Een AI-agent die het werk doet, niet alleen het gesprek
Antwoorden is makkelijker dan handelen
Een chatbot die het mis heeft geeft een verkeerd antwoord. Vervelend, maar er is nog een mens die besluit wat hij ermee doet. Een agent die het mis heeft, heeft het al gedaan. De afspraak staat, het ticket is doorgezet, de prijs is aangepast.
Dat verschil bepaalt alles aan hoe je zo’n ding bouwt. Niet het model, niet de techniek, maar de vraag hoeveel ruimte je hem geeft en waar je hem tegenhoudt. Hier besteden we meer tijd aan dan aan de agent zelf.
Een agent aan het werk
Neem de planning van zeeschepen bij Nustar Terminals. Er komt een schip aan, en er moet een besluit vallen over waar het terechtkomt en in welke volgorde. Zo loopt dat.
Stap vier is de interessante. Een agent die alleen doorgaat als het past en anders netjes stopt, is bruikbaar. Een agent die altijd doorgaat is een risico dat je pas ontdekt op het moment dat het misgaat.
Hoeveel ruimte krijgt hij
We werken met drie niveaus: alleen lezen, lezen en schrijven, of met een mens die goedkeurt. Dat leggen we vast per proces voordat we bouwen, en het staat los van wat technisch mogelijk zou zijn. Hoe dat werkt en waarom die keuze bij de koppeling begint, staat bij AI koppelen aan bestaande systemen.
Ons advies is bijna altijd om laag te beginnen. Niet uit voorzichtigheid, maar omdat je binnen een paar weken in de logs ziet welke besluiten de agent had willen nemen en of je het daarmee eens was. Dat is een veel beter gesprek dan vooraf bedenken wat hij zou moeten mogen.
Het gaat ook wel een mis als;
- De agent te veel mag
Die is snel gebouwd en indrukwekkend in een demo. Tot het moment dat hij een uitzondering tegenkomt die niemand had voorzien, en er iets gebeurt dat je niet meer terugdraait. In een planning is dat een misgelopen levering. In een administratie is het lastiger.
- De agent niemand vertrouwt
Minder spectaculair en minstens zo vervelend. Als je collega’s elk besluit alsnog nalopen, heb je een extra stap toegevoegd in plaats van er een weggehaald. Dat gebeurt bijna altijd omdat de agent niet kan uitleggen waarom hij iets deed. Daarom is dat spoor uit stap vijf geen bijzaak.
Agents die nu draaien
Drie voorbeelden, met heel verschillende eisen.
Nustar Terminals, planning van zeeschepen
Prioriteren op doorvoer naar de binnenvaart, en tegelijk controleren of chemische stoffen veilig gecombineerd kunnen worden. Fouten zijn hier kostbaar of gevaarlijk, dus de agent werkt op de achtergrond en voorkomt vertragingen zonder dat er iemand iets hoeft te vragen.
Henk Smit Amsterdam, driehonderd flexkrachten
Roosteren is hier geen puzzel die je een keer oplost, want er valt elke dag iemand uit en er komt elke dag iets bij. De agent houdt de planning kloppend terwijl de omstandigheden veranderen, in plaats van dat iemand hem elke ochtend opnieuw legt.
Een fertiliteitskliniek, communicatie met patiënten
Het gevoeligste voorbeeld dat we hebben. Hier gaat het niet om snelheid maar om toon en timing, en om precies weten wanneer je iets níet automatisch moet versturen. Dat is minder een technisch vraagstuk dan een ontwerpvraagstuk.
Wanneer een agent te vroeg is
Als je de regels zelf nog niet scherp hebt. Een agent voert uit wat jij hebt vastgelegd, dus als er binnen je organisatie geen overeenstemming is over wanneer iets wel of niet mag, krijg je die onenigheid terug in de vorm van software. Dat is een dure manier om een discussie te voeren.
In dat geval beginnen we liever met alleen lezen, of met een chatbot die informatie ontsluit. Je leert er evenveel van en het kost je minder. Wat een traject kost en hoe je klein begint, staat bij wat kost een AI-oplossing.
Vaak is dat het proces waar een agent het meeste oplevert. Bel gerust, dan kijken we mee.
De beste agents zijn saai. Ze doen elke dag hetzelfde, ze vragen zelden om aandacht, en na een half jaar weet niemand meer precies wanneer ze zijn aangezet. Zo hoort het.
Hoe ideeën werkelijkheid worden
Geen theorie, maar echte trajecten. Bekijk hoe richting, techniek en ontwerp samen zorgen voor resultaat dat blijft staan.
Inzichten uit ons digitaal vakmanschap
Van praktijkverhalen en slimme oplossingen tot updates uit ons eigen team. Een inkijk in wat ons bezighoudt, wat we ontdekken en hoe ideeën langzaam vorm krijgen.
Veelgestelde vragen over AI-agents
Wat is het verschil tussen een AI-agent en een AI-chatbot?
Een chatbot antwoordt, een agent handelt. De chatbot wacht op een vraag en geeft informatie terug. De agent komt zelf in beweging door een gebeurtenis in je systemen en voert daadwerkelijk iets uit: plannen, doorzetten, aanpassen. Daardoor vraagt een agent vooraf om meer afspraken over wat hij zelfstandig mag.
Kan een AI-agent iets doen wat ik niet wil?
Alleen als je hem die ruimte geeft. We leggen per proces vast of hij alleen mag lezen, mag lezen en schrijven, of eerst goedkeuring nodig heeft. Valt iets buiten die kaders, dan stopt hij en legt hij het neer bij een mens. Elk besluit wordt vastgelegd met de reden erbij.
Hoe weet ik waarom een agent iets heeft gedaan?
Uit het spoor dat hij achterlaat: wat hij zag, wat hij besloot en op grond waarvan. Dat is geen extraatje maar een voorwaarde. Een agent die zijn keuzes niet kan uitleggen wordt niet vertrouwd, en dan lopen je collega’s alles alsnog na.
Werkt een agent ook met oudere systemen?
Ja, mits de data eruit te halen is. Dat lukt vaker dan mensen denken, ook bij pakketten van decennia oud. Waar geen moderne API zit, is er meestal een database of een export waar we omheen kunnen bouwen.
Wat als de agent een fout maakt?
Dan wil je twee dingen geregeld hebben: dat je het merkt, en dat je het terug kunt draaien. Daarom bepalen we vooraf welke handelingen omkeerbaar zijn en welke niet, en zetten we bij die laatste categorie standaard een mens ertussen. Dat is minder spannend dan volledige autonomie, en het is de reden dat het blijft draaien.