Is Agentschappelijke AI gewoon een uitbreiding van de generatieve AI projecten die tot nu toe zijn ondernomen? Het antwoord is nee. De focus ligt niet langer op lokale optimalisatie door middel van een enkele use case, maar op het volledig opnieuw uitvinden van kernbedrijfsprocessen om er tastbare en meetbare waarde uit te halen.

Een agent is geen rebranded assistent. Een assistent antwoordt of genereert inhoud. Een agent streeft echter een specifiek bedrijfsdoel na, neemt beslissingen, heeft interactie met systemen en voert acties uit. Hij houdt een status bij, beheert uitzonderingen en escaleert wanneer hij zijn grenzen bereikt. Dit verschil is niet cosmetisch: een agent is niet ontworpen om te “antwoorden”, maar om handelen binnen een proces.

Van GenAI naar Agentic AI: een paradigmaverschuiving

De aanpak van Agentschappelijke AI vormt een duidelijke breuk met de vorige GenAI golf, die vaak versnipperd werd aangepakt, op basis van gebruik per geval.

Het debat verschuift van “conceptuele sferen naar de operationele realiteit van grote bedrijven,zoals onlangs is gebleken bij bedrijven als Orange, SNCF Voyageurs en de Beaumanoir groep. Tegenwoordig wordt het onderwerp ”van bovenaf“ behandeld, rechtstreeks door Executive Committees (Comex), gesponsord door het algemeen management of de Chief Transformation Officer. Het debat verschuift van ”conceptuele sferen naar de operationele realiteit van grote bedrijven“, zoals onlangs is gebleken bij bedrijven als Orange, SNCF Voyageurs en de Beaumanoir groep. Vandaag de dag wordt het onderwerp ”van bovenaf“ behandeld, rechtstreeks door Executive Committees (Comex), gesponsord door het algemeen management of de Chief Transformation Officer.

Deze schaalverandering is significant. Het vertegenwoordigt een echte paradigmaverschuiving, volgens Hanan Ouazan, Partner & Generative AI Lead bij Artefact. Het doel is niet langer om een algoritme stapsgewijs te verbeteren, maar om processen end-to-end te heroverwegen en automatiseren om een directe, meetbare verbetering te genereren. rendement op investering (ROI).

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

Agentic AI breekt ook met klassieke automatisering. Automatisering voert een gedefinieerde opeenvolging van taken uit. Agentisering 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 navigeert een bedrijfsproces.

De koers uitzetten: De “Waarom, Waar, Hoe” methode voor bedrijfsafstemming

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

  1. Het “Waarom”: De strategische doelstelling op hoog niveau definiëren. 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 prioritering door Beaumanoir van onmiddellijke ”professionele efficiëntie” voor haar teams.
  2. De “Waar”: Het speelveld bepalen. Zodra de doelstelling is vastgesteld, selecteert het bedrijf de prioritaire functies en processen waar de waarde het effectiefst kan worden vastgelegd.
  3. Het “Hoe”: De concrete middelen bepalen. Dit houdt in dat het technologische platform, het bestuur en de organisatiestructuur moeten worden vastgesteld die de transformatie zullen ondersteunen. Deze governance is van cruciaal belang: Agentschappelijke AI vereist dat duidelijk wordt wie de bedrijfsregels definieert, wie toezicht houdt op de agenten en wie gevoelige acties autoriseert.

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

Gevechten kiezen: Prerequisites en in aanmerking komende processen identificeren

Het succes van een Agentschappelijke AI project hangt af van een rigoureuze beoordeling van drie essentiële voorwaarden:

  1. Proceskennis: Het is noodzakelijk om de huidige activiteiten duidelijk in kaart te brengen, aangezien er vaak een grote kloof bestaat “tussen het proces zoals het op papier staat en het proces zoals het in het bedrijf wordt uitgevoerd”. Functies zoals financiën of juridische zaken, waar “soevereine” belangen een strikte documentatie vereisen, zijn vaak gunstigere uitgangspunten.
  2. Data en Volwassenheid van het informatiesysteem: Automatisering stuit vaak op legacysystemen die niet ontworpen zijn om interoperabel te zijn. Een agent moet niet alleen informatie kunnen lezen, maar deze ook kunnen schrijven om acties uit te voeren, wat open systemen vereist. Dit vermogen vereist een precieze architectuur: een orchestrator, contextgeheugen, connectoren met bedrijfssystemen en een toezichtlaag. 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. Organisatievolwassenheid: Een structuur die in staat is om toezicht te houden op nieuwe processen en menselijke interventie te integreren (“").“mens in de lus“), en het beheren van verandering is onmisbaar.

Rekening houden met deze drie dimensies is doorslaggevend voor een soepele implementatiefase.

Een pragmatische implementatie-roadmap

Zodra de in aanmerking komende processen zijn geïdentificeerd, moet de implementatiemethodologie resoluut pragmatisch zijn.

De eerste stap is het prioriteren van processen door de potentiële waarde (verwachte winst) af te wegen tegen de complexiteit van de transformatie (technisch, menselijk, organisatorisch). Een cruciale stap is dan 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 onmiddellijk na te bootsen”. Deze aanpak is gedoemd te mislukken. De beste werkwijze is om een stappenplan in “brokken” op te bouwen, te beginnen met de meest toegankelijke gebieden met waarde.

Oney geeft een concreet voorbeeld met haar Agentic Proof of Concept: de dochteronderneming van BPCE richtte zich op de specifieke doelstelling om “het inschrijvingstraject voor persoonlijke leningen te stroomlijnen”. In plaats van alles opnieuw uit te vinden, begonnen ze met het automatiseren van de analyse van de 42 vereiste documenten. Deze enkele stap bespaart drie dagen op het totale proces en levert onmiddellijke winst op.

Deze incrementele aanpak stelt het project veilig, maar neemt niet alle obstakels weg. Antipatronen die in het veld zijn waargenomen, zijn onder andere: een agent bouwen voordat het proces is verduidelijkt, te veel speelruimte geven aan een kritische agent zonder waarborgen, of aannemen dat een agent een rol zal “vervangen” zonder reorganisatie. Omgekeerd is het ook een valkuil om te denken dat een agent een afgewerkt product is, terwijl er voortdurend toezicht en aanpassingen nodig zijn.

Uitdagingen buiten de technologie: Governance, veroudering en gereedschapsvolwassenheid

Agentschappelijke AI projecten worden geconfronteerd met uitdagingen die veel verder gaan dan het puur technologische kader.

Eén daarvan is de extreem snelle evolutie van hulpmiddelen, die Hanan Ouazan vergelijkt met “een foto proberen te maken van een TGV die met 300 km/u voorbijrijdt”. Inzetten op technologieën die nog in ontwikkeling zijn is riskant, vandaar het belang van “uw gevechten verstandig kiezen”.

Een tweede belangrijke belemmering is organisatorisch van aard. Procesverandering is inherent transversaal en botst frontaal met siloorganisaties waar “iedereen op elkaars tenen trapt”. Zoals wordt geïllustreerd door 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.

Tot slot is de volwassenheid van de huidige tools een punt van zorg. De Artefact-expert ziet een “enorme kloof” tussen oplossingen zoals chatbots voor bedrijven en complexe ontwikkelingsplatforms die bedoeld zijn voor expertprofielen. Hanan Ouazan gelooft dat er behoefte is aan “low-code” hulpmiddelen om zakelijke gebruikers in staat te stellen agenten te creëren, evenals modelagnostische, “end-to-end” toezichtplatforms.

Normen voor agentinteroperabiliteit en -toezicht

Protocollen zoals Agent to Agent (A2A) of MCP bevinden zich nog in de beginfase en de markt is duidelijk nog niet volgroeid. De expert merkt op dat een CAC40-speler die verschillende modellen gebruikt (Mistral, OpenAI, Google, Azure) momenteel niet al zijn systemen kan overzien. Volgens hem wordt van verkopers verwacht dat ze dit probleem van interoperabiliteit en grootschalig beheer. Ze moeten oplossingen kunnen bieden die “de constructie van agenten op een betrouwbare en robuuste manier schalen” en de “betrouwbaar bestuur” van deze middelen.

Bij gebrek aan uniforme protocollen en toezichtplatforms zijn bedrijven momenteel gedwongen om ofwel een “grote gok” te wagen (alles inzetten op één model) of om “interfaces” te beheren, wat hun schaalbaarheid ernstig beperkt. De grootste technologische uitdaging ligt in het gebrek aan standaarden en volwassen beheeroplossingen voor de interoperabiliteit en supervisie van agenten van meerdere leveranciers.

Het landschap zal de komende 12 tot 24 maanden snel evolueren: de opkomst van low-code platforms gewijd aan zakelijke gebruikers, de standaardisatie van transactionele connectoren, de versterking van waarnemingsmogelijkheden en het verschijnen van gespecialiseerde agenten die direct in dagelijkse tools geïntegreerd zijn.

De vraag zal niet langer zijn “is het haalbaar?”, maar “welke opeenvolging van processen moet worden getransformeerd en hoe kunnen we dit effectief begeleiden?”.

Bekijk de replay van de presentatie: