De flesta beskrivningar av AI-agentteam stannar i det abstrakta. Här visar vi ett verkligt: vilka agenter som finns, vad de gör, vilka verktyg de har och var gränserna går.
Talented AI har byggt ett agentteam som övervakar, analyserar och rapporterar om vår egen Azure-miljö. Det tar över en del av det ett DevOps-team gör, men agenterna har bara läsrätt, och det är alltid en människa som beslutar om en åtgärd. Teamet körde i vår egen Azure-miljö i april 2026 och har varit pausat sedan juli 2026.
De fem agenterna
1. Azure Monitor Agent
Jobb: Läsa in och normalisera Azure-telemetri.
Varje gång agenten kör frågar den Azure Monitor REST API — Log Analytics, Metrics API, Resource Health, Service Health — och normaliserar det den hittar till strukturerade resultat som övriga agenter kan konsumera.
Den viktigaste designbegränsningen här är enbart observation. Denna agent har ingen skrivbehörighet till Azure. Den kan inte bekräfta varningar, skapa ärenden eller ändra tröskelvärden. Dess enda jobb är att se vad som händer och rapportera det i ett konsekvent, maskinläsbart format.
Varför så smalt? Så fort en agent som ska observera får skrivbehörighet kan den börja agera på ofullständig information, innan analysen och eskaleringen har hunnit gå igenom det den hittade. Monitor Agent ska ta fram fakta och lämna besluten åt andra.
Kadensen: Samma som de andra fyra. I april 2026 körde alla fem var sjätte timme dygnet runt, och dessutom när de fick ett ärende.
Modell: Mellanklass (Claude Sonnet) — strukturerad dataextraktion kräver inte avancerat resonemang.
Azure-behörigheter: Monitoring Reader och Log Analytics Reader, båda skrivskyddade. Det är de roller vi ger agenten när teamet sätts upp.
Uppskattad kostnad: ~0,50 USD per månad i vår miljö.
2. Infrastructure Analyzer
Jobb: Hitta kostnader som stiger, brister i konfigurationen och säkerhetsbrister i infrastrukturen.
Monitor Agent ser vad som händer, och Infrastructure Analyzer bedömer hur miljön ser ut just nu. Den frågar Azure Resource Graph om aktuella resurskonfigurationer, stämmer av mot Azure Advisors rekommendationer, läser utgiftstrenderna i Cost Management och jämför allt med den baslinje för miljön som togs fram när teamet startade.
Utdata är en rangordnad lista med resultat: var och en taggad med kategori (kostnad / säkerhet / konfiguration), påverkan (kvantifierad där möjligt — "att byta dessa 3 virtuella datorer till Reserved Instances sparar ungefär 2 400 SEK/månad", en illustrativ siffra), insatsuppskattning och konfidensnivå.
Konfidensnivån får aldrig saknas. Varje rekommendation som Analyzer producerar måste märkas med hög, medel eller låg konfidens och med skälen till det. Med märkningen kan Ops Coordinator och vi avgöra hur mycket vi ska lita på ett resultat utan att göra om analysen.
Kadensen: Samma som de andra fyra. I april 2026 körde alla fem var sjätte timme dygnet runt, och dessutom när de fick ett ärende.
Modell: Mellanklass (Claude Sonnet).
Azure-behörigheter: Reader, Cost Management Reader, Security Reader — alla skrivskyddade.
Uppskattad kostnad: ~0,40 USD per månad i vår miljö.
3. Incident Responder
Jobb: Korrelera anomalier, klassificera allvarlighetsgrad och ta fram åtgärdsförslag.
Incident Responder körde på samma schema som de andra, men det viktiga arbetet gjorde den när Ops Coordinator tilldelade den en incident. Tanken var att incidenten skulle komma från Monitor Agent, när den flaggade en anomali över tröskelvärdet.
När den vaknar jämför den varningen med den senaste telemetrin, de senaste resursändringarna (från Azure Activity Log) och tidigare incidenter i miljön. Den producerar en allvarlighetsklassificering — P1 (tjänsten nere), P2 (degraderad), P3 (varning), P4 (information) — och ett åtgärdsförslag med en återställningsplan.
Två designregler styr denna agent:
För det första presenterar den alltid ett "gör ingenting"-alternativ bredvid sin rekommenderade åtgärd, med en explicit riskbedömning. En stressad operatör gör ibland det som är enklast för stunden. När det står svart på vitt vad det kostar att inte göra något blir det valet svårare att ta utan att tänka efter.
För det andra utför den aldrig åtgärder själv. Den lägger fram förslag som kräver mänskligt godkännande.
Kadensen: Samma som de andra fyra, och dessutom när den får en incident. Enligt dess instruktioner ska den börja utreda en SEV-1 inom 15 minuter efter att den har fått ärendet.
Modell: Mellanklass (Claude Sonnet) för P3/P4; Claude Opus för komplex P1-korrelation där djupare resonemang spelar roll.
Azure-behörigheter: Log Analytics Reader och Monitoring Reader, båda skrivskyddade. Det är de roller vi ger agenten när teamet sätts upp.
Uppskattad kostnad: ~0,60 USD per månad i vår miljö (högre på grund av enstaka Opus-användning).
4. Knowledge Writer
Jobb: Omvandla råa driftsdata till strukturerade, människoläsbara kunskapsartefakter.
Hos Knowledge Writer blir det de tre specialistagenterna har hittat till något som en IT-chef eller CFO kan använda utan att ha följt varje varning. Den konsumerar resultat från Monitor Agent, rekommendationer från Infrastructure Analyzer och incidentrapporter från Responder — och producerar sedan:
- Veckovisa Azure-hälso- och kostnadsrapporter (sammanfattar veckans resultat med SEK-kvantifierade optimeringsmöjligheter)
- Incidentanalyser i efterhand (inom 24 timmar efter P1/P2-lösning — vad hände, grundorsak, vidtagna åtgärder, förebyggandeplan)
- Beskrivningar av genomförda optimeringar (när en rekommendation implementeras och påverkan mäts)
- Uppdaterade runbooks (när ett nytt incidentmönster observeras)
Kadensen: Samma som de andra fyra. I april 2026 körde alla fem var sjätte timme dygnet runt, och dessutom när de fick ett ärende.
Modell: Mellanklass (Claude Sonnet). Agenten skriver och sammanfattar och behöver inga avancerade resonemang.
Uppskattad kostnad: ~0,30 USD per månad i vår miljö.
5. Ops Coordinator
Jobb: Samordna teamet, rapportera till oss och hålla eskaleringskedjan.
Coordinatorn är den dyraste agenten i teamet. Den använder en starkare modell än de andra, även om arbetet i sig inte kräver mest beräkning. Den måste kunna avgöra om en P3-incident behöver Incident Responders uppmärksamhet eller kan vänta till veckorapporten. Uppdateringarna den skriver till oss ska vara ärliga och lätta att förstå. Och den ska märka när en agent har fastnat eller levererar dåligt och gå in innan det syns i rapporterna.
Coordinatorns grundrutin är enkel: granska alla agentutdata, triagera och dirigera nytt arbete, samla lågprioriterade resultat till veckorapporten och eskalera omedelbart för P1/P2-incidenter.
Reglerna för eskalering är nedskrivna och gäller utan undantag. P1- och P2-incidenter går direkt till den person som är utsedd på eskaleringslistan, i samma heartbeat som de klassas. Budgeten går inte via Coordinatorn, eftersom plattformen varnar vår styrelse direkt. Om tre eller fler agenter är blockerade samtidigt eskalerar Coordinatorn till Talented AI:s interna team.
Coordinatorn håller också nere bruset. En Azure-miljö ger många varningar som inte betyder särskilt mycket. Coordinatorn tar bort dubbletter och slår ihop resultat som hör ihop, så att det som når vår inkorg är utvalt och värt att läsa.
Kadensen: Samma som de andra fyra. I april 2026 körde alla fem var sjätte timme dygnet runt, och dessutom när de fick ett ärende.
Modell: Claude Opus — behöver omdöme, inte bara syntes.
Uppskattad kostnad: ~0,80 USD per månad i vår miljö.
Vad teamet kostar och vad ni jämför det mot
De fem posterna ovan är våra egna uppskattningar och summerar till ungefär 2,60 USD per månad i agentberäkning i vår miljö. Det är inte hela kostnaden — Azure API-användning, infrastrukturhostning och Talented AI:s konfiguration och tillsyn är separat — men det illustrerar varför multi-agent-arkitekturen är ekonomiskt genomförbar på en mycket mindre skala än de flesta förutsätter.
Vår jämförelsepunkt: en enstaka DevOps-ingenjör som gör detta arbete manuellt skulle lägga 4–8 timmar per vecka (illustrativ) på övervakning, rapportering och incidenttriage. Agentteamet kör i stället dygnet runt, till beräkningskostnaden ovan — med samma informationstäthet och utan context-switching-overhead.
Vad Analyzern gör med er Azure-faktura står beskrivet ovan: den ställer era faktiska resurskonfigurationer mot Azure Advisor och era utgiftstrender mot er egen baslinje. Varje resultat märks med hög, medel eller låg konfidens. Första månadens rapport är den listan — för er miljö, inte för ett branschsnitt. Vad den summerar till beror på hur miljön ser ut, och det är den summan ni väger servicekostnaden mot.
Vad vi lärde oss av att bygga detta
Vi fick inte allt rätt från början. Det här gjorde vi fel i den första versionen.
Vi gav initialt Monitor Agent för många ansvarsområden. I de första versionerna fick den både läsa in telemetri och göra en enkel klassning av avvikelser. Utdata var rörigare och svårare för övriga agenter att konsumera rent. Att separera observation från klassificering förbättrade båda agenterna.
Coordinatorns modell spelar större roll än vi förväntade. Initialt använde vi en mellanklassmodell för Coordinatorn för att spara kostnad. Den blev märkbart sämre på att avgöra vilka resultat som skulle eskaleras och vilka som kunde vänta, och sammanfattningarna blev sämre. När vi bytte till Opus blev kvaliteten så mycket bättre att det var värt den högre kostnaden.
Skrivskydd är rätt standard, även när det känns alltför konservativt. Det finns alltid press att låta agenter "stänga loopen" genom att vidta automatiserade åtgärder. Vi höll fast vid skrivskydd. Om man någonsin ska öppna för automatiserad åtgärdshantering bör det ske först efter flera månader, när den som äger miljön har lärt känna teamet. Det ska finnas uttryckliga flöden för godkännande, och man börjar med åtgärder med låg risk som går att ångra.
Azure Ops-teamet är Talented AI:s referensarkitektur för AI-driven infrastrukturdrift. Om ni vill se hur det här kan se ut i er Azure-miljö börjar ni med Azure Ops Pilot. Under 30 dagar kör hela agentteamet på er infrastruktur, och ni får de första optimeringsresultaten och rapporterna.
Talented AI bygger AI-agentteam för företag. Det här inlägget beskriver vår interna arkitektur och de fem roller den bygger på.