Wat is een AI-agent? Een uitleg zonder jargon

Het woord agent is in korte tijd overal opgedoken, en het betekent bijna nergens hetzelfde. Voor de een is het een chatbot met een ander jasje, voor de ander een digitale collega die zelfstandig je hele administratie doet. De waarheid ligt er tussenin, en die is bruikbaarder dan beide uitersten.

Een taalmodel zonder meer is als een heel belezen collega die in een kamer zit zonder telefoon, zonder computer en zonder toegang tot jullie systemen. Je kunt hem alles vragen. Hij geeft antwoord op basis van wat hij weet, en hij kan niets doen. Vraag je om de status van order 4412, dan verzint hij een plausibel klinkend antwoord, want hij kan nergens kijken.

Een agent is dezelfde collega, maar nu met een sleutelbos, een inbox en een lijstje met wat hij mag doen. Hij kan opzoeken, hij kan iets aanmaken, hij kan een mail klaarzetten. En hij bepaalt zelf de volgorde: eerst kijken welke klant dit is, dan de order opzoeken, dan de levertijd checken bij de leverancier, dan een antwoord opstellen.

Dat zelf bepalen van de volgorde is het echte verschil. Bij klassieke automatisering leg jij de route vooraf vast: als dit, dan dat. Bij een agent geef je het doel en de gereedschappen, en kiest hij per geval de route. Dat maakt hem geschikt voor werk waarin geen twee gevallen hetzelfde zijn.

De toepassingen die in het MKB het snelst renderen, zijn zelden spectaculair. Het zijn de plekken waar iemand elke dag hetzelfde soort beoordeling maakt op basis van tekst die net anders is opgeschreven.

Denk aan binnenkomende mail die naar de juiste persoon moet, met de relevante ordergegevens er alvast bij. Aan inkoopfacturen die tegen een bestelling gelegd worden, waarbij alleen de afwijkingen bij een mens terechtkomen. Aan offerteaanvragen waarvan de gegevens al in het systeem staan voordat iemand ze opent.

Wat die voorbeelden gemeen hebben: het werk is lastig in regels te vatten, maar makkelijk te controleren. Je ziet in een oogopslag of het klopt. Dat is de gouden combinatie. Werk dat moeilijk te beschrijven maar makkelijk na te kijken is, leent zich uitstekend voor een agent.

Een agent is slecht in werk waarbij een fout pas maanden later opvalt. Boekingen op de verkeerde grootboekrekening, een voorraadcorrectie die niemand narekent, een prijsafspraak die net verkeerd is overgenomen. Niet omdat de agent daar vaker de mist in gaat, maar omdat de fout blijft liggen en zich vermenigvuldigt.

Even belangrijk: een agent is zo goed als de toegang die hij heeft. Staat de actuele levertijd in het hoofd van je planner en nergens anders, dan kan geen enkel model die weten. In veel bedrijven blijkt de eerste winst dan ook niet AI, maar het ontsluiten van informatie die tot dan toe alleen mondeling bestond.

En dan is er nog de reikwijdte. Een agent die van alles een beetje mag, wordt onvoorspelbaar. Een agent met drie duidelijke taken en een harde grens eromheen wordt vertrouwd, en dat vertrouwen is waar het uiteindelijk om draait.

De nuttigste vraag is niet waar we AI kunnen inzetten. Die vraag levert altijd een lijst met ideeën op waar niemand warm van wordt. De betere vraag: welk werk doet iemand hier elke dag, dat vooral bestaat uit informatie bij elkaar zoeken en dan een routinebeslissing nemen? Daar begint het, en daar is de winst het duidelijkst zichtbaar.

Begin met een taak waarvan een fout meteen zichtbaar is en zonder schade te herstellen. Laat hem een paar weken meelopen naast een mens. Pas als je het patroon van fouten kent, verruim je de grens. Dat is minder indrukwekkend dan een digitale collega, maar het is de weg waarop het wel blijft werken.