Aan de slag met AI-agents: Van potentie naar praktijk
AI-agents worden gezien als de volgende stap in de AI-transformatie. Maar veel organisaties weten nog niet waar ze moeten beginnen. Niels Waslander, AI Lead bij Fellowmind, deelt een aantal praktische handvatten.
De meeste organisaties weten inmiddels wat AI-agents zijn. Maar als beslisser weet je vaak nog niet wat je er vandaag al mee had kunnen bereiken. Tussen weten en doen zit een flinke kloof.
Zo gebruikt slechts 12% van de werknemers AI iedere werkdag. In de praktijk blijft AI vaak beperkt tot de gratis modellen van tools zoals Copilot of Claude – handig voor persoonlijke productiviteit, maar onvoldoende om het echte potentieel van AI voor je organisatie te ervaren.
Het gevolg is dat organisaties hun AI-beeld vormen op basis van wat ze erover lezen of horen van anderen en niet op basis van wat ze er zelf al mee hebben bereikt. Precies dat wil je als beslisser omdraaien. Daarvoor heb je drie dingen nodig: de juiste mensen, een sterke fundering en scherpe keuzes over waar je begint.
Bepaal prioriteiten bottom-up
Succesvol werken met agents vraagt om drie rollen in je organisatie: mensen met domein- en proceskennis, technische stakeholders met AI-kennis en collega’s die bijhouden wat er dagelijks verandert in het AI-landschap.
Die laatste rol wordt het vaakst vergeten en onderschat. AI-ontwikkelingen gaan hard. Wekelijks, zo niet dagelijks, zijn er veranderingen waar je iets mee moet. Hou je dat niet bij, dan mis je kansen die direct bedrijfswaarde kunnen opleveren.
Juist daarom is mijn belangrijkste boodschap aan beslissers: bepaal de koersrichting voor AI, maar laat operationele prioriteiten bottom-up vaststellen. Neem je te veel of te vroeg sturing bij het opzetten van agents? Dan loop je het risico op confirmation bias. Mensen voegen zich naar jouw ideeën, terwijl er misschien concretere pijnpunten op de werkvloer zijn die meer prioriteit verdienen.
Laat teams daarom eerst zelf bepalen welke bottlenecks het meest urgent zijn. Daarna is het aan de directie om op basis van meetbare impact, zoals ROI en kostenreductie, de knoop door te hakken en een AI-roadmap voor agents vast te stellen. Dan weet je zeker dat de roadmap gedragen wordt op de werkvloer en strategisch onderbouwd is.
Zo goed als de fundering
Agents zijn de uitvoerders in je proces. Daarvoor geldt dat hun bronnen betrouwbaar en volledig moeten zijn. En die bronnen bestaan uit zowel processen als data. Die twee moet je eerst logisch inrichten. Sla je dit over, dan bouw je een slimme oplossing op een rommelig fundament.
Als je bijvoorbeeld een strategische financiële agent bouwt en deze vervolgens maar toegang geeft tot zestig procent van je omzetdata, dan komen daar onjuiste en waarschijnlijk onbruikbare resultaten uit. De fundering bepaalt de kwaliteit van agents.
Het is overigens geen flow van eerst het een en dan het ander. Beide zaken kunnen parallel aan elkaar lopen: breng data op orde terwijl je een agent bouwt. Die kennis zit niet bij technici, maar bij de mensen die dagelijks in die processen werken en weten wat logisch is. Dit is de absolute basis voor agents die je koppelt aan interne processen.
Begin smal, bewijs snel en schaal dan pas op
Dan de laatste vraag: waar begin je? De grootste valkuil van werken met agents is niet te laat beginnen, maar te breed beginnen. Daardoor zie je nergens echt waarde terug. Klarna handelde bijvoorbeeld twee derde van zijn klantenservicegesprekken af met agents en wist kosten en beantwoordingstijd voor klantvragen terug te dringen van elf naar twee minuten.
Toch schaalde het bedrijf bewust terug in agents omdat de kwaliteit terugliep bij complexe vragen. Zelfs het beste gefinancierde AI-project ter wereld komt uit op een hybride model met AI voor de bulk en mensen voor de momenten die ertoe doen. Dat geldt ook voor jouw organisatie. Kies twee business cases met een duidelijke ROI, koppel ze aan meetbare KPI’s en bepaal vooraf wat succes is. Dan weet je ook wanneer je moet bijsturen.
Bepaal het tempo
De organisaties die serieus met agents in hun processen aan de slag zijn, zijn nog in de minderheid. Daar ligt de kans. Zorg voor de juiste mensen, schone data, scherpe use cases en snel bewijs. Als je daar nu de basis voor legt, dan kun je straks doorpakken naar de volgende fase, waarin AI-agents met elkaar samenwerken als digital workforce.
Als de modellen onder agents straks verder verbeteren, worden je agents ook beter zonder dat je er iets voor hoeft te doen. Op dat punt kom je niet door te blijven plannen en over de potentie te lezen in use cases van concurrenten, maar juist door zelf succes te realiseren.
Over de auteur: Niels Waslander is AI Lead bij Fellowmind.
