Agenternas tid – när internet designas för maskinen framför människan

Medans vi scrollar vidare på telefonen, så pågår en tyst revolution under ytan. Artificiell intelligens håller i detta nu på att omforma på vilket sätt vi upplever hur internet fungerar. Från en plats där människor aktivt delar och söker information, till en miljö där autonoma agenter agerar å våra, eller andras, vägnar. Konsekvenserna som följer av denna utveckling är många och komplexa, från utformningen av affärsmodeller och annonsering till fördelningen av makt och hur vår digitala opinionsbildning kommer att utvecklas.

Jag sneglar på min telefon och ser hur många av de processer jag gör varje dag som är beroende av internet. Varje app har sin funktion för mig. Jag surfar på nätet, spelar musik, handlar i affärer, gör bankärenden, pratar med vänner, hanterar mitt arbete. Allt sker genom ett lager av applikationer i min telefon eller dator. Eller genom webbläsaren. När jag ser dessa appar, reflekterar jag över hur mycket av det vi uppfattar som internet, och det vi känner igen av tjänster på internet, i vissa avseenden sakta håller på att erodera, omformas eller ersättas. Ska man spetsa till det kan kan säga att internet så som vi känner det håller på att försvinna. Inte på ett dramatiskt sätt där alla skärmar helt plötsligt blir svarta, eller alla länkar på internet blir trasiga. Utan istället genom en gradvis transformation som ser ut att kunna förändra själva grunden för hur vi interagerar med information, varandra och samhället.

För att få en bild av vad som är på väg att hända är det kanske lättast att börja med att se till våra vardagliga beteenden på internet. Under de senaste två åren har vi sett ett genombrott för tjänster som OpenAIs ChatGPT, Googles Gemini, Microsofts Copilot, Anthropics Claude och tjänster som Perplexity, Lovable, och många fler. Även om det fortfarande är omkring hälften av Sveriges befolkning som fortfarande inte har prövat att använda generativ AI och stora språkmodeller, och endast en mindre del av användarna nyttjar tjänsterna varje dag, så är ökningshastigheten och anpassningen till dessa nya teknologier snabb jämfört med tidigare teknikskiften. Skiftet sker först och främst hos slutanvändare först, vi alla enskilda konsumenter, snarare än hos företagen eller i samhällstjänster. Och teknikutvecklingen påverkar och förändrar också våra beteenden.

Där jag tidigare kanske planerade en utflykt med barnen genom att först googla lite brett på tips på platser att besöka, aktiviteter på gång och så vidare, kolla in väderprognoser, lokaltrafikens app och så vidare, så har jag det senaste året i allt högre grad kommit att ändra mitt beteende. och agera på nya och andra sätt. Nu kan AI-tjänster hjälpa mig med detta, genom att sy ihop flera komplexa steg, och söka på nätet åt mig. De kan bryta isär problem i sekvenser av mindre frågeställningar, och kan då också ta sig an mer komplexa uppgifter än en sökmotor tidigare har kunnat. Nu räcker det ofta med en endaste prompt. “Jag vill hitta på nått i Göteborg med mina tonåringar idag. Om det är bra väder vill vi vara ute. Kanske gå i skogen, bada eller nått sånt. Ge mig några alternativ på aktiviteter”. Med en endaste prompt ägnar vi inte en halvtimma åt att klura, söka och organisera. Nu kan en AI-agent göra stora delar av detta åt mig på några sekunder, korsreferera informationen från många olika källor och presentera ett färdigt förslag utan att jag behöver klicka på en enda länk. Den vet också vad jag tidigare pratat om, och kan anpassa sig efter mina tidigare preferenser.

En liknande förändring syns i programmering. För den som idag programmerar innebär tillgången till AI-verktyg möjligheter att förändra arbetssätt och metoder i ens programmering. När AI stödjer en i utveckling av mjukvara, skriver den koden, testar, prövar och sammanställer i mycket hög fart. En konsekvens som uppstått för mig, är att jag upptäckt att jag kommit att be AI skapa ett datorprogram för mig, för att lösa en uppgift, en enda gång. Det går helt enkelt fortare att skapa ett datorprogram för att lösa ett enklare problem för mig, än att leta upp en redan existerande mjukvara.

Denna förflyttning, där generativ AI med sina språkmodeller får möjlighet att agera å användarens vägnar, är det som idag kallas för att använda AI-agenter. Mycket tyder på att vi kommer att se mer av denna förändring de kommande åren.

Vad är en AI-agent?

AI-agenter kan beskrivas som autonoma mjukvaruprogram som har förmågan att fatta beslut och utföra uppgifter på uppdrag av användare eller andra AI-agenter. Till skillnad från tidigare AI-modeller, som ofta behövde en specifik input för att generera output, kan dessa agenter självständigt söka, analysera och slutföra komplexa uppgifter. Utvecklingen syns inuti de vanligaste generativa AI-tjänsterna idag. ChatGPT har möjlighet att söka på egen hand i gränssnittet på tjänsten. Google Gemini har liknande förmågor och kan också kopplas samman med ens google-tjänster och på så vis integrera dem i nyttjandet av själva språkmodellen. Anthropics Claude har gått längre, och i deras tjänst kan du koppla samman språkmodellen med en oerhört stor flora av tjänster genom att nyttja vad som kallas för “MCP”, eller Model Context Protocol. Det är en teknologi som Anthropic utvecklat och som nu snabbt förefaller bli en slags branschstandard. Med hjälp av en MCP-server blir det möjligt att koppla samman en digital tjänst genom dess API (Application Protocol Interface), med en språkmodell. På så vis blir det möjligt för en språkmodell att anropa och använda en elller flera digitala tjänster som är sammankopplad med den. Liknande går även att göra med hjälp av olika automatiseringsverktyg, som Zapier, Make eller n8n, där en språkmodell skapar möjligheter att med naturligt språk anropa och kontrollera olika digitala tjänster.

Konsekvensen av denna utveckling är att jag som användare arbetar i ett gränssnitt som med hjälp av AI-tjänster i sin tur kommunicerar med andra tjänster, eller hämtar och bearbetar information på internet. I förlängningen kommer användaren, stället för att manuellt besöka och syntetisera information från en mängd olika webbsidor, så kommer de att uttrycka sina behov eller frågor till en AI-agent, som sedan autonomt samlar in, bearbetar och presenterar ett slutresultat.

Från sökning till delegation

Det vi nu ser hända genom agent-baserade tjänster är en övergång från en tid då stora delar av användning av internet handlade om att söka information, till en tid där vi ger en uppgift till en AI-agent, som i sin tur söker, sorterar, hittar, sammanställer och presenterar information för mig. Under internets första tre decennier har vår interaktion präglats av att vi aktivt och på egen hand navigerar mellan webbsidor, jämföra information från olika källor, och själva sammanställer och analyserar resultatet. AI-agenter vänder upp och ner på detta arbetssätt. Utvecklingen vi ser pekar tydligt på att användare i mindre utsträckning kommer att besöka webbplatser för att sammanställa och bearbeta information från olika webbsidor. Istället kommer de att formulera sina behov till en agent som därefter på egen hand samlar in, bearbetar och presenterar ett slutresultat.

Ska jag ge ett konkret exempel på hur jag själv förändrat mitt beteende så är mitt arbete inför sommarens cykelsemester representativt. Jag stod inför att fräscha upp och förbereda min cykel för en veckas resa, och jag var osäker på exakt vad jag skulle behöva göra, vad som var mest prioriterat och hur jag skulle göra. Jag fotograferade cykeln och laddade upp fotot till ChatGPT, och ställde in tjänsten på att använda sin mest kraftfulla resonerande modell vid den tiden, o3, samt klickade i “sök” för att berätta för tjänsten att den kan surfa på nätet på egen hand. Tillsammans med fotot gav jag så ChatGPT en instruktion i en prompt. “Du är en skicklig cyklist med stor erfarenhet av att åka på långa semestrar med din cykel, där du övernattar i tält och bär med dig all den packning du behöver. Nu vill jag att du med din kompetens ska analysera det foto du fått på en cykel, en Nishiki Detour 61, och analysera fotot. Jag vill att du ska gå igenom cykeln visuellt och identifera eventuella brister. Se över vilka däck som finns på cykeln, hur slitna de är. Kolla igenom så att all utrustning som behövs finns på cykeln. Om något är trasigt, saknas eller behöver kompletteras så vill jag att du ska notera detta. Utifrån denna information ska du göra en prioritering av vad som är det viktigaste att tänka på inför cykelsemestern, samt föreslå eventuella inköp. Du ska leta efter affärer som säljer relevanta produkter till ett bra pris och som säljer antingen i närheten av Göteborg eller online till Sverige. Var noggrann, utförlig och kontrollera dina svar”.

Med denna prompt, tillsammans med bild, fick jag så en gedigen sammanställning av vad jag bör tänka på, vilka delar jag behöver fokusera på att förbättra, vilka delar jag behöver köpa och var jag kan hitta dem till ett bra pris. Genom att dela bilden på cykeln har språkmodellen också analyserat cykelns utseende, räknat ut vilka delar som sitter på cykeln och vilka som inte gör det, samt kollat på utslitna delar med mera. Jag var till en början tveksam över resultatet, och har gjort jämförelser med min egen research. Men idag har jag kommit att se att agentbaserad AI för uppgifter så som denna är kan vara väldigt värdeskapande och förenkla och förbättra min möjlighet att agera.

Liknande berättelse som denna finns det idag tiotusentals av, för alla möjliga frågor, områden och sammanhang. I många fall har dessa nya möjligheter som generativ AI erbjudit kommit att bli väldigt värdeskapande och nya tjänster har sett dagens ljus som inte funnits tidigare. Men samtidigt för teknologin med sig flera utmaningar och brister. En fundamental sådan komplexitet ligger inbyggd i själva språkmodellens natur. För en språkmodell bygger på sannolikheter, och inte sanning. När jag ber språkmodellen att generera text baserat på min instruktion, så kommer den att ge mig det mest sannolika svaret på min fråga, och inte det mest sanna. I många fall sammanfaller detta och jag får ett svar som är i linje med vad jag önskat mig. Men har datan som språkmodellen tränats på inte varit av tillräcklig kvalitet, eller viss information saknas eller är problematisk, så kommer språkmodellens svar till mig att färgas av dessa brister. Utan egen kunskap om kvaliteten på svaret från språkmodellen, blir det ofta svårt att värdera huruvida modellen gjort ett bra jobb eller ej. En risk med att nyttja AI-agenter är att själva arbetsprocessen riskerar bli dold i teknologin och därmed försvåra för användarens möjlighet att förstå tillförlitligheten i processen..

Med utvecklingen av teknologier som möjliggör AI-agenter så förändras inte bara hur jag använder internet, men även hur internet är utformat. När jag som användare inte längre själv surfar på webbsidor, utan i stället låter AI-agenter surfa åt mig, så förändras interaktionslogiken som ligger till grund för webbplatser. I förlängningen så innebär utvecklingen att människor inte med nödvändighet är den primära användaren av webbplatser, utan istället agenter. Detta skifte får som vi ska se en mängd konsekvenser, som över tid riskerar förändra upplevelsen av internet i stort.

Reklamekonomins fall

För att förstå djupet i denna transformation måste vi ta en titt på hur internetekonomin och hur den vilar på reklamfinansiering som en betydande strukturell förutsättning. Ett stort antal av de tjänster vi använder oss av på nätet, som vi i många avseenden uppfattar som “gratis”, är egentligen inte gratis, utan en del av uppmärksamhetsekonomin, vars primära motor är reklam. Två av de största företagen på nätet, Google och Meta, vilar på affärsmodeller som i hög grad bygger på att användare klickar på annonser. När AI-agenter blir mellanhänder riskerar dessa klick att gå förlorade för företagen.

En rapport från eMarketer uppskattar att AI-agenter kan orsaka en betydande minskning i annonsexponering. Hela 38% av exponeringen menar de kan försvinna under upptäcktsfasen, när man som användare letar efter en produkt eller tjänst. Vidare uppskattar de att 47% av exponeringen försvinner under övervägandefasen då man som kund funderar över att genomföra ett köp. När man väl gör köpet, så bedömer eMarketer att ytterligare 30% av annonsexponeringen försvinner i de konverteringar som uppstår vid exempelvis “affiliate-links”. Det som händer är att AI-agenterna arbetar i bakgrunden på egen hand, och visar endast slutresultatet av en process för användaren, utan de mellansteg där traditionell annonsering ofta fungerar.

Ett sätt att beskriva denna förändring är att värdet flyttas från klick och sidvisningar till förmågan att påverka AI-agenternas rekommendationer. Denna påtagligt förändrade situation skapar en ny ekonomisk dynamik där synlighet i AI-agenternas “ögon” blir det nya primära målet, och inte att få mänskliga besökare till ens webbplats för att servera annonser. Parallellt med detta utvecklas också nya annonsformat som är bättre anpassade för chattbaserade plattformar, och det spekuleras att varumärken i framtiden kan komma att betala för premiumplaceringar i de rekommendationer som AI-agenter ger sina användare.

Vi står alltså inför ett större skifte av affärsmodeller för tjänster och plattformar på internet. Den uppmärksamhetsekonomiska modell vi nu i allt väsentligt har befunnit oss i under de senaste 20 åren, har kommit att forma mycket av de beteenden, tjänster och strukturer som internet utgörs av, är i gungning. En förändring av en så grundläggande logik för så många olika tjänster kommer inte att vara friktionsfri och den riskerar att undergräva de förutsättningar som finansierat mycket av det internet vi känner idag.

Medielandskapets förändring

Ingen sektor påverkas mer dramatiskt av denna transformation än mediebranschen. Redan idag har 73% av globala nyhetsorganisationer börjat använda AI-teknik, och 78% av ledare inom medieområdet ser investeringar i AI som avgörande för journalistikens överlevnad. Nicholas Thompson, VD för The Atlantic, beskriver AI som “en galet snabb, anmärkningsvärt välunderrättad, exceptionellt smart forskningsassistent som också är en usel skribent som råkar snacka skit en hel del.” Citatet fångar en paradox när det gäller AI:s roll i journalistiken. Visst är det å ena sidan ett kraftfullt verktyg. Men samtidigt förutsätter det noggrann mänsklig översyn för att vara effektfullt i många sammanhang.

Inom journalistiken pågår mycket experimenterande med teknik kopplat till AI-agenter. Från avgränsade experiment med att monitorera, analysera, rapportera och distribuera journalistik, till mera breda och järva experiment med helt AI-producerat innehåll. Givet att generativ AI också skapar möjligheter inte bara kopplat till text utan även bild, ljud och film, så sker nu hastigt utvecklingen av hela sviter av ny mjukvara för att underlätta skapandet av innehåll. Företag som Elevenlabs som verkar inom AI-baserat ljud, eller Heygen och Synthasia som skapar AI-genererat eller anpassat videomaterial, har snabbt kommit att utforskas för journalistiska ändamål. Det är uppenbart att tekniken är omogen och ännu i sin linda, och mycket lär hända under kommande år.

Men den andra sidan av det journalistiska arbetet är affärsmodellerna. Här syns stor förändring. Under slutet av våren såg flera medieföretag hur intäkter från annonsering från Google, en av de mest centrala aktörerna för annonsintäkter, började minska. Skälet är oklart, men mycket talar för att utvecklingen och nyttjandet av generativ AI är en viktig del i denna förändring. För vissa medieföretag med stort beroende till annonsintäkter från Google, så som Business Insider och många andra, har denna förändring i intäkter inneburit förhållandevis stora nedskärningar i deras verksamhet.

Demokratin i en tid av AI-agenter

En hörnsten för opinionsbildningen i en demokrati utgår ifrån att medborgare delar en grundläggande förståelse för de fakta som utgör fundamenten för förståelsen för samhället i stort. Med utgångspunkt i dessa fakta formas sedan opinioner av åsikter om hur samhället bör förhålla sig till dem. Medborgare ger uttryck för åsikter som spänner över hela det politiska spektrumet, men kan förhålla sig och sina åsikter i relation till varandra, när det finns en delad förståelse för fakta som underbygger de olika åsikterna, För att denna opinionsbildning ska fungera behöver det i samhället finnas aktörer, så som medier, forskare, medborgare och experter som kan ge uttryck för sin kunskap på delade och gemensamma arenor. Historiskt har dessa arenor varit fysiska. Men över de senaste decennierna har allt mer av vår opinionsbildning förflyttats till digitala kommersiella platformar, så som Facebook, Instagram, Youtube, TikTok, BlueSky och X.

Övergången från en opinionsbildning med fäste i det fysiska rummet, och till en digital opinionsbildning präglad av samtal över olika digitala plattformar och sociala medier, har varit allt annat än friktionsfri. I många avseenden har samhället fortfarande inte hittat en framkomlig väg för demokratin i en digital tid, och där samhällets behov också blir villkorande för utvecklingen av de digitala miljöer där opinionsbildning äger rum. Idag är våra digitala rum mer utformade för att efterlikna tivolin än de efterliknar torg.

Utvecklingen av AI-agenter lär inte förenkla de demokratiska samtalen. De kommer i hög grad att påverka hur samhällets opinionsbildning kan komma att gå till. Genom att påverka opinionsbildningen, påverkar de också utvecklingen även vår demokrati. AI-agenter återfinns i flera olika delar av opinionsbildningen redan idag. De används för att samla in och bearbeta information för att göra trendanalyser, sentimentanalys och skapandet av personaliserade politiska budskap i olika medieformat, från text till ljud, bild och video. De används för att rikta och positinoera budskap. De utgör allt oftare kontaktpunkten mellan konsument och marknad, men även mellan medborgare och stat. På många sätt var Cambridge Analytica-skandalen 2016, där data från Facebook användes för försök till politisk påverkan i olika politiska processer runt om i vöärlden, bara en försmak av vad som är möjligt att åstadkomma idag, när AI-verktyg kan skapa psykologiska profiler på väljare och skräddarsy budskap för att påverka deras beteenden.

Men det är inte bara om manipulation i traditionell bemärkelse. AI-system har en benägenhet att översimplifiera komplexa frågor och reducera nyanserade debatter till generiska sammanfattningar. De saknar ofta förmågan att kritiskt värdera källors trovärdighet och kan därför oavsiktligt förstärka dominerande eller felaktiga narrativ. Ett sådant exempel syns i forskning från Cornell University, som visar hur AI-drivna skrivverktyg kan leda till kulturell homogenisering, där användare från icke-västerländska kulturer tenderar att anpassa sina uttryckssätt till västerländska skrivstilar och normer. Detta kan marginalisera vissa röster och perspektiv i det digitala informationslandskapet. Utan en samhällelig debatt, kunskap och inflytande över processer som påverkar vår opinionsbildning riskerar vi uppleva konsekvenser av påverkan i opinionsbildningen som inte går att upptäcka.

Påverkan på informationsflödet på internet

För att förstå vidden av den pågående förändringen måste vi även betrakta hur AI-agenter omformar internets digita tjänster och infrastruktur. Utvekclingen av AI-agenter går fort, och det är inte en omöjighet att de i allt högre grad blir de primära “användarna” av många webbplatser. Traditionella webbsidor, designade för mänskliga ögon med visuella element, interaktiva menyer och animationer, blir rimligtvis mindre relevanta när AI-agenter blir de primära “användarna”. Istället förutsätter agenter mer strukturerad data, semantisk markup och API:er som kan leverera maskinläsbar information effektivt. Demis Hassabis från Google DeepMind resonerade på Google I/O tidigare i år “Vilken sorts webb bygger man för agenter först?”. Uttalandet visar på hur vissa utvecklare av AI resonerar i detta sammanhang. En stor förändring i synsättet på internet, vad det är, och vem det är till för. Det är inte omöjligt att vi ser en förflyttning mot att webbplatser kommer att behöva utveckla AI-tillgängliga “endpoints” som exponerar strukturerad data, snarare än att primärt fokusera på mänskligt anpassade användargränssnitt. Visuella designelement som tidigare varit centrala för att engagera mänskliga besökare blir mindre relevanta, eller till och med kontraproduktiva, för AI-agenter som primärt söker rå, välorganiserad och maskinläsbar data.

Delaktighet i agenternas tid

Trots de utmaningar som skisseras, och med en hög sannolikhet för en allt starkare utveckling av ett internet skapat av AI-agenter, för AI-agenter, så finns det alternativa vägar som kan leda till en mer demokratisk och öppen framtid för internet. Det är lätt att få uppfattningen att den digitala framtiden är helt deterministisk. Men så är inte fallet. Vår digitala värld utformas och utvecklas genom de beslut vi tillsammans gör i samhället. Det går att göra andra och mer informerade val om vår digitala opinionsbildning, om AI-agenters roll i utvecklingen av internet, och vilken samhällspåverkan dessa förändringsprocesser tillåts ha.

En väg framåt är att designa med medvetenhet om risker och möjligheter med utvecklingen. Att samhällsinstitutioner, offentlig sektor och civilsamhälle aktivt reflekterar över och utvecklar förutsättningar för vägar framåt där demokratin och samhällsbehoven finns med i samtalet från början. Det är möjligt att utveckla teknologi som sätter användaren och samhället i förarsätet. Ett sånt exempel är utvecklingen av federerade system som Mastodon, som bygger på ActivityPub-protokollet, eller BlueSky, på ATproto-protokollet, som erbjuder olika slags decentraliserade alternativ till de dominerande sociala medieplattformarna. “Det bästa möjliga utfallet här… svaret är den federerade webben,” som David Pierce uttryckte det i ett samtal i podcasten The Vergecast tidigare i år.

Teknologier som bygger på federerad inlärning erbjuder en annan lovande väg framåt. Det är en metod som möjliggör träning av AI-modeller på decentraliserad data utan att rådata behöver delas med en central server.

Konceptet Digital Public Infrastructure (DPI) har också vuxit fram som ett sätt att tänka kring grundläggande digitala “rälsar” baserade på principer om interoperabilitet, modularitet och öppna standarder. Tankarna bygger på idén att kritisk digital infrastruktur, likt vägar och elnät, bör tjäna allmänintresset snarare än enbart kommersiella intressen.

Medielitteracitet som demokratisk försvarslinje

I en värld där information alltmer medieras av AI blir förmågan till källkritik, att förstå och upptäcka bias och förståelse för algoritmers påverkan en grundläggande medborgerlig färdighet. Regeringen har gett Mediemyndigheten i uppdrag att ta fram grundläggande utbildningar i medie- och informationskunnighet där också AI är en del, för alla i Sverige.

Men utmaningen är större än bara teknisk kunskap. Det handlar om att bevara och stärka förmågan till djupt, reflekterande tänkande i en tid när AI-verktyg uppmuntrar oss alla till att lämna över vår tankeprocess till maskinen. Utan förmåga till kritiskt tänkande, medie- och informationskunnighet och möjligheten att dela och uttrycka åsikter, så försvagas inte bara den enskilde individen, utan också samhället i stort. I värsta fall skulle utvecklingen kunna leda till en systematisk sårbarhet för demokratin om en betydande del av befolkningen blir mindre motståndskraftig mot förenklade budskap och manipulation.

Vägen framåt

Framtiden som AI-agenterna formar är inte förutbestämd. Den kommer att avgöras av de val som görs idag av beslutsfattare, teknikföretag, medieaktörer och medborgare. Centralt står behovet av möjligheten att kunna delta i debatten när den pågår, om transparens, ansvarsskyldighet och mänsklig översyn. AI-system måste designas för att stärka snarare än undergräva demokratiska processer. För att komma dig behöver vi en starkare samhällsdebett om hur tekniken utvecklas och implementeras.

Internet är i omställning här och nu. Inom få år kommer vårt sätt att interagera med information igen att ha förändrats, som en konsekvens av den pågående AI-utvecklingen. Frågan är inte om förändringen kommer att ske, utan vem som kommer att forma den, och i vems intresse. Det måste vara samhällets ansvar att forma en framtid där AI-agenternas tidsålder blir en kraft för positiv förändring, snarare än ett hot mot ett öppet, rättvist och demokratiskt internet.”

Vi står vid ett vägskäl. De val vi gör nu kommer att avgöra om AI-agenter blir verktyg för en stärkt opinionsbildning, ett utvecklat kunskapssamhälle och en god demokratisk utveckling, eller om det istället blir ett instrument för manipulation och kontroll. Framtiden för demokratin i vår alltmer digitala tidsålder hänger på vår förmåga att navigera denna transformation medvetet och strategiskt. Att internet är under omvandling, det vet vi om. Men det är bara vi som väljer om vi aktivt deltar i att påverka dess riktning och kommande destination.

Läs mer

Aghion & Jones (2025). AI and Economic Growth. Stanford.

ActivityPub Working Group. (2018). ActivityPub specification. W3C.

Anthropic. (2025). Make AI agents your unfair advantage. Anthropic

Cambridge Analytica. (2018). The Facebook-Cambridge Analytica data scandal explained. The Guardian.

Credence Research. (2024). AI-as-a-Service market analysis 2024-2032.

eMarketer. (2024). 2025 – The year AI agents transformed from chatbots to productivity powerhouses

Hassabis, D. (2024, maj 14). Google I/O 2024: AI for everyone. [Keynote presentation]. Google I/O Conference.

McKinsey Global Institute. (2024). The economic potential of generative AI.

Microsoft. (2025). Supporting the open agentic web. Microsoft Build 2025.

The Verge. Open AIs agent can contro an entire computer and do tasks for you. The Verge.

Reuters Institute. (2024). Digital News Report 2024: AI adoption in global newsrooms. Reuters Institute for the Study of Journalism.

World Economic Forum (2025). What are the risks and benefits of AI agents?