agent

22 September 2026

Först var vi promptingenjörer. Sen kontextingenjörer. Sen harness-ingenjörer, och i somras loop-ingenjörer. Det är lätt att avfärda det som ett modeord som ersätter ett annat, men det är inte vad som händer. Vi håller gemensamt på att lista ut hur man använder en helt ny teknik, och sättet vi jobbar med den har konstant ändrats.

Den senaste veckan har flera lanseringar pekat åt samma håll. Tillsammans beskriver de sju skiften i hur vi faktiskt använder AI i vardagen. Några av dem kommer att hålla i sig, och det sista, delade agenter, är det som kommer att kräva mest av dig som driver ett team.

1. Enklare gränssnitt, färre val

Tidig AI bröt mot en gammal Silicon Valley-regel: att folk bara dyker upp om upplevelsen är enkel. Tusentals icke-tekniska människor har kastat sig in i att bygga egna agenter och tagit sig igenom rätt mycket krångel för att få det att fungera.

Men majoriteten vill fortfarande ha det enkelt, och nu följer produkterna efter. Metas Muse hyllas även av tunga tekniska användare för att den döljer precis rätt saker. Anthropic har slagit ihop Claudes Cowork och chatt till en enda upplevelse, med designverktygen inbyggda, efter att den vanligaste feedbacken varit att folk inte visste vilken produkt de skulle börja i.

Riktningen är tydlig: du ska be om något och få det. Plattformen ska själv lista ut vilken agent, vilken modell och vilken miljö som behövs.

2. Monotråden

Det andra skiftet handlar också om enkelhet, men i hur vi styr AI:n. I stället för att starta en ny chatt för varje uppgift och förklara allt från början igen håller du en enda lång tråd vid liv, som ärver allt som hänt tidigare.

Länge gick det inte. Kontextfönstret tog slut, modellen började tappa instruktioner och man skrev överlämningsdokument för att flytta sammanhang mellan trådar. Bättre komprimering av kontext har ändrat det. Ett exempel som nämns: en utvecklare har en Codex-tråd som har levt i tre veckor och varje timme går igenom Slack, mejl och pull requests och gör om bruset till något som går att agera på. Med bra komprimering blir en tråd mer värd ju längre den lever.

Nu är det inbyggt i produkterna. Både Cursor och Claude har lanserat projekt där du pratar med en koordinerande agent i en enda beständig tråd, och den agenten fördelar arbetet på parallella trådar som fortsätter när du stänger datorn.

3. Chatboten blev chef för en agentflotta

Här är det som är lätt att missa. Många trodde att chattgränssnittet var ett mellansteg som snart skulle ersättas av något annat. I stället har labben behållit gränssnittet och bytt ut vad som händer bakom det. Du chattar precis som förut, men den du chattar med startar underagenter, delar upp jobbet och samordnar resultatet.

Konsekvensen för resten av mjukvaran är stor. Om agenten blir det gränssnitt du använder för att få saker gjorda, blir mejlklienten, kalendern och dokumentverktyget i praktiken databaser som agenten läser och skriver i. Ethan Mollick har pekat åt samma håll: tjänsterna vi använder kan börja se ut som kontextdatabaser för vår huvudagent. Det kommer kanske inte gå så fort som de mest entusiastiska tror, men chatboten du pratar med gör redan något helt annat än för ett år sedan.

4. Rösten blir standard

Det fjärde skiftet är enkelt men djupt: allt oftare pratar vi med agenten i stället för att skriva. Röst är snabbare, och man säger mer när man pratar än när man skriver, vilket ger agenten mer sammanhang.

Den senaste veckan fick flera agentprodukter inbyggd röststyrning, OpenAI marknadsför röstagenten i Codex och Google har släppt nya Live-modeller för Gemini som är byggda för att lösa komplexa uppgifter med rösten. Att snabbt diktera uppgifter till en koordinerande agent som sen delar ut dem till flottan håller på att bli normalfallet, inte en kul funktion.

5. Från prompter till mål

Vi promptar inte längre AI:n i samma utsträckning. Vi ger den mål. Det började med kommandon som /goal i Claude Code och Codex, och har vuxit till idén om loopar: du beskriver inte bara målet, utan också ett mätbart framgångskriterium som agenten kan kontrollera sig själv mot, och så kör den vidare tills kriteriet är uppfyllt.

Peter Steinberger, som skapade OpenClaw, formulerade det så här: man ska inte längre prompta kodagenter, man ska designa loopar som promptar agenterna. Det låter som ytterligare ett modeord, men det är en verklig förändring i tänkandet. Frågan är inte längre "vad ska jag skriva?" utan "hur vet agenten att den är klar?"

6. Flera modeller i samma arbetsflöde

Avancerade användare har alltid valt modell efter uppgift. Skillnaden nu är att det inte längre är ett trick för entusiaster utan en kostnadsfråga. Uppgifterna är längre och tyngre, toppmodellerna är dyra och subventionerna i standardabonnemangen minskar. Samtidigt klarar billigare modeller strax under toppen saker som var det bästa som fanns för ett par månader sedan.

Med Fable 5.1 blir standardbeteendet ofta att toppmodellen används inte bara som koordinator utan också för alla underagenter. Du ber om en enkel research, och när du kommer tillbaka har fem eller tio underagenter bränt en stor del av din kvot på uppgifter som en billigare modell hade klarat lika bra.

Att veta vilken modell som behövs var, och göra det till en vana, blir en egen disciplin. Den krockar dessutom med skifte nummer ett: ju enklare produkterna blir, desto färre reglage får du för att styra modellval. Labben kommer att försöka automatisera det, men räkna inte med att de alltid gör rätt.

7. Delade agenter

Det sista skiftet är det största för den som leder ett team. 2026 är året då agenterna blev på riktigt, men under större delen av året har de varit privata. Var och en har byggt sitt eget agentteam, vilket har ändrat hur individer jobbar, men inte hur teamen jobbar.

Det börjar ändras. Claude Tag ersatte i somras upplägget där varje person i Slack anropade sin egen Claude, med en agent per kanal som jobbar över hela kanalens sammanhang och inte hör till någon enskild. Nya produkter lanseras som "den första AI-medarbetaren hela teamet delar". Ethan Mollick kallar multiplayer-AI, där många i en organisation använder AI tillsammans mot gemensamma mål, för ett av de största icke-tekniska problemen med AI just nu.

Problemet är att ingen är överens om vad det betyder. Det finns minst tre sätt att se på saken:

  • Minne. Fem agenter på samma projekt med fem olika versioner av vad som hänt, som inte pratar med varandra. Ett gemensamt minne i stället för fem privata kopior löser mycket.
  • Kontext. Nästan alla har byggt ett eget litet kontextlager åt sina egna agenter. Det fungerar för dem, men sträcker man ut det över hela teamet faller det isär. Personlig kontext känns löst, organisationens kontext är vidöppen.
  • Organisation. Det svåraste kanske inte är tekniskt alls. Att få ett helt team att anta ett gemensamt arbetssätt är mer organisationsdesign än ingenjörskonst.

Alla tre stämmer, och därför är det lätt att fastna i att vänta på att branschen ska bestämma sig.

Fyra sprintar till er första delade agent

Podden föreslår ett mer praktiskt upplägg, som inte förutsätter att multiplayer-AI är löst. Det består av fyra sprintar:

  1. Inventera. Vad kör teamet faktiskt för AI i dag? Vilka verktyg, vilka modeller, vilka trådar, vilka agenter?
  2. Kontext. Skriv ner vad er AI vet om er och vad den borde veta.
  3. Överlapp. Leta efter ställen där arbetsflöden och kontext överlappar mellan personer. Där finns kandidaterna för delade agenter.
  4. Bygg. Bygg en delad agent på det mest lovande överlappet.

Sprint tre och fyra kan sen upprepas för att testa fler agenter.

I podden är det tänkt som fyra veckor för ett team i en större organisation. I ett startup med två till fem personer räcker en vecka, och det är värt att göra varje steg lite mer konkret.

Sprint 1: inventera på en timme. Varje person listar verktygen de använder, vilka modeller som ligger bakom, vad det kostar i månaden och vilka trådar eller agenter som lever längre än en dag. Den sista punkten är den intressanta. Långlivade trådar visar var någon redan har byggt upp kontext som bara finns i deras eget konto.

Sprint 2: skriv kontexten en gång. Det mesta som en grundare förklarar för sin AI förklarar hen om och om igen: vad bolaget gör, vilka kunderna är, vad som har beslutats, hur ni låter i text, vilka siffror som gäller just nu. Skriv ner det i ett gemensamt dokument som alla agenter får läsa. Skilj på vad som är stabilt (vision, kunder, ton) och vad som ändras varje vecka (siffror, prioriteringar, öppna frågor).

Sprint 3: hitta överlappet. Leta efter uppgifter där två eller fler personer matar sina AI:er med samma underlag. Typiska kandidater i ett tidigt bolag är investeraruppdateringen, veckorapporten, kundsupport, förberedelser inför styrelsemöten och säljuppföljning. Om tre personer var för sig klistrar in samma pipeline-siffror i tre olika chattar har ni hittat en delad agent.

Sprint 4: bygg en, med ett mål och ett kriterium. Välj ett överlapp och bygg en enda agent. Ta med dig skifte fem och sex: ge den ett mål och ett kontrollerbart kriterium för när den är klar, i stället för en lång instruktion. Bestäm också vilken modell som koordinerar och vilka billigare modeller som får göra grovjobbet, innan den börjar bränna kvot i bakgrunden.

Var skeptisk på rätt ställe

Området är omoget. Det finns inga normer, och den som bygger delade agenter i dag kommer att bygga om en del när bättre produkter kommer, och de kommer snart. Att vänta ett tag tills branschen har landat är ett rimligt val.

Det finns också en inbyggd konflikt mellan skiftena. Enkelheten som produkterna jagar gör det svårare att styra modellval och kostnad, och en delad agent som ingen äger riskerar att bli en agent som ingen tar ansvar för. Bestäm vem som äger den.

Och notera avsändaren. Sprintupplägget är podcastvärdens eget gratisprogram, och påståendet att tidiga team får ett försprång är värdens egen bedömning, inte något som är belagt.

Men huvudpoängen håller. Agenter har ändrat hur individer jobbar. Nästa steg är att de ändrar hur team jobbar, och det steget avgörs mer av vilken kontext ni har skrivit ner än av vilka verktyg ni valt.

Tre saker att ta med sig

Lista era långlivade trådar. De är er mest värdefulla kontext, och i dag finns den bara i en persons konto. Om den personen blir sjuk eller slutar försvinner den.

Skriv kontextdokumentet innan ni bygger något. Det är billigt, det gör alla era befintliga agenter bättre direkt, och det är grunden för varje delad agent ni bygger senare.

Bygg en delad agent, inte fem. Välj det överlapp där flest personer i dag matar AI med samma underlag, ge agenten ett mätbart mål och en ägare, och utvärdera efter två veckor.


Baserat på ett avsnitt av The AI Daily Brief om sju skiften i hur vi använder AI: enklare gränssnitt, monotrådar, chatbotar som agentledare, röst, mål i stället för prompter, flera modeller i samma arbetsflöde och delade agenter. Sponsorinslagen är borttagna. Sprintupplägget kommer från poddens eget utbildningsprogram, och bedömningarna om vart området är på väg är poddens.