Een AI-agent die een e-mail samenvat is handig. Een AI-agent die op vrijdagmiddag een order van €50.000 aanpast, is iets anders.
Toch worden die twee vaak in één adem genoemd. “We zetten er een agent tussen.” Alsof slimmer automatiseren alleen betekent dat we een taalmodel toegang geven tot een paar systemen en vervolgens kijken hoeveel werk het bespaart.
Dat is geen strategie. Dat is een spannend experiment met je bedrijfsvoering.
Van lezen naar handelen
Stel dat een productiebedrijf regelmatig orders ontvangt waarin aantallen, leverdata en artikelnummers niet helemaal aansluiten op de actuele voorraad. Een AI-agent kan daar op verschillende niveaus bij helpen.
Hij kan:
- de order lezen en samenvatten;
- afwijkingen signaleren;
- een wijziging voorstellen;
- na goedkeuring een wijziging uitvoeren;
- of volledig zelfstandig de order aanpassen en leveranciers informeren.
Iedere stap klinkt als een kleine uitbreiding. In werkelijkheid verandert de verantwoordelijkheid fundamenteel. Een systeem dat iets leest, kan een fout antwoord geven. Een systeem dat iets uitvoert, kan een fout antwoord werkelijkheid maken.
Hoe meer een AI-agent mag doen, hoe minder interessant zijn intelligentie wordt en hoe belangrijker zijn grenzen worden.
De order die logisch leek
Neem een theoretisch voorbeeld. Een klant bestelt vijfhonderd onderdelen. De agent ziet dat er maar vierhonderd op voorraad zijn en dat de gebruikelijke leverancier binnen twee dagen kan aanvullen. Op basis van historische gegevens past hij de leverdatum aan en bestelt automatisch honderd onderdelen bij.
Efficiënt. Tot blijkt dat de klant die datum contractueel niet mag missen en in het magazijn nog een geblokkeerde partij van honderd stuks ligt die na controle gewoon gebruikt had kunnen worden.
De agent heeft geen willekeurige fout gemaakt. Hij heeft een redelijke conclusie getrokken uit onvolledige context. Precies zoals een nieuwe medewerker dat ook zou kunnen doen.
Alleen krijgt een nieuwe medewerker op dag één meestal niet alle sleutels van het bedrijf.
Begin met de rechten
Bij Byte Me zouden we zo’n agent niet direct volledige vrijheid geven. We bouwen dit op.
1. Kijken
De agent mag informatie ophalen, combineren en presenteren. Hij verandert niets. Dit is de veiligste plek om te leren of zijn analyses werkelijk bruikbaar zijn.
2. Adviseren
De agent doet een voorstel en legt uit waarom. Een medewerker beslist. Hier ontdek je welke uitzonderingen nog ontbreken en of gebruikers het advies vertrouwen.
3. Voorbereiden
De agent vult de wijziging alvast in, maar een mens moet expliciet goedkeuren. De handeling wordt sneller zonder het beslismoment te verstoppen.
4. Uitvoeren binnen grenzen
De agent mag eenvoudige, omkeerbare acties zelfstandig uitvoeren. Bijvoorbeeld alleen onder een bepaald bedrag, bij bekende klanten en zolang er geen contractuele uitzondering actief is.
5. Zelfstandig handelen
Pas wanneer de kwaliteit aantoonbaar is, uitzonderingen bekend zijn en herstel goed geregeld is, kan meer autonomie verantwoord worden.
Niet iedere organisatie hoeft ooit bij stap vijf uit te komen. Een agent die op het juiste moment een goed voorstel doet, kan al enorm veel tijd besparen.
Vier remmen die geen rem op innovatie zijn
Een bruikbare AI-agent heeft minimaal vier technische vangrails nodig.
Beperkte rechten. De agent krijgt alleen toegang tot de gegevens en acties die hij werkelijk nodig heeft. Geen algemene beheerderssleutel “omdat dat makkelijker bouwt”.
Een auditlog. Iedere geraadpleegde bron, voorgestelde beslissing en uitgevoerde actie moet achteraf te reconstrueren zijn. Niet om een schuldige aan te wijzen, maar om te kunnen leren en herstellen.
Een terugweg. Als een actie omkeerbaar is, moet de software weten hoe. Een wijziging zonder rollback is geen automatisering maar een weddenschap.
Escalatie. Twijfel is een geldige uitkomst. Als gegevens ontbreken, regels botsen of de impact groot is, moet de agent stoppen en een mens erbij halen.
AI moet in je proces passen
Veel AI-demo’s beginnen bij wat een model kan. Wij beginnen liever bij wat een organisatie verantwoord uit handen kan geven.
Dat klinkt misschien minder spectaculair. Maar een agent die één afgebakende taak iedere dag betrouwbaar uitvoert, levert meer op dan een digitale alleskunner die af en toe een order van €50.000 verkeerd begrijpt.
Bij Byte Me bouwen we AI niet voor de show. We verbinden intelligentie met rechten, context en controle. Zodat een agent niet alleen slim overkomt, maar zich ook gedraagt als een betrouwbare collega.
De belangrijkste vraag is daarom niet: “Wat kan onze AI-agent?”
De vraag is: “Wat mag hij doen als niemand kijkt?”