Is Agentic AI gewoon een uitbreiding van de generatieve AI die tot nu toe zijn uitgevoerd? Het antwoord is nee. De focus ligt niet langer op lokale optimalisatie via één enkel gebruiksscenario, maar op de volledige heruitvinding van kernbedrijfsprocessen om tastbare en meetbare waarde te creëren.

Een agent is geen assistent met een andere naam. Een assistent beantwoordt vragen of genereert content. Een agent streeft echter een specifiek bedrijfsdoel na, neemt beslissingen, communiceert met systemen en voert acties uit. Hij handhaaft een status, beheert uitzonderingen en escaleert wanneer hij zijn grenzen bereikt. Dit verschil is niet cosmetisch: een agent is niet ontworpen om te 'antwoorden', maar om binnen een proces te handelen.

Van GenAI naar Agentic AI: een paradigmaverschuiving

De aanpak van Agentic AI betekent een duidelijke breuk met de vorige GenAI-golf, die vaak op een gefragmenteerde manier werd aangepakt, op basis van gebruikssituatie per gebruikssituatie.

Het debat verschuift van 'conceptuele sferen naar de operationele realiteit van grote bedrijven', zoals recentelijk blijkt uit bedrijven als Orange, SNCF Voyageurs en de Beaumanoir-groep. Tegenwoordig wordt het onderwerp 'van bovenaf' behandeld, rechtstreeks door uitvoerende comités (Comex), gesponsord door het algemeen management of de Chief Transformation Officer. Het debat verschuift van 'conceptuele sferen naar de operationele realiteit van grote ondernemingen', zoals recentelijk blijkt uit bedrijven als Orange, SNCF Voyageurs en de Beaumanoir-groep. Tegenwoordig wordt het onderwerp 'van bovenaf' behandeld, rechtstreeks door uitvoerende comités (Comex), gesponsord door het algemeen management of de Chief Transformation Officer.

Deze schaalvergroting is aanzienlijk. Volgens Hanan Ouazan, Partner & Generative AI bij Artefact, betekent dit een echte paradigmaverschuiving. Het doel is niet langer om een algoritme stapsgewijs te verbeteren, maar om processen van begin tot eind te herzien en te automatiseren om een direct, meetbaar rendement op investering (ROI) te genereren.

Hanan Ouazan wijst ook op de beperkingen van de vorige aanpak: "Zelfs als je je algoritme lokaal sterk hebt geoptimaliseerd, blijft het lokaal. Je bent afhankelijk van veel andere aspecten van het proces die ook erg belangrijk zijn om de uiteindelijke ROI te behalen". Door zich te richten op het hele proces AI Agentic AI de "teleurstellende effecten" van geïsoleerde optimalisaties te overwinnen.

Agentische AI breekt AI met klassieke automatisering. Automatisering voert een gedefinieerde reeks taken uit. Agentificatie introduceert arbitrage, controles, het vermogen om een context te interpreteren en het pad aan te passen om een doel te bereiken. We hebben het niet langer over een vaste workflow, maar over een systeem dat een bedrijfsproces navigeert.

De koers uitzetten: de 'waarom, waar, hoe'-methode voor bedrijfsafstemming

Om een dergelijke ambitie te realiseren, is een duidelijk strategisch kader essentieel. Om deze transformatie te structureren, stelt de expert een eenvoudig maar krachtig methodologisch kader voor: het drieluik 'Waarom, Waar, Hoe'. De aanpak bestaat uit het achtereenvolgens beantwoorden van drie fundamentele vragen om de hele organisatie op één lijn te brengen.

  1. Het 'waarom': het definiëren van de strategische doelstelling op hoog niveau. Deze stap bepaalt de omvang van de ambitie en rechtvaardigt de noodzakelijke investeringen. Dit 'waarom' kan verschillende vormen aannemen, zoals het klantgerichte 'kompas' van SNCF Voyageurs of de prioriteit die Beaumanoir geeft aan onmiddellijke'professionele efficiëntie'voor zijn teams.
  2. De 'waar': het speelveld definiëren. Zodra het doel is vastgesteld, organisatie de organisatie de prioritaire functies en processen waar de meeste waarde kan worden gerealiseerd.
  3. Het 'hoe': het definiëren van de concrete middelen. Dit omvat het opzetten van het technologische platform, het bestuur en de organisatiestructuur die de transformatie zullen ondersteunen. Dit bestuur is van cruciaal belang: voor agentische AI moet duidelijk worden wie de bedrijfsregels definieert, wie toezicht houdt op de agenten en wie toestemming geeft voor gevoelige acties.

Deze organisatorische beslissingen maken schaalvergroting mogelijk, meer nog dan de technologie. Het raamwerk zorgt ervoor dat het initiatief stevig verankerd is in de strategie organisatie.

Keuzes maken: voorwaarden en geschikte processen identificeren

Het succes van een Agentic AI hangt af van een grondige beoordeling van drie essentiële voorwaarden:

  1. Proceskennis: Het is van cruciaal belang om een duidelijk overzicht te hebben van de huidige bedrijfsvoering, aangezien er vaak een aanzienlijke kloof bestaat tussen 'het proces zoals dat op papier staat en het proces zoals dat in de organisatiewordt uitgevoerd'. Functies zoals financiën of juridische zaken, waar 'soevereine' belangen strikte documentatie vereisen, zijn vaak gunstigere uitgangspunten.
  2. Volwassenheid vanData informatiesystemen: Automatisering stuit vaak op verouderde systemen die niet zijn ontworpen om interoperabel te zijn. Een agent moet niet alleen informatie kunnen lezen, maar ook kunnen schrijven om acties uit te voeren, wat open systemen vereist. Deze mogelijkheid vereist een nauwkeurige architectuur: een orchestrator, contextgeheugen, connectoren naar bedrijfssystemen en een supervisielaag. Het doel is om een transversaal 'zenuwstelsel' toe te voegen dat processen en informatiesystemen (IS) met elkaar verbindt, in plaats van opnieuw uit te vinden wat al bestaat.
  3. Organisatorische volwassenheid: Een structuur die in staat is om toezicht te houden op nieuwe processen, menselijke interventie te integreren ("human in the loop") en veranderingen te beheren, is onmisbaar.

Het is van cruciaal belang om rekening te houden met deze drie aspecten om de implementatiefase soepel te laten verlopen.

Een pragmatisch implementatieplan

Zodra geschikte processen zijn geïdentificeerd, moet de implementatiemethode resoluut pragmatisch zijn.

De eerste stap is het prioriteren van processen door een afweging te maken tussen potentiële waarde (verwachte winst) en de complexiteit van de transformatie (technisch, menselijk, organisatorisch). Een cruciale stap is vervolgens het herschrijven van het doelproces "in een ideale wereld", zonder beperkingen, en vervolgens de kloof met de werkelijkheid te meten.

Hanan Ouazan waarschuwt echter voor een grote valkuil: "proberen om het proces van morgen meteen opnieuw te creëren". Deze aanpak is gedoemd te mislukken. De beste aanpak is om een stappenplan in "brokken" op te stellen, te beginnen met de meest toegankelijke waardevolle onderdelen.

Oney geeft een concreet voorbeeld met zijn Agentic Proof of Concept: de dochteronderneming van BPCE richtte zich op de specifieke doelstelling om "het proces voor het afsluiten van een persoonlijke lening te stroomlijnen". In plaats van alles opnieuw uit te vinden, begonnen ze met het automatiseren van de analyse van de 42 vereiste documenten. Deze ene stap bespaart drie dagen op het totale proces en levert onmiddellijk voordeel op.

Deze stapsgewijze aanpak zorgt voor zekerheid, maar neemt niet alle obstakels weg. Voorbeelden van anti-patronen die in de praktijk worden waargenomen, zijn onder meer: een agent ontwikkelen voordat het proces is verduidelijkt, een cruciale agent te veel vrijheid geven zonder waarborgen, of ervan uitgaan dat een agent een rol zal 'vervangen' zonder dat er een reorganisatie plaatsvindt. Omgekeerd is het een andere valkuil om een agent te zien als een afgewerkt product, terwijl deze juist voortdurend toezicht en aanpassing vereist.

Uitdagingen die verder gaan dan technologie: governance, legacy en volwassenheid van tools

Agentische AI staan voor uitdagingen die veel verder reiken dan het puur technologische kader.

Een daarvan is de extreem snelle evolutie van tools, die Hanan Ouazan vergelijkt met "proberen een foto te maken van een TGV die met 300 km/u voorbijrijdt". Inzetten op technologieën die nog in ontwikkeling zijn, is riskant. Daarom is het belangrijk om verstandig te "kiezen welke strijd je aangaat".

Een tweede belangrijke belemmering is organisatorisch van aard. Proceshervorming is inherent transversaal en botst frontaal met gescheiden organisaties waar "iedereen elkaar voor de voeten loopt". Zoals blijkt uit de uitdaging van SNCF Voyageurs om "de hele organisatie te bereiken", zijn deze initiatieven gedoemd te mislukken zonder een duidelijk mandaat op het hoogste niveau.

Ten slotte is de maturiteit van de huidige tools een punt van zorg. De Artefact constateert een "enorme kloof" tussen oplossingen zoals chatbots voor bedrijven en complexe ontwikkelingsplatforms die bedoeld zijn voor experts. Hanan Ouazan is van mening dat er behoefte is aan "low-code" tools waarmee zakelijke gebruikers agents kunnen creëren, evenals modelonafhankelijke, "end-to-end" supervisieplatforms.

Normen voor interoperabiliteit en toezicht op agenten

Protocollen zoals Agent to Agent (A2A) of MCP bevinden zich nog in een vroeg stadium en de markt is duidelijk nog niet volwassen. De expert merkt op dat een CAC40-speler die verschillende modellen gebruikt (Mistral, OpenAI, Google, Azure) momenteel niet al zijn systemen kan controleren. Volgens hem wordt er met spanning uitgekeken naar een oplossing voor dit probleem van interoperabiliteit en grootschalig beheer door leveranciers. Zij moeten oplossingen kunnen bieden die "de bouw van agents op een betrouwbare en robuuste manier schalen" en een "betrouwbaar beheer"van deze agents mogelijk maken.

Bij gebrek aan uniforme protocollen en supervisieplatforms zijn bedrijven momenteel gedwongen om ofwel een 'grote gok' te nemen (alles inzetten op één enkel model) ofwel 'interfaces' te beheren, wat hun schaalbaarheid ernstig beperkt. De belangrijkste technologische uitdaging ligt in het gebrek aan normen en volwassen beheeroplossingen voor de interoperabiliteit en supervisie van agents van meerdere leveranciers.

Het landschap zal de komende 12 tot 24 maanden snel veranderen: de opkomst van low-codeplatforms voor zakelijke gebruikers, de standaardisatie van transactionele connectoren, de versterking van observatiemogelijkheden en de opkomst van gespecialiseerde agents die rechtstreeks in dagelijkse tools zijn geïntegreerd.

De vraag zal niet langer zijn "is het haalbaar?", maar "welke reeks processen moet worden getransformeerd en hoe kunnen we daar effectief toezicht op houden?".

Bekijk de replay van de presentatie: