|
95% Of "AI Agents" Are Fake
Julia McCoy
Ifølge Julia McCoy er 95 % af de produkter, der markedsføres som AI-agenter, i virkeligheden bare chatbots eller arbejdsgange med nyt branding – et fænomen kaldet "agent washing". Hun underbygger dette med tal fra Gartner, MIT og S&P Global, der viser, at over 40 % af agentiske AI-projekter forventes aflyst inden 2027, og at 95 % af virksomheder ikke ser noget afkast på generativ AI. Problemet er ifølge McCoy ikke teknologien, men at grundlæggere køber falske agenter og springer den nødvendige infrastruktur over. Hun anbefaler en fast byggerækkefølge – data, indhold, CRM, workflow og til sidst agenten – og giver tre konkrete spørgsmål, man kan stille leverandører for at afsløre, om de sælger en ægte AI-agent eller blot en glorificeret Zapier.
|
|
AI Agents That Small Businesses Actually Need in 2026 (Claude)
Jake One Page
Videoen argumenterer for, at de fleste udviklertutorials om AI-agenter er irrelevante for ejere af små virksomheder, fordi de fokuserer på teknisk opsætning frem for praktiske forretningsresultater. I stedet præsenterer værten platformen Base 44, som giver mulighed for at bygge fuldt fungerende AI-agenter uden kode, API-nøgler eller teknisk infrastruktur. Live bygger han tre konkrete forretningsagenter: en leadgenereringsassistent til hjemmesider, en agent der overvåger præstationer og leverer indsigter, samt en agent til operationel koordinering – alle designet til at sælges som tilbagevendende månedlige services til lokale virksomheder.
|
|
AI AGENTS FULL COURSE 8 HOURS: Build & Sell (2026)
Albert Olgaard
This is an 8-hour full course by Albert Olgaard focused on building and selling AI agents, likely targeting aspiring AI entrepreneurs and developers looking to monetize agent-based systems in 2026. Without a transcript available, the specific tools, frameworks, and business strategies covered cannot be confirmed in detail. The course title suggests it covers both the technical side of constructing AI agents and the commercial aspects of bringing them to market.
summary from description (full transcript skipped)
|
|
Steal My Actual AI Agent Workflow (2027)
Nick Saraev
Nick Saraev forklarer, hvordan han bruger AI-agenter i sin daglige arbejdsgang for at øge produktiviteten i sin virksomhed, der omsætter over 400.000 dollars om måneden. Han bruger projektstyringsværktøjet Linear som et fælles arbejdsområde, hvor han opretter opgaver, tagger dem som "AI-klar", og lader en AI-agent (kaldet Fable) automatisk udføre dem baseret på en vidensbase, arbejdsområdekontekst og adgangsoplysninger til forskellige tjenester. Workflowet fungerer ved, at Linear sender en webhook, når en opgave er tagget, hvorefter agenten selvstændigt arbejder på opgaven og opdaterer statusser i systemet. Han understreger, at man stadig skal verificere AI'ens output og bruge sin menneskelige dømmekraft til at udvælge de bedste resultater.
|
|
5 AI Myths & The Truth Behind Them: ML, Context, Agents & More
IBM Technology
Videoen gennemgår fem udbredte myter om AI og nuancerer dem med aktuel forskning og praksis. Myte 1 handler om, at AI hallusinerer ofte – dette er reduceret markant i moderne frontiermodeller via værktøjsbrug og kalibreret afvisning, men sker stadig ca. 3% af tiden. Myte 2 er, at man kan "se AI tænke" via ræsonnementsspor – disse spor er ikke troværdige afspejlinger af modellens interne beregning, men snarere en post hoc-rationalisering. Myte 3 er, at træning er den dyreste AI-beregning – inferens vokser hurtigt og forventes at udgøre to tredjedele af alle AI-beregningsomkostninger i 2025. Myte 4 er, at store kontekstvinduer fungerer som databaser – modeller klarer sig godt med at finde én enkelt information, men præstationen falder markant ved komplekse, flerstrenget informationssammenkobling. Myte 5 er, at AI-agenter kan arbejde fuldt autonomt – sammensatte fejl i lange handlingskæder gør, at menneskelig overvågning stadig er nødvendig for pålidelig drift.
|
|
I Tried Making $800 in 4 Hours with AI Agents (To See If It Works)
Mikey No Code
This video follows a self-described beginner who sets a four-hour timer to test whether AI agents can realistically generate $800 by building an automated booking system for a hair salon using a no-code tool called Base44. The creator walks through the full build live on screen, including setting up a virtual receptionist agent that answers common questions, connects to Google Sheets and Gmail for booking management, and links to Telegram for automated appointment reminders and follow-up messages. Additional integrations with Google Calendar and Stripe are demonstrated to handle real-time availability and deposit collection, reducing no-shows and double bookings. The video also promotes a paid Base44 masterclass offered free to viewers, and suggests the same AI agent framework can be applied to other appointment-based businesses such as clinics, barbershops, and consultants.
|
|
I built an AI agent I actually use every day (code available)
Chris Raroque
Chris Raroque walks through the major updates he shipped to Boop, his open-source iMessage-based AI agent, over the past two months. Key additions include native integrations for iMessage, Apple Notes, and Apple Reminders — made possible by querying the local SQLite databases Apple uses to store that data — as well as a more capable browser powered by a library called Patchwright, which bypasses bot detection on sites like Instagram and LinkedIn. He also rewrote the agent to be model-agnostic, allowing users to switch between Anthropic's Claude and OpenAI's Codex as the underlying harness, and shipped a full Electron-based desktop app to simplify permissions and eliminate the need to manually restart the agent from the terminal. Throughout, he emphasizes that an agent's usefulness is largely determined by the quality of its tools and data access.
|
|
Manus AI Agent Is INSANE - Vibe Coding A Windows App!
Bijan Bowen
Videoen handler om at teste Manus AI-agenten, som er sponsorer af videoen, med fokus på dens Windows-skrivebordsapplikation. Værten bruger Manus til at "vibe code" en Windows-applikation, der visuelt overvåger GPU-udnyttelse på en bærbar computer med en mobil RTX 5090, inspireret af Windows Vista-sidebjælkens æstetik. Han demonstrerer, hvordan agenten selvstændigt designer arkitektur, implementerer GPU-overvågning og genererer en UI-mockup med cirkulære målere og et mørktilstandsdashboard. Derudover vises en praktisk funktion, hvor man kan fjernstyre og overvåge agentens fremskridt via en mobilapp ved at scanne en QR-kode.
|
|
Kamirai AI Review: The Easiest Way to Build AI Agents
CRYPTOMARCAI
Videoen er en præsentation og gennemgang af Kamurai (KRI), et nyt meme-token på BNB-kæden, der befinder sig i en tidlig forsalgsfase. Værten Mark fremhæver tokenets deflationære model, hvor 365 milliarder tokens allerede er brændt permanent, og en indbygget DEX-motor der kanaliserer 70% af alle handelsgebyrer til tilbagekøb og afbrænding. Der er ingen købs-, salgs- eller overførselsskat, ingen vesting-periode, øjeblikkelig levering af tokens, og kontrakten er revideret af CertiK. Forsalgsprisen stiger med 30% for hvert nyt trin, og Mark opfordrer seerne til at tjekke projektet ud via links i videobeskrivelsen.
|
|
Agentic AI vs AI Agent — Explained with Copilot Studio Examples
Dhruvin Shah
Videoen forklarer forskellen mellem to ofte forvekslede begreber: en **AI-agent** og **agentisk AI**. En AI-agent er et målspecifikt program, der udfører én defineret opgave – f.eks. en IT-helpdesk-bot eller en virtuel assistent bygget i Copilot Studio – og kun reagerer inden for sit begrænsede domæne. Agentisk AI fungerer derimod som en "manager", der selv planlægger, orkestrerer og delegerer komplekse opgaver til flere specialiserede AI-agenter, kombinerer deres resultater og leverer et samlet svar med minimal menneskelig indblanding. Som eksempler nævnes bl.a. GitHub Copilot og et rejsebureauscenarie, hvor en overordnet agent automatisk videresender visumforespørgsler til den rette landespecifikke agent.
|