Claude Tag: Slack-agent læser fuld kontekst

Den gamle model var enkel og forudsigelig: Claude Tag reagerede kun, når nogen skrev @Claude, og forholdt sig kun til den ene besked, den blev tagget i. Det er trygt, men det er også begrænsende. Har en diskussion kørt i tyve beskeder, før nogen spørger Claude om noget, mangler agenten hele forhistorien og må enten gætte eller bede om at få det hele genfortalt. Det er præcis den type spildtid, jeg selv prøver at designe væk fra, når jeg sætter agenter op til at køre i drift.

Med opdateringen henter Claude Tag nu konteksten fra hele den aktive tråd, inklusive tidligere beskeder, beslutninger og modargumenter, der er faldet undervejs. Et svar fra Claude kan dermed bygge videre på det, kollegerne allerede har diskuteret, i stedet for at starte forfra.

Anthropic kalder den bagvedliggende idé for multiplayer AI, altså en model, der er bygget til at fungere i et rum med flere mennesker samtidig, ikke kun i en envejsdialog mellem én bruger og én bot. Det er en markant anden tilgang end de fleste chatbaserede AI-værktøjer, som typisk er designet til en isoleret samtale mellem én person og modellen.

I en Slack-kanal er der ofte flere personer, der taler forbi hinanden, retter hinanden, og skifter emne midt i en tråd. En AI, der skal fungere godt i den slags rum, kan ikke bare svare på det seneste spørgsmål i isolation. Den skal forstå, hvem der sagde hvad, hvornår en beslutning blev taget, og om et tidligere forslag allerede er blevet afvist. Det er præcis den slags sociale kontekst, multiplayer-tilgangen forsøger at gøre Claude Tag i stand til at læse.

Opdateringen hænger sammen med udbygningen af MCP, altså Model Context Protocol, som gør det muligt for Claude at koble sig på eksterne værktøjer og datakilder uden en masse skræddersyet integration for hver ny tjeneste. For Claude Tag i Slack betyder det bedre adgang til den kontekst, der ligger uden for selve beskeden, som filer, kalenderdata eller andre forbundne systemer, alt efter hvad den enkelte virksomhed har koblet på.

Det er samtidig en naturlig forlængelse af, hvor kraftige de underliggende modeller er blevet. Jo bedre en model er til at holde styr på lange, forgrenede samtaler, jo mere meningsfuldt bliver det at lade den følge med i en hel kanal frem for kun én besked ad gangen. Den tekniske forudsætning for multiplayer AI er altså ikke kun en ny funktion i Slack-integrationen, men også modeller, der faktisk kan bære den mængde kontekst uden at miste tråden.

Det mest følsomme element i opdateringen er, at Claude Tag nu kan byde ind i en samtale uden at blive tagget. Det rejser et oplagt spørgsmål: hvad forhindrer assistenten i at blande sig i alt for meget, i enhver samtale, om alt muligt?

Anthropic har bygget en tilbageholdenhed ind i modellens adfærd, så den kun byder ind, når det giver reel værdi. I praksis er det en balance, som skal findes løbende, og det er værd at holde øje med, hvordan den fungerer i drift, ikke kun i demoerne.

For virksomheder, der allerede har erfaring med at drive større AI-projekter i produktion, er den slags afvejninger ikke nye. Vi arbejder med præcis den type spørgsmål hos AI Enterprise, hvor vi sammen med kunder tager stilling til, hvor meget autonomi en agent skal have, og hvor grænsen går mellem at være nyttig og at være i vejen.

For en dansk virksomhed, der allerede bruger Claude eller en anden AI-assistent i Slack, betyder opdateringen først og fremmest, at værktøjet bliver mere nyttigt uden at kræve mere arbejde af medarbejderne. Man skal ikke længere huske at tagge assistenten hver gang og genfortælle konteksten. Til gengæld stiller det nye krav til, hvordan man sætter kanaler op, og hvilke samtaler man er tryg ved at lade en AI følge med i.

Det betyder også, at governance omkring AI-agenter bliver mere relevant end tidligere. Når en assistent selv kan vurdere, hvornår den skal byde ind, skal virksomheder tage stilling til, hvilke kanaler den skal have adgang til, og hvilken type information den må reagere på uopfordret. Det er ikke længere kun et spørgsmål om, hvad Claude kan svare, men også om hvornår den bør tie stille.

For virksomheder, der overvejer at skalere brugen af AI-agenter i deres daglige arbejdsgange, er det her et godt eksempel på, hvor udviklingen bevæger sig hen: væk fra isolerede kommandoer og hen imod agenter, der er en del af den løbende samtale på arbejdspladsen. Det stiller højere krav til, hvordan man planlægger den slags projekter fra start, men det åbner samtidig for en langt mere naturlig brug af AI i det daglige samarbejde.