Skuggagenter (shadow agents): AI-agenter som ingen äger

En skuggagent är en AI-agent som agerar med verklig behörighet i en organisation utan att någon namngiven person äger den, vet vad den har åtkomst till, eller ansvarar för att stänga av den när den inte längre behövs.

AI-agenter får egna identiteter, behörigheter och uppgifter. Frågan den här texten handlar om är enklare än den låter: vem äger dem när projektet är över?

Varför det spelar roll

För ett tag sedan skrev vi om Skugg-AI, fenomenet där medarbetare skaffar egna abonnemang på publika assistenter och matar in företagsdata i verktyg som IT aldrig godkänt. Det handlade om enskilda personer som använde AI som assistent: ställde frågor, klistrade in text, fick svar tillbaka.

Steget som tagits sedan dess är större än det låter. Det som växer fram nu är inte människor som pratar med en AI-tjänst, det är AI-agenter som agerar på egen hand.

Ibland byggs de av enskilda medarbetare på eget initiativ, med egna API-nycklar och utan att organisationen formellt vet att de finns. Men de kan också vara helt sanktionerade: ett projekt organisationen själv beslutat om och satt i produktion, men som aldrig fick en namngiven ägare eller en plan för vad som ska hända när den inte längre behövs. Resultatet blir detsamma. Ett system som agerar med verklig behörighet, utan att någon kan svara för det.

Det är den viktiga skillnaden mot Skugg-AI: en skuggagent behöver inte ha skapats i skuggan. Den kan hamna där när organisationen tappar bort ägarskapet under dess livscykel.

I korthet. Skuggagenter uppstår både utanför och inom organisationens godkända AI-initiativ. Problemet är inte bara att upptäcka dem, utan att hantera ägarskap, behörigheter och hela livscykeln. Styrningen behöver därför börja när agenten skapas, inte när någon upptäcker den.

Hur det fungerar

En agent är inte ett konto någon loggar in på ibland, och inte en person som ställer en fråga och väntar på svar. Den agerar autonomt: läser filer, anropar API:er, fattar mikrobeslut, och kan i vissa fall skapa egna underagenter för att lösa delproblem. Den lämnar sällan ett tydligt spår i en katalog som någon faktiskt tittar i, vare sig den byggdes i smyg eller med fullt godkännande.

Ett vanligt scenario ser ut så här:

Ett vanligt scenario. En agent byggs för att sammanställa kundärenden och får tillgång till CRM, samarbetsytor och ett internt API. Sex månader senare läggs projektet ner och utvecklaren går vidare till annat. Agentens API-nycklar, servicekonto och behörigheter finns kvar. Ingen stängde av dem, för ingen ägde frågan om att göra det.

Det finns ännu ingen bra statistik över hur många skuggagenter som finns. Däremot växer antalet icke-mänskliga identiteter snabbt, och där finns siffror. Med en icke-mänsklig identitet menas exempelvis ett servicekonto, en API-nyckel, en automatiserad process eller en AI-agent som behöver identifiera sig mot ett system.

I molnmiljöer går det i genomsnitt 144 sådana identiteter på varje mänsklig identitet, upp från 92 på 1 i början av 2024 (källa: Entro Security, via Cloud Security Alliance). Det betyder inte 144 AI-agenter per anställd. Agenter är en av de uttalade drivkrafterna bakom ökningen, inte hela den.

Källor: Gartner · Entro Security · Deloitte

Gartner ser samma mönster: 94 procent av organisationerna upplever ett växande antal maskinidentiteter, till stor del drivet av AI och AI-agenter. Siffrorna mäter alltså inte antalet agenter i sig, utan den identitetsinfrastruktur agenterna blir en allt större del av. En analys från Cloud Security Alliance fann att över 16 procent av organisationerna inte spårar skapandet av AI-relaterade identiteter alls. Enligt Deloitte har bara 21 procent en mogen styrningsmodell för agentisk AI, trots att 47 procent redan har fler icke-mänskliga än mänskliga identiteter i sin miljö, och bara 22 procent har full insyn i dem.

Sverige saknar ännu egen data specifikt för AI-agenter, men den bredare adoptionskurvan pekar åt samma håll. Enligt SCB använde 35 procent av svenska företag AI 2025, upp från 25 procent året innan, och bland företag med minst 250 anställda låg andelen redan på 72 procent. Om det internationella mönstret håller, att styrningen halkar efter tillväxten, är det rimligt att räkna med samma gap här, bara några år senare.

Regelverket, och varför det inte är hela svaret

Förbuden mot vissa AI-metoder och kravet på AI-kunnighet gäller sedan 2 februari 2025. Reglerna för generella AI-modeller och tillsynsstrukturen gäller sedan 2 augusti 2025. Transparenskraven i artikel 50 gäller sedan 2 augusti 2026.

Kraven på högrisksystem enligt bilaga III gäller från 2 december 2027, och för AI inbäddad i reglerade produkter enligt bilaga I från 2 augusti 2028, sedan Digital Omnibus on AI sköt upp dem (källa: förordning [EU] 2026/1744, publicerad i EU:s officiella tidning 24 juli 2026).

EU AI Act, steg för steg

1. 1 aug 2024 AI-förordningen träder i kraft
2. 2 feb 2025 Förbjudna AI-metoder och kravet på AI-kunnighet gäller
3. 2 aug 2025 Regler för generella AI-modeller, styrningsstruktur och sanktioner
4. 2 aug 2026 Transparenskraven i artikel 50 gäller
5. 2 dec 2027 Högriskkrav för fristående system (bilaga III), uppskjutet via Digital Omnibus
6. 2 aug 2028 Högriskkrav för AI inbäddad i reglerade produkter (bilaga I)

Det betyder inte att man kan luta sig tillbaka. Förordningen bygger på ett antal kontrollprinciper: spårbarhet, dokumentation, tydligt ansvar och, där det krävs, mänsklig översyn. Det är sådant en organisation borde vilja ha oavsett regulatorisk deadline eller vilken riskklass en enskild agent hamnar i.

Att bygga ett agentprogram runt ett enda datum är skört. Att bygga det runt principerna är hållbarare.

Fem principer som täcker det mesta

Den viktigaste insikten är enkel: en agent som aldrig formellt togs emot i organisationen kommer sannolikt heller aldrig att formellt avvecklas. Problemet är sällan bara upptäckt, det är avsaknaden av en livscykel att bli en del av.

1. Registrera vid skapande, inte vid upptäckt. Varje ny agent bör utlösa samma grundkrav, oavsett om den byggs i en utvecklarmiljö, ett SaaS-verktyg eller en LLM-plattform. Den behöver ett namn, ett syfte och en dokumenterad ägare innan den får åtkomst till något av värde.
2. En namngiven människa, inte ett team. Ansvaret ska ligga hos en identifierbar person, inte en delad inkorg eller en funktionsbrevlåda. Den personen är första ansvarspunkt om agenten beter sig oväntat eller orsakar en incident.
3. Minsta möjliga behörighet. Agenter ackumulerar ofta bred åtkomst för att lösa ett smalt problem, eftersom det är enklast i stunden. Skala ner regelbundet till vad uppgiften faktiskt kräver.
4. Granska relevans oberoende av ägarens status. Att en agent stängs av när ägaren slutar är bara ett specialfall. Fyller den fortfarande ett syfte, eller drar den bara resurser och utgör en kvarglömd angreppsyta? Avveckling ska vara en rutinfråga, inte något som triggas av personalförändringar.
5. Återkommande granskning, inte engångsinventering. En lista över agenter blir inaktuell samma dag den skrivs. Governance behöver vara en process, inte ett projekt som avslutas.

Hur vi själva gör det

Det här är inte teori för oss. Vi strukturerar vårt eget AI-ledningssystem utifrån ISO/IEC 42001, tillsammans med ISO/IEC 27001 för informationssäkerhet.

ISO/IEC 27001 ger disciplinen kring åtkomst, loggning och incidenthantering som redan finns i de flesta IT-organisationer. ISO/IEC 42001 lägger till det som är specifikt för AI: dokumenterat syfte, ägarskap och kontinuerlig riskbedömning genom hela livscykeln.

Poängen är inte certifikatet i sig, utan att samma frågor vi ställer om agenter hos kund måste vi kunna svara på om oss själva.

När förbud inte räcker

Om det är krångligare att göra rätt än att bygga en agent på en eftermiddag utan att fråga någon kommer skuggagenterna att fortsätta uppstå, oavsett policy.

Den organisation som lyckas är den som gör rätt väg till den enklaste: enkla mallar, redan godkända verktyg och en tydlig, lättillgänglig ingång till governance-processen från dag ett.

Vanliga missförstånd

”Vi har inga skuggagenter, vi har inte byggt några agenter.” Skuggagenter uppstår lika ofta ur sanktionerade projekt som ur egna initiativ. Frågan är inte om ni beslutat om agenter, utan om de som finns har en namngiven ägare.

”Det räcker att inventera en gång.” En lista blir inaktuell samma dag den skrivs. Det som behövs är en process som fångar agenten när den skapas.

”Agenten stängs av när ägaren slutar.” Bara om någon kopplat agentens livscykel till en människas anställning, och det är sällan gjort. Dessutom är det fel villkor: en agent kan sluta fylla sitt syfte långt innan ägaren byter jobb.

Frågan är därför inte bara om någon i organisationen bygger AI-agenter. Frågan är om ni vet vilka de är, vilken åtkomst de har, vem som äger dem, och vem som stänger av dem när de inte längre behövs.