Agentic search – når AI søker, planlegger og handler for deg

Definisjon

Agentic search er KI-systemer som ikke bare svarer på spørsmål, men på egen hånd planlegger og utfører oppgaver i flere steg – som å sammenligne, bestille eller oppsummere – uten manuell styring fra brukeren.

Fra søk til handling

Tradisjonelt søk er en utveksling: du stiller et spørsmål, og søkemotoren returnerer en liste med treff. Samtalebasert kunstig intelligens (KI) som ChatGPT tok neste steg og formulerer direkte svar. Agentic search går et steg lenger: i stedet for å sende ett enkelt spørsmål orkestrerer systemet flere koordinerte søk iterativt, vurderer resultatene løpende, finner informasjonshull og omformulerer neste spørsmål ut fra det det fant – helt til oppgaven er løst. Sluttresultatet er en handling, ikke en lenkeliste.

Hvordan agentic search fungerer

Kjernen er en iterativ søkesløyfe: hver runde med resultater danner grunnlaget for neste spørsmål. Agenten undersøker hva hvert resultatsett inneholder, avgjør hva som mangler, og justerer de neste søkene automatisk – uten manuell styring. Teknisk kombineres en LLM med verktøy (nettsøk, kodekjøring, utfylling av skjemaer, API-kall) og en planleggingsevne som bryter ned komplekse oppgaver i delmål. Det er denne selvkorrigerende sløyfen av persepsjon, resonnement og handling som skiller agentic search fra en enkel RAG-pipeline eller et chatbot-svar. Mer om hvordan dette fungerer teknisk finner du i Firecrawls gjennomgang av agentic search.

Eksempler på agentic search i praksis

• Google AI Mode – Bruker resonnement i flere steg for å bryte ned komplekse spørsmål i delspørsmål og syntetisere svar fra flere kilder i én og samme økt.
• Perplexity Deep Research – Utfører automatiserte researchoppdrag: søker, leser, oppsummerer og presenterer strukturerte rapporter med kildehenvisninger.
• OpenAI Operator & Deep Research – Kan navigere på nettsider, fylle ut skjemaer og gjennomføre oppgaver direkte i nettleseren på vegne av brukeren.
• Microsoft Copilot Actions – Bygger agentic search inn i arbeidsflyter som e-posthåndtering, kalenderbookinger og oppsummering av dokumenter.
• Azure AI Search / OpenSearch – Tilbyr agentic retrieval på enterprise-nivå for samtalebaserte søkeopplevelser internt i organisasjoner.

Agentic Engine Optimization: når AEO får ny betydning

I april 2026 publiserte Addy Osmani, ingeniørsjef i Google Cloud AI, en artikkel om det han kaller Agentic Engine Optimization – og brukte forkortelsen AEO i en ny betydning. Her viser AEO til å strukturere og servere teknisk innhold slik at KI-agenter kan bruke det, ikke bare gjengi det. Det er et viktig skille: optimalisering for agentic search handler ikke lenger bare om å dukke opp som kilde i et KI-svar, men om at innholdet ditt faktisk er maskinbrukbart – at en agent kan hente, tolke og handle på det. Googles anbefalinger ifølge Search Engine Land overlapper med kjent AEO-praksis: kortere sider, tydelige semantiske signaler og maskinlesbare formater.

Hva agentic search krever av innholdet ditt

Når en KI-agent gjennomfører en kjøpsreise, sammenligner leverandører eller oppsummerer et emne, er det ikke lenger sikkert at en menneskelig bruker ser siden din – agenten konsumerer innholdet og presenterer en konklusjon. Det gjør disse faktorene ekstra kritiske:

• Tokenøkonomien – Antall tokens er nå en konkret optimaliseringsfaktor. Agenter belønner sider som raskt kommer til poenget.
• Maskinlesbart innhold – Strukturert data, schema markup og tydelig HTML-semantikk gjør det enklere for agenter å trekke ut korrekt informasjon.
• Faktarik tekst med kildehenvisninger – Agenter prioriterer innhold de kan verifisere og sitere. Påstander uten kilde risikerer å bli filtrert bort.
• Entitetsstyrke – En veldefinert entity profile gjør at agenten knytter riktig informasjon til riktig merkevare, produkt eller person.
• Direkte svarformat – Korte, presise svar på faktaspørsmål er lettere å sitere enn lange resonnementer uten tydelig konklusjon.

Merkevarer uten AI-synlighet taper salg

I klassisk søk kan en lav rangering kompenseres ved at brukeren blar videre. I agentic search finnes det ingen side 2 – agenten velger én eller noen få kilder og handler ut fra dem. Er konkurrenten din lettere å sitere for KI, risikerer du å bli utelatt fra hele beslutningsprosessen. Det er samme logikk som driver AEO-arbeid: mangler en KI informasjon om produktet ditt, har den en tendens til å svare nei heller enn vet ikke – og du mister kunden uten engang å vite om det.