Van Copilot naar digitale collega: zo verandert het Microsoft-ecosysteem

Met Copilot Cowork zet Microsoft een volgende stap. Waar we Copilot intussen vooral kennen als een assistent die informatie opzoekt of een tekst opstelt, kan Cowork meerdere werkzaamheden zelfstandig oppakken. Je beschrijft een doel, waarna het informatie verzamelt, bestanden maakt en verschillende taken op de achtergrond uitvoert. Tommie geeft een praktisch voorbeeld: “Stel dat je morgen naar een klant gaat, dan verzamelt Cowork voor je welke leads er openstaan, welke opportunities er lopen en welke vragen nog niet zijn beantwoord. Vervolgens giet het die informatie voor jou in een Excel-bestand of PowerPoint-presentatie.” Het grote verschil zit volgens hem in de manier van samenwerken. “Cowork is aan het werk en jij bent aan het werk, uiteindelijk komt dat weer bij elkaar.” Voor medewerkers betekent dit dat ze minder tijd kwijt zijn aan het proces van zoeken, verzamelen en structureren. De aandacht kan daardoor verschuiven naar beoordeling, besluitvorming en persoonlijk contact waarmee je je klant nog beter kunt bedienen.

Een generieke AI-assistent kent de specifieke werkwijze van een organisatie niet. Reden voor Microsoft om steeds sterker in te zetten op skills: afgebakende kennisgebieden waarmee organisaties hun eigen expertise beschikbaar maken voor Copilot en agents. Tom legt uit: “Een advocatenkantoor kan bijvoorbeeld vakkennis toevoegen, een HR-afdeling kan bedrijfsspecifieke processen vastleggen en voor appontwikkeling kun je een aparte developerskill opbouwen.” Zo kan de agent beter rekening houden met specifieke begrippen, processen en richtlijnen. Dat maakt de ondersteuning niet alleen relevanter, maar stelt het tegelijkertijd ook eisen aan de kwaliteit van de informatie. Tom benadrukt dat goede resultaten daarin wel beginnen bij een sterke informatiebasis: “Misschien staat je informatie nog niet goed genoeg, waardoor AI het niet helemaal begrijpt. Daar zit ook een leerproces in. Wij helpen organisaties daarom niet alleen bij het technisch activeren van AI, maar ook bij het structureren en ontsluiten van de kennis die de technologie nodig heeft.”

Een belangrijke ontwikkeling is het gebruik van het Model Context Protocol, ook wel MCP. Daarmee kunnen agents applicaties en databronnen niet alleen begrijpen, maar er ook acties in uitvoeren. Voor Dynamics 365 en model-driven apps biedt dat veel mogelijkheden. Een agent kan bijvoorbeeld gegevens uit een e-mail halen, een lead voorbereiden of een opportunity bijwerken. “Je stelt een agent zo niet alleen in staat om de context van Dynamics te begrijpen, maar hem ook daadwerkelijk opportunities laten aanmaken, wegschrijven en bewerken”, vertelt Tommie. De agent bereidt de actie voor, waarna jij als medewerker die actie kan beoordelen en bevestigen; jij houdt dus controle. Zo combineer je snelheid met menselijke controle.

Ook terugkerende administratieve taken worden eenvoudiger. Tommie zag bijvoorbeeld hoe gegevens uit een Outlook-agenda werden gecombineerd met een urenregistratie in Dynamics. “Je krijgt in Copilot letterlijk hetzelfde scherm en dezelfde knoppen te zien als in Dynamics,” legt hij uit. “Je hoeft je uren niet meer achteraf bij elkaar te zoeken, maar kunt ze direct controleren en bevestigen.” Voor Tom is de meerwaarde duidelijk: “Ik heb geregeld vijf tot tien verschillende dingen in mijn urenregistratie staan. Als ik straks gewoon kan zeggen ‘vul het maar in’ dan is dat natuurlijk fantastisch.”

Ook softwareontwikkeling verandert. Met Code Apps beschrijf je in gewone taal welke applicatie je nodig hebt. AI genereert vervolgens de interface, functionaliteit en koppelingen met de achterliggende data. Tom wilde deze manier van werken natuurlijk zelf testen en deed dat met een bezoekersregistratie. Hij gaf een bestaande app als voorbeeld en liet AI een nieuwe versie bouwen. Vervolgens voegde hij via opdrachten extra velden en keuzemogelijkheden toe. “Ik vroeg om op het incheckscherm een veld voor het telefoonnummer toe te voegen en dit onder het e-mailadres te zetten. Dat ging goed dus ik wilde ook graag een landcode met vlaggetje voor het nummer, waarop AI ook dat toevoegde”, vertelt Tom. De applicatie werd bovendien direct gekoppeld aan Dataverse, zodat ingevoerde gegevens ook daadwerkelijk in de database worden opgeslagen. De mogelijke tijdwinst daarin is groot. “In zo’n bezoekersregistratie zit misschien dertig uur ontwikkelwerk. De uitgebreidere versie stond in twee uur. Een extra veld toevoegen duurde vijf minuten,” zegt Tom. “Dat is echt heel krachtig.”

Maar dat AI applicaties en flows sneller kan bouwen, betekent niet dat technische expertise minder belangrijk wordt. Organisaties moeten nog altijd nadenken over architectuur, databronnen, integraties, autorisaties, beheer en onderhoud. Tom plaatst daarom een belangrijke kanttekening: “Hoe ga je zo’n applicatie onderhouden en servicen? En wat doe je als AI het op een gegeven moment niet meer weet?” Er gaat misschien minder tijd naar het handmatig bouwen van onderdelen, meer wel juist meer tijd naar het formuleren van requirements, het aansturen van AI en het controleren van de kwaliteit. “Je moet een omschakeling maken,” zegt Tom. “Niet denken: dat doe ik zelf sneller, maar nadenken over hoe je AI de juiste vraag stelt en hoe je ervoor zorgt dat het resultaat in één keer goed is.”

Het is een verandering die Tommie herkent in zijn dagelijkse werk. “Je bent AI eigenlijk aan het opvoeden. Je vertelt wat het wel en niet mag doen en in welk format je het resultaat verwacht. Er ontstaat steeds meer een aanstuurmodel. Je zet straks drie of vier verschillende agents aan het werk om een opdracht voor je uit te voeren, waarop jij kunt sturen en kunt controleren.”Dat vraagt juist om ervaren professionals die begrijpen wanneer een oplossing technisch werkt én wanneer deze verantwoord in een organisatie kan worden ingezet.

Hoe eenvoudiger het wordt om agents te maken, hoe sneller het aantal agents binnen organisaties groeit. Daarmee neemt ook de behoefte aan overzicht toe. Tom: “Je krijgt inzicht in hoeveel gebruik je organisatie maakt van agents. En dat gaat verder dan alleen Microsoft-agents.” Zo onderzochten ze met hun team voor een klant het gebruik van AI-agents binnen de organisatie. “En schrik niet, dat bleken er veel meer te zijn dan je vooraf kon bedenken, zo’n 4500. Natuurlijk zijn een groot gedeelte daarvan standaard Microsoft-agents, maar dan nog zijn het er heel veel.”

Als organisatie wil je niet alleen weten welke agents er actief zijn, maar ook wie de eigenaar is, welke data die agent gebruikt en hoeveel de agent in gebruik is. Het is ook goed om inzicht te hebben hoeveel de agent gebruikt wordt, maar ook welke kosten daarbij horen. Vooral dat laatste wordt belangrijker. AI-functionaliteiten worden steeds vaker op basis van verbruik afgerekend. Tommie legt uit: “Je kunt zien welke agents veel of weinig worden gebruikt en op basis daarvan voorspellen wat je rekening voor de komende maand wordt. Kostenbewaking achteraf is niet voldoende, want verbruikt is verbruikt en valt niet meer terug te draaien. Wij helpen klanten daarom om vooraf kaders in te richten voor eigenaarschap, toegang, gebruik en budgetten.” Zo blijft innovatie beheersbaar en voorkom je onaangename verrassingen.

Nieuwe AI-mogelijkheden vragen om investeringen. “De juiste vraag is daarom niet alleen wat een agent kost, maar vooral wat deze oplevert. Je moet waarde tegen kosten wegstrepen,” zegt Tommie. Een agent die incidenteel een document samenvat, heeft een andere businesscase dan een agent die dagelijks een tijdrovend bedrijfsproces ondersteunt. Tom vult aan: “Het ligt er natuurlijk aan wat je ermee doet. Is het relevant? Absoluut. Maar of je het direct breed moet inzetten, is een heel andere vraag.” De uitdaging is dus om toepassingen te selecteren waarbij de opbrengst duidelijk meetbaar is, bijvoorbeeld in tijdwinst, kwaliteit, klanttevredenheid of foutreductie. “Wij helpen organisaties dan ook om die afweging vooraf al te maken. Niet door te beginnen bij de technologie, maar bij het proces en de gewenste bedrijfswaarde”, benadrukt Tom.

De mogelijkheden zijn zoals je kunt lezen enorm groot, maar niet ieder proces is al geschikt om volledig door AI te laten uitvoeren. Tom en Tommie ondervonden dat ook tijdens een klantproject. “We wilden als test een heel proces van A tot Z door middel van AI laten uitvoeren,” vertelt Tom. “Daar zijn we van teruggekomen, omdat het nog niet werkte zoals we hadden verwacht.” Zijn advies is daarom helder: “Denk groot, maar begin klein. Je moet stap voor stap opbouwen om tot een goed product te komen.”

Begin bijvoorbeeld met één concrete taak:

• een klantafspraak voorbereiden;

• informatie uit e-mails verwerken;

• een formulier automatisch invullen;

• ongebruikte flows opsporen;

• een administratieve handeling versimpelen.

Door klein te starten, kun je testen of de toepassing waarde levert, hoeveel deze kost en welke risico’s aandacht vragen. Daarna kun je gecontroleerd uitbreiden. Dat herhalende karakter is belangrijk, omdat de technologie razendsnel verbetert. Tommie zag dat een flow die eerst zes uur en tweeduizend credits kostte, enkele weken later in twee minuten en met aanzienlijk minder verbruik kon worden gebouwd. Tom vat die snelheid treffend samen: “Wat vorige week niet kon, kan nu soms al wel.”

De nieuwste Microsoft-ontwikkelingen bieden organisaties kansen om werk slimmer te organiseren, processen te versnellen en medewerkers beter te ondersteunen. Maar het succes ervan vraagt om meer dan het activeren van een nieuwe feature. Het begint met de juiste use-case, betrouwbare data en een heldere businesscase. Vervolgens zijn technische expertise, governance en goede begeleiding nodig om van een experiment een veilige en schaalbare oplossing te maken. “Stilstaan is in ieder geval geen optie,” concludeert Tom. De uitdaging is daarom niet om iedere nieuwe feature direct te implementeren. De uitdaging is om voor jouw organisatie te bepalen welke ontwikkeling echt waarde toevoegt, welke randvoorwaarden nodig zijn en hoe je verantwoord kunt opschalen.

Benieuwd welke Microsoft-ontwikkelingen het meeste waarde kunnen toevoegen binnen jouw organisatie? Onze experts helpen je graag van eerste use-case tot een veilige, beheersbare en schaalbare oplossing.