)
AI is inmiddels niet meer weg te denken uit de dagelijkse praktijk van organisaties. Veel medewerkers gebruiken tools als Copilot of ChatGPT om teksten te schrijven, documenten samen te vatten of sneller informatie te vinden. Handig? Zeker. Maar volgens onze collega’s Rutger Breuker, Business Development Manager Dynamics 365, en Pim de Mol, Solution Architect, ontstaat de échte waarde pas wanneer AI niet alleen antwoord geeft, maar ook werk gaat uitvoeren binnen bedrijfsprocessen.
Want daar zit de volgende stap: van AI als slimme assistent naar AI-agents die processen ondersteunen, herhalen, bewaken en verbeteren.
Een AI-assistent helpt de individuele medewerker. Denk aan Copilot in Word, Excel of Outlook: je stelt een vraag, vraagt om een samenvatting of laat content genereren. De medewerker blijft degene die de tool activeert en aanstuurt. Een AI-agent werkt anders. Die wordt ingericht rondom een specifiek bedrijfsproces en kan zelfstandig stappen uitvoeren of voorbereiden. Bijvoorbeeld op basis van een trigger, zoals een binnenkomende e-mail, een document of een klantvraag. Pim legt het verschil praktisch uit: “Bij persoonlijke productiviteit heb je het over Copilot Chat of Microsoft 365 Copilot. Dat voegt al veel toe. Maar op het moment dat je gaat kijken naar bedrijfsprocessen, dan ga je agents op grotere schaal inzetten.” Met andere woorden: een assistent maakt een medewerker sneller. Een agent maakt een proces slimmer.
Een herkenbaar voorbeeld komt uit de detacheringsbranche; een organisatie kreeg dagelijks grote aantallen e-mails en cv’s binnen. Voorheen moest een medewerker handmatig beoordelen welke aanvragen kansrijk waren en welke cv’s daarbij pasten. Door AI gericht in te zetten, worden documenten nu automatisch gescand en wordt een eerste selectie gemaakt. De ruis verdwijnt uit het proces, zodat medewerkers zich kunnen richten op de meest relevante kansen. “Door dat hele proces van documenten uitlezen, kijken waar de matching zit en dat te automatiseren, hebben we een besparing gerealiseerd van 50% op een werkdag van een medewerker”, verwoordt Rutger. Belangrijk daarbij te benoemen is dat AI niet alles overneemt. De agent maakt de eerste analyse en zet informatie klaar. Het uiteindelijke besluit, bijvoorbeeld of een kandidaat daadwerkelijk wordt aangeboden, blijft bij de medewerker.
AI-agents kunnen veel werk voorbereiden en versnellen, maar dat betekent niet dat organisaties beslissingen volledig moeten automatiseren. Zeker bij processen met impact op klanten, medewerkers of risico’s blijft menselijke controle belangrijk.
Rutger vat het helder samen: “Je kunt processen laten automatiseren, maar de controle moet je door mensen laten doen.” Pim benadrukt dat dit per use case verschilt. Sommige stappen kun je prima door een agent laten uitvoeren, zoals het filteren van grote hoeveelheden e-mails. Andere stappen vragen bewust om menselijke beoordeling. Daarom is het belangrijk om processen op te knippen in logische onderdelen.
Waar voegt AI waarde toe? Waar is zekerheid nodig? En waar wil je altijd dat een mens het laatste woord heeft?
Het zijn stuk voor stuk vragen waarmee we onze podcastserie ‘AI! Ik word vervangen!’ zijn gestart.
)
Wie met AI-agents werkt, moet ook nadenken over toezicht. Een agent die zelfstandig stappen uitvoert, vraagt om monitoring, rapportage en duidelijke escalatieregels. Pim noemt verschillende manieren om grip te houden: steekproeven, automatische rapportages, logging en escalaties naar mensen wanneer bepaalde woorden, situaties of afwijkingen optreden. Ook kan het ene AI-model worden ingezet om output van een ander model te controleren. “Monitoring moet echt constant zijn,” zegt Pim. “Je kunt niet zeggen: we zetten het neer, het werkt, succes ermee. Continuous improvement en beheer worden bij AI-agents nog belangrijker.” Dat vraagt om een andere manier van kijken naar implementatie. Een AI-agent is geen eenmalig project, maar een oplossing die je blijft verbeteren op basis van data, gebruik en resultaten.
Veel organisaties vragen zich af: wat kunnen we met AI? Maar de betere vraag is: waar verliezen we vandaag veel tijd, kwaliteit of grip? Volgens Pim begint een goede use case altijd met twee voorwaarden: de oplossing moet waarde toevoegen én technisch haalbaar zijn. In de praktijk betekent dit dat organisaties eerst hun processen moeten begrijpen. Welke stappen worden vaak herhaald? Waar ontstaat handwerk? Waar lopen medewerkers vast? En welke processen zijn belangrijk genoeg om te verbeteren? Een workshop kan helpen om ideeën te ordenen. Veel organisaties hebben al tientallen mogelijke AI-toepassingen in gedachten, maar niet elk idee is even kansrijk. Door samen met business, IT en medewerkers te kijken naar de impact en haalbaarheid, ontstaat een shortlist van use cases waar je als organisatie gericht mee kan starten.
“Zorg dat de juiste mensen aan tafel zitten. Niet alleen de hoge laag in de organisatie, maar ook de mensen die daadwerkelijk met het proces moeten gaan werken,” vertelt Rutger. Juist die medewerkers weten waar het schuurt, welke uitzonderingen belangrijk zijn en waar automatisering echt verschil kan maken. Dat maakt de kans groter dat een agent niet alleen technisch werkt, maar ook daadwerkelijk wordt gebruikt en waarde toevoegt.
Een AI-agent hoeft niet meteen groot te beginnen. Sterker nog: klein starten is vaak verstandiger. Begin met één terugkerend proces, bouw een pilot, meet de impact en verbeter stap voor stap. Een intern voorbeeld bij Unica laat zien hoe zo’n oplossing kan groeien. Wat begon als een vraagbaak voor HR- en IT-vragen, ontwikkelde zich tot een oplossing met meerdere agents. Een zogenaamde orchestrator beoordeelt eerst of een vraag bij HR of IT hoort en stuurt die vervolgens door naar de juiste agent. Kan de agent geen antwoord vinden in de beschikbare bronnen, dan wordt een ticket aangemaakt. Zo ontstaat een gelaagde oplossing waarin AI niet één algemene taak uitvoert, maar meerdere gespecialiseerde stappen slim aan elkaar verbindt.
De stap van AI-assistent naar AI-agent vraagt meer dan alleen licenties. Organisaties hebben een strategie nodig: welke kant willen we op, welke processen willen we verbeteren en welke kaders zijn nodig voor veiligheid, compliance en governance? Zonder richting ontstaat het risico op losse experimenten of shadow AI: medewerkers gebruiken dan zelf externe tools, zonder dat de organisatie grip heeft op data en risico’s. Tegelijkertijd is te lang wachten ook geen optie. De ontwikkelingen gaan snel en organisaties die AI juist gecontroleerd inzetten, bouwen voorsprong op. Het gaat dus om balans: ruimte geven aan innovatie, maar wel met duidelijke kaders, verantwoord datagebruik en continue monitoring.
Collega Bert vertelt je meer over Shadow AI en hoe je van workarounds naar duidelijke positionering van AI-toepassingen kunt gaan.
)
)
De echte waarde van AI zit niet in nog slimmer chatten, maar in het gericht verbeteren van processen. AI-agents kunnen terugkerend werk versnellen, ruis verminderen en medewerkers helpen focussen op de taken waar hun expertise echt nodig is. Daarvoor is wel een doordachte aanpak nodig. Begin bij een concreet probleem, breng het proces in kaart, bepaal waar AI waarde toevoegt en houd de mens betrokken op de momenten waar controle en besluitvorming belangrijk zijn. Of zoals Rutger en Pim duidelijk maken: AI is geen doel op zich. Het wordt pas interessant als het aantoonbaar bijdraagt aan betere processen, meer grip en concrete bedrijfswaarde.
Wil je ontdekken waar AI-agents binnen jouw organisatie waarde kunnen toevoegen? Start dan niet met de technologie, maar met de vraag: welk terugkerend proces kost ons vandaag onnodig veel tijd?
Ben je meer een luisteraar dan een lezer?
)
)
Ben je geïnteresseerd in dit onderwerp, heb je een vraag of een specifiek verzoek voor jouw organisatie? Wat je vraag, uitdaging of verzoek ook is, laat ons jou meenemen in de wereld van mogelijkheden.
Laat hieronder je gegevens achter, we staan graag voor je klaar!
)
)