AI-agents in uw bedrijfsproces: wanneer wel en wanneer niet

Een chatbot beantwoordt vragen. Een agent voert taken uit: hij zoekt gegevens op, doet iets in een systeem, en bepaalt onderweg zelf wat de volgende stap is. Dat verschil is belangrijk, want de risico's zijn niet dezelfde. Een verkeerd antwoord is vervelend, een verkeerde handeling kan schade veroorzaken.

Waar een agent zijn waarde bewijst, is bij taken waarvan de route per geval verschilt. Een klantvraag die in verschillende systemen kan liggen, een dossier dat verschillende vormen aanneemt, een uitzondering die beoordeeld moet worden. Daar is een vast script te star.

Waar hij zijn waarde niet bewijst, is bij taken die altijd hetzelfde verlopen. Dan bouwt u een geautomatiseerde flow: goedkoper, sneller en elke keer met dezelfde uitkomst.

Kunt u de stappen op papier zetten als een lijstje dat altijd klopt? Zo ja, dan heeft u geen agent nodig. Moet u ergens schrijven dat het ervan afhangt, dan wordt het interessant.

Moet de uitkomst exact kloppen? Bij berekeningen, boekingen en facturen hoort de logica in gewone software te zitten. Een agent mag bepalen wat er moet gebeuren, maar het rekenwerk zelf hoort ergens waar de uitkomst voorspelbaar is.

Kijkt er iemand naar wat eruit komt? Een agent die zelfstandig naar buiten handelt, mails verstuurt of gegevens aanpast bij derden, zonder dat iemand het nakijkt, is een risico dat zich pas later toont. Bouw een goedkeuringsstap in bij handelingen die u niet ongedaan kunt maken.

Wat kost het om te draaien? Elke stap van een agent is een verzoek aan een model, en een agent doet meerdere stappen per taak. Bij lage volumes valt dat niet op, bij hoge wel. Reken het vooraf door.

Leg vast wat de agent mag en wat niet. Niet als richtlijn maar als begrenzing in de software: welke systemen hij mag raadplegen, welke handelingen hij zelfstandig mag doen, en welke langs een mens gaan.

Leg vast dat er wordt gelogd wat de agent doet, zodat u achteraf kunt zien wat er is gebeurd. Zonder dat spoor is een fout niet te onderzoeken en kunt u ook niet aantonen dat het proces zorgvuldig verloopt.

En leg vast wat er gebeurt bij twijfel. Een agent die niet zeker weet wat te doen, hoort te stoppen en het over te dragen, niet te gokken. Dat klinkt vanzelfsprekend maar moet expliciet zijn ingebouwd.

Waar beginnen organisaties meestal?

Bij werk dat veel voorkomt, waar de route per geval verschilt en waar een fout niet meteen onherstelbaar is. Denk aan het voorbereiden van dossiers, het uitzoeken van klantvragen of het samenvatten van documenten met een oordeel erbij. De mens beslist, de agent bereidt voor.

Kunnen agents onze medewerkers vervangen?

In de praktijk verschuift het werk eerder dan dat het verdwijnt. Voorbereidend werk gaat naar de agent, beoordelen en beslissen blijft bij mensen. Wie erop rekent dat een agent een functie overneemt, komt meestal bedrogen uit; wie erop rekent dat het voorbereidend werk sneller gaat, meestal niet.

Wat als de agent een fout maakt?

Dan bent u daar verantwoordelijk voor, net als bij software die uw medewerkers gebruiken. Dat is de reden om te begrenzen wat een agent zelfstandig mag doen en om onomkeerbare handelingen langs een mens te leiden. Een fout die u kunt terugdraaien is een incident, een fout die u niet kunt terugdraaien is een probleem.

Hoe weten we of het werkt?

Door vooraf af te spreken wat u meet: hoeveel gevallen de agent afhandelt zonder tussenkomst, hoe vaak iemand moet corrigeren, en hoeveel tijd het per geval scheelt. Zonder die cijfers blijft het een gevoel, en gevoel is een slechte basis om over uitbreiding te beslissen.

Moeten we dit melden aan onze klanten?

Als klanten met de agent in gesprek gaan, ja: sinds augustus 2026 moet een AI-interactie herkenbaar zijn. Werkt de agent alleen intern ter voorbereiding van werk dat een medewerker afmaakt, dan speelt die verplichting niet richting de klant.

• Klantcontact automatiseren
• AI-transparantieplicht voor uw app
• AI trainen op uw data