Is Agentic AI slechts een voortzetting 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 herziening van kernbedrijfsprocessen om tastbare en meetbare waarde te creëren.

Een agent is niet zomaar een assistent met een andere naam. Een assistent beantwoordt vragen of genereert inhoud. Een agent daarentegen streeft een specifieke bedrijfsdoelstelling na, neemt beslissingen, communiceert met systemen en voert acties uit. Hij houdt de status bij, beheert uitzonderingen en escaleert wanneer hij zijn grenzen bereikt. Dit verschil is niet louter cosmetisch: een agent is niet ontworpen om ‘vragen te beantwoorden’, maar om binnen een proces te handelen.

Van GenAI naar agentische 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, waarbij elke use case afzonderlijk werd bekeken.

Het debat verschuift van „conceptuele sferen naar de operationele realiteit van grote ondernemingen“, zoals onlangs blijkt uit het voorbeeld van bedrijven als Orange, SNCF Voyageurs en de Beaumanoir-groep. Tegenwoordig wordt het onderwerp „van bovenaf“ aangepakt, rechtstreeks door de directiecomités (Comex), onder leiding van de algemene directie 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' aangepakt, rechtstreeks door de directiecomités (Comex), onder auspiciën van de algemene directie of de Chief Transformation Officer.

Deze schaalvergroting is veelzeggend. Volgens Hanan Ouazan, partner en AI Generatieve AI bij Artefact, betekent dit een ware 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 zo een direct, meetbaar rendement op de investering (ROI) te genereren.

Hanan Ouazan wijst ook op de beperkingen van de eerdere aanpak: „Zelfs als je je algoritme lokaal grondig hebt geoptimaliseerd, blijft het lokaal. Je bent afhankelijk van tal van andere aspecten van het proces die eveneens van groot belang zijn om het uiteindelijke rendement te behalen”. Door zich op het gehele proces te richten, AI Agentic AI de „teleurstellende effecten” van geïsoleerde optimalisaties te overwinnen.

Agentische AI breekt AI met klassieke automatisering. Automatisering voert een vastgestelde reeks taken uit. Agentisering introduceert besluitvorming, controle, het vermogen om een context te interpreteren en de route aan te passen om een doel te bereiken. We hebben het niet langer over een vaste workflow, maar over een systeem dat door een bedrijfsproces navigeert.

De koers uitzetten: de ‘waarom, waar, hoe’-methode voor afstemming binnen de organisatie

Om een dergelijke ambitie te realiseren, is een duidelijk strategisch kader van essentieel belang. Om deze transformatie vorm te geven, stelt de deskundige een eenvoudig maar krachtig methodologisch kader voor: het „Waarom, Waar, Hoe“-drieluik. Deze aanpak houdt in dat achtereenvolgens drie fundamentele vragen worden beantwoord om de hele organisatie op één lijn te brengen.

  1. Het ‘waarom’: het vaststellen van de strategische hoofddoelstelling. Deze stap bepaalt de omvang van de ambitie en rechtvaardigt de benodigde 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. Het ‘waar’: het speelveld afbakenen. Zodra het doel is vastgesteld, organisatie de organisatie de prioritaire functies en processen waar het meest effectief waarde kan worden gecreëerd.
  3. Het „hoe”: het vaststellen van de concrete middelen. Dit houdt in dat het technologische platform, het bestuurskader en de organisatiestructuur moeten worden opgezet die de transformatie zullen ondersteunen. Dit bestuurskader is van cruciaal belang: bij agentgebaseerde AI moet duidelijk worden vastgelegd wie de bedrijfsregels vaststelt, wie toezicht houdt op de agenten en wie toestemming geeft voor gevoelige handelingen.

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

Prioriteiten stellen: voorwaarden en in aanmerking komende processen vaststellen

Het succes van een Agentic AI -project 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“. Afdelingen zoals Financiën of Juridische Zaken, waar „soevereine“ belangen strikte documentatie vereisen, vormen vaak een gunstiger uitgangspunt.
  2. Volwassenheid vanData informatiesystemen: Bij automatisering stuit men vaak op verouderde systemen die niet zijn ontworpen om onderling samen te werken. Een agent moet niet alleen informatie kunnen lezen, maar ook schrijven om acties uit te voeren, wat open systemen vereist. Deze capaciteit vereist een nauwkeurige architectuur: een orchestrator, contextgeheugen, koppelingen 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 tussenkomst te integreren („human in the loop“) en veranderingen te begeleiden, is onmisbaar.

Het is van cruciaal belang om met deze drie aspecten rekening te houden voor een soepel verloop van de implementatiefase.

Een pragmatisch implementatieplan

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

De eerste stap is het prioriteren van processen door een afweging te maken tussen de 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 daarna het meten van de kloof met de werkelijkheid.

Hanan Ouazan waarschuwt echter voor een grote valkuil: „proberen het proces van morgen meteen na te bootsen“. Deze aanpak is gedoemd te mislukken. De beste aanpak is om een stappenplan in „deelstappen“ op te stellen, te beginnen met de meest haalbare waardepunten.

Oney geeft een concreet voorbeeld met zijn Agentic Proof of Concept: de dochteronderneming van BPCE richtte zich op de specifieke doelstelling om „het aanvraagproces 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 ene stap bespaart drie dagen op het totale proces en levert direct voordeel op.

Deze stapsgewijze aanpak biedt zekerheid voor het project, maar neemt niet alle obstakels weg. Voorbeelden van anti-patronen die in de praktijk worden waargenomen, zijn onder meer: het ontwikkelen van een agent voordat het proces duidelijk is, het geven van te veel vrijheid aan een cruciale agent 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 beschouwen als een afgewerkt product, terwijl er juist voortdurend toezicht en aanpassingen nodig zijn.

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

Projecten op het gebied van agentgebaseerde AI staan voor uitdagingen die veel verder reiken dan het puur technologische kader.

Een daarvan is de razendsnelle ontwikkeling van tools, die Hanan Ouazan vergelijkt met „proberen een foto te maken van een TGV die met 300 km/u voorbij raast“. Inzetten op technologieën die nog in ontwikkeling zijn, is riskant; vandaar dat het belangrijk is om verstandig „je strijd te kiezen“.

Een tweede belangrijke hindernis is van organisatorische aard. Procesverandering is van nature transversaal en botst frontaal met gescheiden afdelingen waar „iedereen elkaar voor de voeten loopt“. Zoals blijkt uit de uitdaging van SNCF Voyageurs om „de hele organisatie te bereiken“, zijn dergelijke initiatieven gedoemd te mislukken zonder een duidelijk mandaat dat op het hoogste niveau wordt gedragen.

Ten slotte baart de mate van volwassenheid van de huidige tools zorgen. De Artefact constateert een „enorme kloof“ tussen oplossingen zoals chatbots voor bedrijven en complexe ontwikkelingsplatforms die bedoeld zijn voor ervaren gebruikers. Hanan Ouazan is van mening dat er behoefte is aan „low-code“-tools waarmee zakelijke gebruikers zelf agents kunnen maken, evenals aan modelonafhankelijke „end-to-end“-toezichtplatforms.

Normen voor interoperabiliteit en toezicht op tussenpersonen

Wat protocollen als Agent to Agent (A2A) of MCP betreft: deze 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 overzien. Volgens hem wordt er van leveranciers sterk verwacht dat zij dit probleem van interoperabiliteit en grootschalig beheer oplossen. Zij moeten oplossingen kunnen bieden die “de opbouw van agents op een betrouwbare en robuuste manier schaalbaar maken” endie “betrouwbaar beheer”van deze agents mogelijk maken.

Bij gebrek aan uniforme protocollen en beheerplatforms zien bedrijven zich momenteel gedwongen om ofwel een „grote gok“ te wagen (door alles op één enkel model in te zetten), ofwel „interfaces“ te beheren, wat hun schaalbaarheid ernstig beperkt. De belangrijkste technologische uitdaging ligt in het ontbreken van standaarden en volwassen beheeroplossingen voor de interoperabiliteit en het beheer van agents van verschillende leveranciers.

Het landschap zal de komende 12 tot 24 maanden snel veranderen: de opkomst van low-code-platforms die speciaal zijn bedoeld voor zakelijke gebruikers, de standaardisatie van transactieconnectoren, de versterking van observability-mogelijkheden en de opkomst van gespecialiseerde agents die rechtstreeks in dagelijkse tools worden 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 de presentatie: