Adobe agentisk AI i Creative Cloud

Den nye creative agent i Creative Cloud er bygget til at forstå en opgave på tværs af programmer, ikke bare inden i ét. Tidligere har AI-funktioner i Adobes suite typisk løst afgrænsede opgaver, generere baggrund, fjerne objekter, foreslå en palet. Det nye lag skal i stedet forstå en hel arbejdsgang: at et projekt skal starte i Illustrator, gå gennem Photoshop til billedbehandling og ende i InDesign som en færdig kampagne, uden at brugeren manuelt flytter filer og genskaber indstillinger i hvert program.

Det er en markant ambition. Agentisk AI, hvor et system selv planlægger og udfører en flertrinsopgave, er blevet det store buzzword i enterprise-software i 2026, men de fleste implementeringer har begrænset sig til én applikation eller ét snævert workflow. Adobe forsøger at gøre det på tværs af en hel kreativ produktionslinje, hvilket kræver, at agenten forstår konteksten fra det ene program til det næste, ikke bare udfører isolerede kommandoer.

Brugeren formulerer en opgave i almindeligt sprog, for eksempel at en kampagne skal klippes til tre formater og tilpasses til bestemte brandfarver, og agenten oversætter det til konkrete handlinger i de relevante programmer. Det kræver, at Adobe har bygget et lag, der kan tale med Premiere, Photoshop, Illustrator og InDesign samtidigt og holde styr på, hvad der allerede er gjort, og hvad der mangler.

Det centrale er ikke selve genereringen, som Adobe allerede har løst godt med Firefly, men koordineringen. Et rigtigt produktionsforløb involverer beslutninger undervejs, skal denne version bruge samme skrifttype som sidste kampagne, skal farverne matche brandbogen, skal formatet passe til Instagram Stories eller til en trykt brochure. Det er den slags beslutninger, agenten nu forsøger at tage med, ikke kun udføre en enkelt kommando og stoppe.

Sammen med orkestreringslaget introducerer Adobe to nye komponenter i Firefly-studiet. Elements er tænkt som et bibliotek, der holder styr på et brands visuelle identitet, farver, typografi, logoplacering, så agenten automatisk kan anvende de rigtige regler på tværs af projekter uden at brugeren skal specificere dem hver gang.

Projects fungerer som en kontekstuel hukommelse. Det betyder, at agenten kan huske beslutninger og materiale fra tidligere i et projektforløb og bygge videre på det, i stedet for at hver ny prompt starter fra nul. For virksomheder, der producerer store mængder markedsføringsmateriale, er det her den reelle tidsbesparelse ligger, ikke i at generere ét billede hurtigere, men i at slippe for at genopfinde brandreglerne for hver eneste opgave.

Det er også her, Adobe adskiller sig fra rene generative konkurrenter. Andre udbydere kan matche eller overgå Firefly på ren billed- og videokvalitet, men få har bygget et lag, der forsøger at holde styr på en hel produktionshistorik og anvende den konsistent.

Det er her, jeg bliver nødt til at holde en ærlig linje. Adobe har vist et lovende teknisk lag, men flere centrale enterprise-spørgsmål er stadig ubesvarede efter denne annoncering.

Det første er integration. Adobe har ikke offentliggjort, om orkestreringslaget vil understøtte Model Context Protocol (MCP), den spirende standard, der lader AI-agenter tale med eksterne systemer og datakilder på en ensartet måde. Uden MCP-understøttelse risikerer Adobes agent at blive en lukket ø, der fungerer glimrende inden for Creative Cloud, men ikke kan trække data fra eller skrive til virksomhedens øvrige systemer, DAM-platforme, CMS-integrationer eller marketingautomatisering.

Det andet er dataarkitektur. Når en agent får adgang til at handle på tværs af fire programmer og huske kontekst over tid via Projects, rejser det spørgsmål om, hvor de data lagres, hvem der har adgang, og hvordan de slettes. Adobe har ikke detaljeret, om den kontekstuelle hukommelse ligger lokalt, i skyen, eller om den er tilgængelig for Adobes egne modeltræning.

Det tredje, og for danske og europæiske virksomheder det mest presserende, er GDPR. Så snart en agent gemmer kontekst om brandmateriale, kundedata i kampagner eller interne beslutningsprocesser over tid, bliver spørgsmålet om databehandling, opbevaringsperiode og retten til sletning relevant. Adobe har ikke offentliggjort en compliance-ramme for den nye funktion, hvilket betyder, at virksomheder, der vil teste betaen, bør stille disse spørgsmål direkte til Adobe, før de fodrer agenten med reelt kundemateriale.

Jeg arbejder til daglig med at drive større AI-projekter for danske virksomheder, fra problemafklaring til drift, og det mønster, Adobe demonstrerer her, er velkendt: det tekniske lag kommer først, governance-svarene kommer senere. Det er ikke en grund til at afvise værktøjet, men en grund til at gå ind i betaen med øjnene åbne.

For virksomheder, der allerede har kreative produktionsflows med AI-agenter et sted i kæden, er den vigtigste pointe, at Adobe her bevæger sig i samme retning som resten af branchen, væk fra enkeltstående generativ AI og hen mod agenter, der styrer hele arbejdsprocesser. Det ændrer, hvad man skal evaluere en leverandør på: ikke længere kun billedkvalitet og hastighed, men hvor godt agenten integrerer med de systemer, virksomheden allerede har, og hvor gennemsigtig leverandøren er om, hvad der sker med data undervejs.

Den offentlige beta er værd at teste, men bør holdes til ikke-følsomt materiale, indtil Adobe har svaret klart på MCP-understøttelse og databehandling. Det er den samme forsigtighed, jeg anbefaler ved enhver ny agentisk funktion, uanset leverandør, indtil kontrolplanet er lige så veludviklet som selve produktionslaget.