Agentic AI is een flinke hype op dit moment. Zo erg zelfs, dat het soms voelt alsof organisaties massaal een AI-agent willen bouwen voordat ze überhaupt weten wat die agent moet oplossen.

Maar achter elk succesverhaal van organisaties die dit al onder de knie lijken te hebben, zit hetzelfde fundament. Een concreet probleem dat eerst heel duidelijk moest worden vastgelegd vóórdat een agentic oplossing waarde kon leveren. Het is dus ook zeker belangrijk om je niet alleen bewust te zijn van de agent-hype, maar ook van de realiteit. We kijken in dit blog naar waarom Agentic AI écht veelbelovend is, maar alleen werkt als je start bij de juiste vraag. De hype versus realiteit.

Met Famke van Ree, AI-engineer bij Innvolve.

De hype: “Bouw maar een agent”

Sinds Microsoft Agentic AI onderdeel maakt van Copilot Studio en Microsoft 365, lijkt alles mogelijk. Er zijn zoveel demo’s die laten zien hoe agents documenten analyseren, complexe workflows uitvoeren, integraties bouwen met externe systemen en zelfs zichzelf monitoren. Logisch dat je daar als organisatie door beïnvloed wordt en dat ook wil gaan toepassen. Maar dat is meteen ook een valkuil. Agents worden gezien als dé oplossing, nog voordat duidelijk is welk probleem precies moet worden opgelost.

Famke benadrukt:

“Het is belangrijk om altijd vanuit een probleem te denken en niet vanuit de technologie zelf, zodat de juiste oplossing wordt gekozen en teleurstelling wordt voorkomen.”

De realiteit: probleemgericht denken

Klinkt helemaal niet zo leuk, eigenlijk. Maar het is een feit. Een succesvolle agent start nooit bij technologie, maar bij een probleem. En dat knelpunt wordt pas interessant als het voldoet aan een paar duidelijke criteria:

1. Het probleem kost tijd, geld of frustratie
   Als niemand last heeft van het proces, hoef je het ook niet te automatiseren.
2. Het proces kent meerdere stappen of systemen
   Agents zijn goed in het verbinden, analyseren en uitvoeren van acties over meerdere systemen.
3. Er is variatie of interpretatie nodig
   Klassieke automatisering kan prima lineaire processen aan. Agents blinken juist uit wanneer er context, afwegingen of dynamiek bij komt kijken.
4. De mens blijft betrokken waar nodig
   De beste agents versterken medewerkers in plaats van ze te vervangen. Menselijke controle blijft daarnaast ontzettend belangrijk.

Je kijkt dus eerst naar een probleem dat moet worden opgelost. Dan is de volgende stap: wat is een slimme oplossing voor dit probleem? Een agent is simpelweg niet altijd het antwoord op deze vraag.

Succesverhalen: wat ze niet vertellen

De meeste AI-successen die je online ziet, vertellen alleen het eindresultaat. Denk aan grote tijdsbesparingen, verhoogde klanttevredenheid en het minimaliseren van fouten. Maar bijna altijd ontbreekt het verhaal over het een belangrijk stuk: het voorwerk.

Want een agent werkt pas succesvol wanneer je het volgende hebt opgepakt:

• Een uitgebreide procesanalyse;
• Heldere definities van beslismomenten;
• Goede toegang tot data;
• Duidelijke governance over wat de agent wel en niet mag doen;
• en betrokken medewerkers die meedenken in de oplossing.

Hype versus realiteit: de gevolgen van onvoorbereid agents bouwen

Waarom is het belangrijk om bovenstaande punten te doorlopen en uit te denken voordat je begint met het bouwen van een agent als oplossing van je probleem? Dat kan namelijk verschillende ongewenste gevolgen hebben:

• Agent-sprawl. Onvoldoende toezicht kan leiden tot agent-sprawl. Met andere woorden: organisaties maken agents zonder duidelijk doel of toezicht;
• In de praktijk rapporteren analyses waar Agentic AI gevoelig kan zijn voor cyberaanvallen. Er moet voldoende menselijke controle zijn om ongewenste taken en ongewenst toegang tegen te gaan;
• Onvoldoende security. Agents moeten ook gecontroleerd worden op toegangsrechten en dataprivacy. Microsoft beschrijft enterprise-grade controls voor AI-applicaties en agents binnen Copilot en Azure AI Foundry. Als je dit “even snel” gaat uitproberen, loop je kans dat belangrijke maatregelen over het hoofd worden gezien.

Andere gevolgen zijn ook slechte gebruikerservaringen of projecten die snel weer in de prullenbak verschijnen omdat ze de plank misslaan. Zonde van je tijd.

Waarom Agentic AI wél veelbelovend is

Laat wel duidelijk zijn: de technologie van Agentic AI is indrukwekkend. Het biedt veel meer opties als het gaat om automatisering dan we ooit voor ogen hielden. Hoe?

1. Agents kunnen context begrijpen

Waar klassieke automatisering stopt bij vaste regels, kunnen agents tekst, documenten, gebruikersintenties en situaties interpreteren. Dat maakt ze geschikt voor processen waar nuance belangrijk is.

2. Planning en actie

In plaats van als gebruiker vooraf alles uit te denken, kunnen agents zelf bepalen welke stappen nodig zijn om een doel te bereiken. Ze kunnen beslissen, volgordes aanpassen en nodige informatie erbij opzoeken.

3. Agents verbinden meerdere tools

Agents kunnen informatie ophalen in één systeem, dat vervolgens analyseren in een ander, een workflow starten in een derde en dit alles terugkoppelen naar de gebruiker. Daardoor zijn ze ideaal voor end-to-end automatisering.

4. Agents werken sámen met mensen

Agents vragen daadwerkelijk om een beslissing of hulp bij mislukte escalaties. Ze nemen dus werk uit handen, maar nemen geen volledige controle over. De menselijke controle blijft belangrijk. Deze combinatie zorgt ervoor dat Agentic AI niet alleen processen versnelt, maar ook verbetert.

Hoe begin je goed met Agentic AI?

We hebben al duidelijk gemaakt wat de valkuilen zijn bij de toepassing van agents binnen je organisatie wanneer je hier aan de voorkant niet goed over hebt nagedacht. Maar hoe zorg je ervoor dat je dit juist wél goed aanpakt? Een goed Agentic AI-traject begint altijd met drie vragen:

1. Welk probleem willen we oplossen?
   Wat kost nu de meeste tijd, is foutgevoelig of levert frustratie op?
2. Welke onderdelen van het proces lenen zich voor de intelligentie van agents?
   Waar is interpretatie of context nodig?
3. Hoe werkt de menselijke samenwerking met de agent?
   Wanneer werkt de agent zelfstandig, en wanneer heeft hij de gebruiker nodig?

Pas als je deze vragen scherp hebt, kun je bepalen of een agent de beste oplossing is. Er zijn namelijk drie opties: klassieke automatisering, procesoptimalisatie met agents of een simpele maatregel.

Conclusie

Agentic AI biedt enorme kansen. De succesverhalen zijn ongetwijfeld waar, want de technologie is heel volwassen aan het worden. Maar er is nog een kloof tussen hype en realiteit te overbruggen. Het probleemgerichte denken is namelijk even belangrijk als de praktische toepassing van agents. Agents zijn namelijk geen doel op zich, maar een middel om een probleem op te lossen.

Wil jij verkennen waar Agentic AI in jouw organisatie verschil kan maken? Neem dan gerust contact met ons op! Onze AI-experts denken graag met je mee en helpen je de hype om te zetten in concrete resultaten.

 

Over de auteur

Famke van Ree is AI-engineer in het Data & AI team binnen Innvolve. Met haar achtergrond in Informatiekunde, Data Science en AI werkt zij aan mooie AI-oplossingen voor klanten én intern.