Vraag tien mensen wat agentic AI is en je krijgt elf definities. De een ziet een digitale medewerker die zelfstandig aan het werk gaat, de ander een veredelde chatbot met een paar extra knoppen. Dit zijn twee uitersten van het spectrum. Agentic AI betekent voor ons: met AI een stap in een proces automatiseren. Niet meer, niet minder. Die definitie is klein genoeg om vandaag mee te beginnen maar ook breed genoeg om er jaren mee vooruit te kunnen. Met alleen een definitie is de kous natuurlijk nog niet af. Wat ís een agent technisch, wat kan hij goed en wat niet? Deze blog legt Quatronics visie uit.
Definitie: wat is een agent?
Er bestaan meerdere definities van agentic AI. De onze – met AI een stap in een proces automatiseren – is opzettelijk zakelijk geformuleerd. Ze begint niet bij de technologie, maar bij het proces dat er al is.
Ergens in dat proces zit een stap die niet volledig te automatiseren was met traditionele middelen omdat er iets gelezen, beoordeeld of verwoord moest worden. Precies daar past een AI-agent. Denk aan een inkomende e-mail die iemand moet doornemen om te bepalen wat het onderwerp is, of aan een pdf-factuur waarvan de regels in het ERP moeten landen. Dat zijn geen strategische taken, maar geïsoleerde stapjes tussen twee systemen in, waar informatie van vorm verandert en waar altijd een mens aan te pas kwam. Tot nu toe althans.
Het voordeel van deze definitie is dat je precies kunt kwantificeren wat automatisering kost of oplevert. Eén stap in een proces heeft altijd een meetbare grootheid, zoals doorlooptijd of aantal handelingen per uur. Dat maakt het gesprek met de business een stuk eenvoudiger dan een discussie over autonome digitale medewerkers.
Het beeld dat veel mensen bij agentic AI hebben, is echter dat van een virtuele collega die je een opdracht geeft en die daarna zelfstandig aan de slag gaat. Dat kán, maar de meeste waarde valt vaak te halen uit het automatiseren van één tijdrovende stap en niet van een heel proces. Dat is beter te overzien: het resultaat is meetbaar, de businesscase helder en de invoering duurt weken in plaats van maanden.
Het beeld van de digitale collega heeft bovendien een psychologisch nadeel. Het roept bij medewerkers een nervositeit op (‘we worden vervangen!’) die in de praktijk zelden aan de orde is. Wat de agent doet, is een stukje werk weghalen dat sowieso niemand met plezier deed. Dat moet dan ook de inkleding zijn. Begin niet met de vraag welke functie een agent kan overnemen, maar welke handeling medewerkers honderd keer per week tot vervelens toe uitvoeren.
Wat kan een agent en wat niet
Om een stap in een proces daadwerkelijk uit te kúnnen voeren heb je twee dingen nodig. Een AI-model – in de praktijk een (groot) taalmodel oftewel LLM – en vaak ook een actie. Daarin ligt gelijk het verschil met ‘gewone’ AI.
Het model doet het denkwerk: het leest de input, begrijpt wat er staat en bepaalt wat er moet gebeuren. De actie is de handeling die daar concreet op volgt: een klantenservicemelding aanmaken, wat data bijwerken of een bijlage in het documentenmanagementsysteem plaatsen bijvoorbeeld. De AI zelf is meestal het makkelijke deel, terwijl die tweede kant juist voeten in de aarde heeft. Denk aan rechten, validaties en de vraag wat er moet gebeuren als er iets misgaat.
Wat verantwoordt die extra moeite? Een AI-agent kan drie dingen goed: interpreteren, redeneren en genereren.
Interpreteren is betekenis halen uit input die niet netjes gestructureerd is. Een e-mail bijvoorbeeld, een vrij tekstveld in een formulier of een gescand document. De agent bepaalt waar het over gaat, en welke gegevens de input bevat.
Redeneren is een beoordeling maken binnen de meegegeven kaders. Valt dit binnen de garantietermijn? Is dit een spoedgeval? Ontbreken er gegevens en, zo ja, welke? Het gaat niet om creatief denken, maar om het consequent toepassen van vooraf bepaalde regels op een situatie die de agent niet eerder precíés zo is tegengekomen.
Genereren is ten slotte het produceren van output in de vorm die het volgende systeem of de volgende mens nodig heeft. Een samenvatting, een ingevuld veld, een conceptantwoord, een gestructureerd bericht, enzovoorts.
Als je de taken simpel en overzichtelijk houdt, doet een agent deze dingen net zo goed als een mens en vaak zelfs beter. Zeker bij repetitief of saai werk begint een mens op een gegeven moment fouten te maken. Een AI agent daarentegen heeft bij de honderdste aanvraag dezelfde precisie als bij de eerste, zonder dat zijn aandacht verslapt.
Die vergelijking gaat echter alleen op bij een heldere, afgebakende taak. Geef een agent namelijk een opdracht met een vage omschrijving en tien uitzonderingen, en hij valt net zo hard door de mand als een nieuwe stagiair op zijn eerste dag. Het verschil in resultaat ligt zelden aan het gehanteerde model ― het gaat om hoe duidelijk en scherp de taak is gedefinieerd.
Een agent kan overal aan de slag
We kunnen een agent in allerlei bestaande platformen bouwen. Deze kunnen allemaal een model aanroepen, een beslissing verwerken en een actie uitvoeren in een ander systeem. Dat is goed nieuws, want het betekent dat het platform bijna nooit de beperkende factor is.
De kunst zit ergens anders: een proces doorgronden. Wat gebeurt er precies met welke uitzonderingen? Welke stap kost tijd? Wat gebeurt er als het misgaat?
Als dat allemaal helder is, is het bouwen eenvoudig. Zo niet, dan bouw je ongeacht het platform iets dat er goed uitziet in een demo maar in productie voortdurend bijgestuurd moet worden. Dat is ook de reden dat wij vrijwel altijd beginnen met het proces op tafel, niet met de tool.
In beide gevallen geldt, we herhalen het nog maar eens; schrijf de instructie voor de agent op zoals je haar aan een nieuwe medewerker zou geven. Wees duidelijk, geef voorbeelden, noteer de uitzonderingen erbij en vermeld wat er moet gebeuren als iets niet lukt. Dat document is het echte bouwwerk. Het platform is de plek waar je het neerzet.
Een goed begin is het halve werk
Agentic AI is geen transformatie van het hele businessmodel. Ze is een manier om stappen uit een proces te halen die er niet meer in horen. Hier zijn onze vuistregels om ermee aan de slag te gaan.
1. Kies een stap, niet een functie. Zoek een handeling die vaak voorkomt en waar mensen fouten in maken. Ziedaar je eerste agent.
2. Houd het bereik klein. Eén taak, één output, één plek waar het resultaat landt. Meer agenten met een kleinere opdracht zijn bijna altijd beter dan één agent met een grote.
3. Kies de interface bij het proces. Chat om te verkennen, gebruik een portaal als een mens de opdracht geeft, hanteer geen interface als het proces de trigger is.
4. Begin met de procesflow. Schrijf het proces uit, los op wat digitaal op te lossen is en zet een agent op de stappen die overblijven.
Met deze principes onder de arm leveren wij iets wat veel waardevoller is dan een digitale collega: een flexibele manier om taken uit te voeren die toch al niemand wilde doen, zodat echte collega’s zich kunnen richten op werk dat er wél toe doet.
Neem contact op met
Auke
