OpenAI Presence er laget for å gjøre voice- og chat-agenter pålitelige nok til å håndtere ekte kunder, bruke bedriftens systemer og utføre godkjente handlinger. Det nye er ikke først og fremst enda en modell. OpenAI pakker modeller, regler, guardrails, evaluering, menneskelig overtakelse og løpende forbedring inn i én enterprise-leveranse.

Hvis du har forsøkt å flytte en AI-agent fra en pen demo til et faktisk arbeidsløp, kjenner du problemet. Demoen svarer gjerne imponerende på de fem spørsmålene du har forberedt. Kundene stiller spørsmål nummer seks, tolker refusjonsregelen på sin egen kreative måte og ringer mens systemet rundt agenten nettopp er oppdatert.

Presence er OpenAIs svar på dette gapet mellom «modellen kan» og «bedriften tør å la den gjøre». Det mest interessante er derfor ikke at agenten kan snakke eller chatte. Det kan utviklere allerede bygge med OpenAIs API-er. Poenget er hele systemet rundt agenten, og at OpenAI selv stiller med folk for å få det i produksjon.

Hva er OpenAI Presence?

OpenAI Presence er et produkt for bedrifter som vil sette voice- og chat-agenter i produksjon. Agentene kan svare på spørsmål, løse saker, hente informasjon fra bedriftens systemer, utføre godkjente handlinger og sende saken videre til et menneske. Tjenesten ble lansert 22. juli 2026.

Hver utrulling begynner med én bestemt jobb. Det kan være fakturaproblemer, behandling av forsikringskrav eller interne IT-henvendelser. Agenten får bare kunnskapen og systemtilgangen den trenger til akkurat den jobben. Bedriften bestemmer hva den får gjøre selv, når den må be om godkjenning og når et menneske skal overta.

Det høres nesten selvfølgelig ut. Nettopp derfor er det viktig. En generell chatbot med tilgang til alt mulig er lett å demonstrere, men vanskelig å kontrollere. En agent med et avgrenset ansvar, minst mulig tilgang og tydelige stoppunkter er langt mer realistisk i produksjon. Presence gjør denne avgrensningen til en del av produktet, ikke et notat noen håper utviklerteamet husker senere.

Avgrenset OpenAI Presence-agent med systemtilgang, godkjente handlinger og menneskelig overtakelse
En produksjonsklar agent får bare tilgangen den trenger, utfører godkjente handlinger og sender saken videre når grensene nås.

Hva skiller Presence fra Realtime API og Agents SDK?

Presence er en ferdig enterprise-leveranse, mens Realtime API og Agents SDK er byggesteiner for utviklere. API-et gir sanntidslyd, samtalestatus og verktøykall. SDK-et gir mønstre for agenter, handoffs, guardrails og menneskelig godkjenning. Presence samler disse egenskapene med bedriftens regler, tester, systemintegrasjoner og drift.

OpenAIs dokumentasjon for voice agents viser hvor mye som allerede kan bygges: tale i sanntid, avbrytelser, naturlig turtaking, verktøy og overføring mellom agenter. Det er kraftige komponenter, men komponentene bestemmer ikke hvem som får refundere 12 000 kroner, hvordan en vanskelig forsikringssak skal eskaleres eller hvordan en endret bedriftsregel skal testes før den møter kundene.

Det er den siste delen Presence prøver å eie. OpenAI jobber sammen med kunden for å finne et verdifullt arbeidsløp, koble til nødvendige systemer, definere tillatelser og regler, teste løsningen og få den i produksjon. Selskapet kan fortsette å støtte utrullingen sammen med utvalgte systemintegratorer når den vokser.

Dette plasserer Presence et annet sted enn OpenAIs Agents SDK med sandboxing og guardrails. SDK-et er noe et teknisk team bygger med. Presence er noe OpenAI og kunden får på beina sammen. Det er mindre gjør-det-selv, mer «la oss faktisk få dette til å fungere mandag morgen».

Har OpenAI dokumentert at det virker?

OpenAIs sterkeste eksempel er selskapets egen engelskspråklige telefonsupport. Ifølge lanseringen løser Presence nå 75 prosent av innkommende saker uten menneskelig hjelp. En Codex-drevet forbedringssløyfe skal i tillegg ha redusert andelen saker som måtte sendes videre til mennesker med 15 prosentpoeng på ti dager.

Dette er mer nyttig enn en løs påstand om at agenten «øker produktiviteten». Tallene kommer fra et virkelig supportløp der agenten håndterer åpne spørsmål, bekrefter innringeren, bruker kontoinformasjon og utfører godkjente handlinger. OpenAI sier at løsningen i løpet av noen uker nådde eller slo selskapets egne kvalitetskrav for menneskelig førstelinjesupport.

Samtidig er dette OpenAIs egne tall fra OpenAIs egen kanal, vurdert etter OpenAIs egne kriterier. Selskapet oppgir ikke i lanseringen hvor mange samtaler målingen dekker, hvor krevende sakene var eller hvordan de resterende 25 prosentene fordelte seg. Tallene er lovende, men ikke en uavhengig fasit for hva en bank, et forsikringsselskap eller en norsk nettbutikk vil oppnå.

De navngitte kundene er heller ikke like langt kommet som overskriften «bevist i ledende virksomheter» kan få det til å høres ut. BBVA utforsker voice-support for bankkunder i Mexico, SoftBank tester japanske kundesamtaler, og IAG utforsker støtte under perioder med stor pågang og ekstremvær. Det viser seriøs interesse og krevende bruksområder. Det dokumenterer ikke at alle tre allerede har en ferdig løsning i full drift.

Hvordan skal agenten holdes under kontroll?

Før en Presence-agent lanseres, tester teamet den med vanlige henvendelser, sjeldne tilfeller og situasjoner med høyere risiko. Simuleringer og automatiske vurderinger kontrollerer om den kom frem til riktig resultat, fulgte reglene, brukte verktøy riktig og ba om menneskelig hjelp når den skulle. Guardrails kan gripe inn hvis samtalen beveger seg utenfor grensene bedriften har satt.

Dette er omtrent motsatsen til å skrive en lang systemprompt og håpe på det beste. Agenten må prøves mot konkrete scenarioer, og bedriften trenger mål for mer enn hvor hyggelig svaret høres ut. Utførte den riktig handling? Brukte den riktig verktøy? Fulgte den refusjonsregelen som gjaldt? Stoppet den da risikoen ble for høy?

OpenAIs egen Agents SDK-dokumentasjon skiller mellom guardrails, menneskelig kontroll, sporing og evaluering. Presence ser ut til å gjøre disse mekanismene til en samlet driftsmodell. Det er et viktig skille, fordi en agent som får utføre handlinger trenger flere sikkerhetslag enn en chatbot som bare lager tekst.

Ingen av disse ordene er en garanti i seg selv. «Trusted» står pent på en produktside, men tillit må dokumenteres per arbeidsløp. Bedriften må fortsatt vite hvilke data agenten ser, hvilke handlinger den kan utføre, hvilke feil som fanges opp, og hva som skjer når både agenten og en automatisk vurdering tar feil samtidig.

Simulerte kundesaker testes mot guardrails, evalueringer og menneskelige kontrollpunkter i produksjon
Simuleringer, evalueringer og menneskelige kontrollpunkter skal holde Presence-agenten innenfor bedriftens regler før og etter lansering.

Hvorfor er Codex en del av Presence?

Codex brukes til å undersøke produksjonssamtaler, eskaleringer og kvalitetssignaler etter at agenten er lansert. Når kundeadferd, produkter eller regler endrer seg, foreslår Codex oppdateringer. Teamet kan teste forslaget mot versjonen som allerede er i produksjon og godkjenne en kontrollert utrulling.

Her ligger kanskje den mest interessante delen av hele lanseringen. En kundeserviceagent er ikke ferdig den dagen den går live. Nye produkter kommer, policyer endres, og kundene finner formuleringer testsettet aldri tok høyde for. OpenAI prøver å gjøre forbedringsarbeidet til en fast sløyfe: observer feil, foreslå endring, kjør tester, sammenlign og la et menneske godkjenne.

Det betyr ikke at Codex får sitte alene og skrive om en produksjonsagent etter eget humør. OpenAI beskriver forslag som teamet skal teste og godkjenne. Det er en helt nødvendig avgrensning. Jeg har tidligere vært tydelig på at Codex ikke bør få selvstendig ansvar bare fordi modellen kan løse avanserte oppgaver i en styrt samtale. Presence er mest troverdig nettopp når forbedringssløyfen beholder kontrollpunktene.

Denne tankegangen passer også med retningen i OpenAIs skybaserte workspace agents for bedriftsteam. OpenAI beveger seg fra enkeltstående svar mot agenter som lever i faktiske arbeidsprosesser. Presence går enda nærmere driften, der agenten møter kunder og handlingene kan få økonomiske følger.

Hvem kan bruke OpenAI Presence?

Presence er tilgjengelig nå for kvalifiserte enterprise-kunder gjennom en begrenset generell tilgjengelighet. Utrullingene ledes av OpenAIs egne Forward Deployed Engineers og utvalgte globale systemintegratorer. Produktet er ikke tilgjengelig som selvbetjening, og OpenAI har ikke oppgitt offentlig pris.

Det er en viktig realitetsorientering for små og mellomstore bedrifter. Dette er ikke et nytt valg i ChatGPT du kan slå på i ettermiddag. Du må kontakte OpenAI-kontakten din, bli vurdert som aktuell kunde og gå gjennom en bemannet leveranse. Akkurat nå lukter det store kontrakter, eksisterende enterprise-forhold og arbeidsløp med nok volum til å forsvare spesialister på begge sider.

OpenAI sier samtidig at voice-kunder fortsatt får tilgang til de fremste modellene gjennom API-et. Bedrifter og utviklere som ikke kvalifiserer til Presence, kan altså fortsatt bygge voice-agenter selv. Forskjellen er at de selv må ta ansvar for integrasjoner, evaluering, tillatelser, eskalering, overvåking og forbedringssløyfen.

For SMB-markedet er Presence derfor mest interessant som en oppskrift på hva en produksjonsklar agent faktisk krever. Start med én avgrenset jobb. Gi minst mulig tilgang. Definer godkjente handlinger. Test både normalen og det rare. Sørg for menneskelig overtakelse. Mål hva som skjer etter lansering. Det er mindre sexy enn «AI svarer på alt», men langt mer nyttig.

Er Presence egentlig en plattform eller en konsulentleveranse?

Svaret ser ut til å være begge deler. OpenAI omtaler Presence som et produkt og viser et felles sett med policyer, evalueringer, godkjente handlinger, simuleringer og forbedringsverktøy. Samtidig krever hver utrulling OpenAI-ingeniører eller utvalgte partnere som kobler produktet til kundens virkelighet.

Det er ikke nødvendigvis en svakhet. Programvare som tar avgjørelser i bank, forsikring, support og interne systemer kan ikke alltid behandles som enda en app med en «Start gratis»-knapp. Den interessante testen blir om OpenAI klarer å gjøre nok av arbeidet repeterbart til at Presence kan skaleres, uten at hver kunde ender med et dyrt spesialprosjekt forkledd som plattform.

Foreløpig er OpenAIs egen supportkanal det klareste beviset på at modellen kan virke. De øvrige kundene viser hvor selskapet vil. Jeg liker retningen: mindre fokus på en agent som prater imponerende, mer fokus på hva den får lov til å gjøre, hvordan den måles og hvem som tar over når den møter veggen.

Det er også den ærlige dommen over agentmarkedet i 2026. Modellen er bare én del. Resten er tilgang, regler, tester, observasjon, integrasjoner og mennesker som faktisk eier konsekvensene. OpenAI Presence er interessant fordi OpenAI endelig selger hele den pakken som produkt. Nå gjenstår det å se om resultatene holder når produktet flyttes fra OpenAIs egen telefonlinje til andres rotete virkelighet.

Ofte stilte spørsmål

Kan små bedrifter kjøpe OpenAI Presence nå?

Nei, ikke som et vanlig selvbetjent produkt. Presence tilbys kvalifiserte enterprise-kunder gjennom begrenset generell tilgjengelighet. Utrullingen ledes av OpenAI-ingeniører og utvalgte systemintegratorer. Mindre bedrifter kan fortsatt bygge voice- og chat-agenter med OpenAIs API-er.

Kan Presence-agenten utføre handlinger i bedriftens systemer?

Ja, men bare handlinger bedriften har godkjent og gitt nødvendig tilgang til. Kunden definerer hvilke systemer agenten kan bruke, hva den kan gjøre selv, når den trenger godkjenning, og når saken skal overtas av et menneske.

Er OpenAI Presence tilgjengelig som API?

Presence er ikke presentert som et selvbetjent API. Det er en bemannet enterprise-leveranse som bygger på OpenAIs modeller og agentsystemer. Utviklere kan fortsatt bruke Realtime API og Agents SDK for å lage egne løsninger, men må da bygge driftslaget selv.

Hvor godt løser Presence kundesaker uten mennesker?

OpenAI oppgir at Presence løser 75 prosent av sakene i selskapets engelskspråklige telefonsupport uten menneskelig hjelp. Tallet er lovende, men kommer fra OpenAIs egen kanal og egne målinger. Resultatet kan derfor ikke overføres direkte til andre virksomheter og arbeidsløp.

Legg igjen en kommentar

Din e-postadresse vil ikke bli publisert. Obligatoriske felt er merket med *

Meld deg på nyhetsbrevet

Få oppdateringer om AI nyhetene rett i inboxen!

Du liker kanskje denne også
Jan Sverre arbeider med Suno AI musikk-generering på datamaskinen, kreativt workspace med hodetelefoner

Suno AI – 150 Låter Testet: Hva Funker og Hva Er Bortkastet Tid

Jeg testet 150 Suno-låter og fant tydelige mønstre. Her er hva som faktisk gir kvalitet, og hva som bare kaster bort tid.
Jan Sverre styrer et digitalt kontrollpanel omgitt av Claude AI-symboler og glødende lysstriper i et mørkt rom

Claude AI – pris, funksjoner og norsk guide (2026)

Alt om Claude AI i 2026 – priser i norske kroner, Claude Pro vs Max, Claude Code, og ærlig sammenligning med ChatGPT. Komplett norsk guide fra en som bruker Claude daglig.
Jan Sverre med headphones og lydmikser i boardroom-møte med forvirrede executives

Suno AI Copyright 2026 – Opphavsrett og Rettigheter for AI-Musikk

Kan du tjene penger på Suno-musikk? Her er en praktisk gjennomgang av rettigheter, risiko og hva du bør avklare før publisering.
Jan Sverre sitter ved sitt kraftige AI-workstation oppsett med ultrawide skjerm og flere PC-er som kjører Ollama og lokale LLM-modeller

Ollama Guide – Kjør AI Gratis og Lokalt på Din Egen PC (2026)

Komplett guide til Ollama og lokale LLM-er på RTX 4090. Lær quantisering, Hugging Face import, beste modeller (Gemma 3, Qwen 3), GDPR-fordeler og full kostnadskontroll.