In deze aflevering van The Bridge van Artefact deelt Hanan Ouazan zijn expertise over AI Agents en hun impact op het automatiseren van bedrijfsprocessen en het versnellen van de productiviteit in de onderneming.

Hij werd geïnterviewd door Caroline Goulard, CEO en oprichter van 2 data bedrijven, over zowel haar analyse van deze grote transformatie die plaatsvindt als de nieuwe use cases die hieruit zullen voortvloeien.

Hanan is lid geworden van Artefact 10 jaar geleden bij het prille begin en is altijd gepassioneerd geweest door AI-technologieën. Hij speelt een sleutelrol in de ontwikkeling van generatieve AI-oplossingen bij Artefact voor onze klanten, door voortdurend evoluerende geavanceerde technologieën te gebruiken om beter te voldoen aan hun behoeften volgens de eisen van hun industrie.

Hij is afgestudeerd aan de Centrale Lille en de École Normale Supérieure (ENS) en voltooide zijn onderzoeksmaster MVA (Mathematics, Vision, Learning) aan de ENS, een van de meest geavanceerde programma's in Machine Learning, Data Mining en Statistical Learning. Hanan leidt een team van getalenteerde ingenieurs in het ontwerpen, ontwikkelen en industrialiseren van artificial intelligence use cases.

De AI Agent: Een nieuw tijdperk in automatisering.

AI agents zijn niet langer gewoon hulpmiddelen die geautomatiseerde taken uitvoeren. In tegenstelling tot RPA (Robotic Process Automation), dat vooraf gedefinieerde taken in een precieze volgorde uitvoert, kunnen AI-agents zich aanpassen aan hun omgeving, beslissingen nemen en processen optimaliseren zonder menselijke tussenkomst.

Dit betekent een echte stap in de richting van meer autonome, flexibele en intelligente AI. Deze AI-agenten zorgen voor een nieuwe, meer adaptieve aanpak omdat ze:

  • Hun omgeving observeren en hun gedrag aanpassen aan de data.
  • Communiceer met meerdere systemen om complexe taken uit te voeren.
  • Optimaliseer en automatiseer processen zonder voortdurende menselijke tussenkomst.
“AI-agenten en Agentic zullen de meest besproken technologische termen zijn in 2025. Deze evolutie in automatisering maakt gebruik van de uitzonderlijke prestaties die generatieve AI heeft gebracht. Ik noem het graag RPA 2.0, dat in staat is om te integreren in dynamische workflows en verder gaat dan de eenvoudige rolassistent.”
Hanan Ouazan, Managing Partner Artefact & Global Lead AI Acceleration

RPA-technologie (Robotic Process Automation) bestaat uit het automatiseren van een proces door het op te splitsen in een opeenvolging van taken, die aan elkaar worden geketend totdat het resultaat is verkregen, vaak met behulp van een eenvoudig proces: Lezen, Extraheren, Schrijven.

Generatieve AI-technologieën bestaan uit drie gereedschapselementen:

  1. LLM: Eerst hadden we modellen waarmee we vragen konden beantwoorden op basis van hun kennis.
  2. Assistent: Toen kwam de tijd van assistenten die konden interfacen met kennissystemen om ons te helpen in ons dagelijks leven (RAG-gebruik, enz.) - de beroemde “COPILOT”. Hier “voert” AI niets uit, maar verrijkt het zijn kennis en helpt het de gebruiker.
  3. Agent: Een agent is een toepassing die een doel probeert te bereiken door de wereld te observeren en ernaar te handelen met de hulpmiddelen die hij tot zijn beschikking heeft. Nieuw is dit “bewustzijn” van de omgeving, waardoor de agent zich kan aanpassen aan onvoorziene gebeurtenissen.

En dat is waar het in contrast staat met het begrip RPA. Het is het vermogen van de agent om zich aan te passen aan het onverwachte dat hem vaak het label RPA 2.0 oplevert!

Use case: hoe AI-agenten een verschil maken.

AI-agenten hebben toepassingen op vele gebieden.

  • Klantrelaties: intelligente chatbots die niet alleen vragen kunnen beantwoorden, maar ook acties kunnen uitvoeren (een contract bijwerken, een factuur genereren, een specifiek verzoek afhandelen).
  • Backoffice: EDM 2.0, geautomatiseerd documentbeheer, incidentafhandeling en interne verzoeken.
  • Code schrijven: AI's helpen ontwikkelaars door code te genereren, scripts te optimaliseren of tests te automatiseren.

 

“Use cases moeten opnieuw worden doordacht in termen van proces en niet alleen worden vertaald naar AI. Het doel is niet om AI erbovenop te leggen, maar om het proces opnieuw te definiëren zonder de beperkingen die er mogelijk waren.”
Hanan Ouazan, Managing Partner Artefact & Global Lead AI Acceleration

De impact van AI-agenten op softwareontwikkeling: automatisering, interoperabiliteit en nieuwe uitdagingen.

 

“We zien de opkomst van AI-tools die code kunnen genereren, implementeren en zelfs complexe processen kunnen automatiseren. Deze technologieën verstoren de ontwikkeling van software ingrijpend en maken het veel sneller en toegankelijker om toepassingen te ontwikkelen.”
Hanan Ouazan, Managing Partner Artefact & Global Lead AI Acceleration

AI-agenten hebben twee belangrijke toepassingen:

  1. Snel bootstrappen (bijv. Bolt): onmiddellijke omzetting van concepten in prototypes.
  2. Hulp bij ontwikkeling (bijv. Copilot, Cursor): code voltooiing, refactoring, testgeneratie.

Deze evolutie vervangt menselijke expertise echter niet. Deze hulpmiddelen vereisen streng toezicht om structurele fouten te voorkomen, en in het bijzonder het risico op “kaartenhuis”-code, die hoge prestaties lijkt te leveren maar instabiel is in productie.

Hoe AI-agenten het probleem van interoperabiliteit tussen toepassingen zullen oplossen.

Tegenwoordig is de verbinding tussen een AI-agent en software voornamelijk gebaseerd op servicespecifieke API's. Om te communiceren met systemen zoals Google Drive, Slack en Confluence, bijvoorbeeld:

  1. Drie verschillende API's integreren, elk met zijn eigen technische bijzonderheden.
  2. De AI-agent configureren met drie connectoren, die elk afzonderlijke verificatie en configuratie vereisen.
  3. Drie afzonderlijke query's starten, waarvan de antwoorden vervolgens door de agent worden samengevoegd of gesynthetiseerd.

Dit proces is niet alleen complex, maar ook moeilijk te onderhouden en te evolueren, vooral op grote schaal. Dit is precies het probleem dat het initiatief gelanceerd door Anthropic, met het Model Context Protocol (MCP) beoogt op te lossen. Dit nieuwe protocol werkt als een universeel gestandaardiseerde API, specifiek ontworpen om interacties tussen AI-agenten en software te vereenvoudigen.

Tot slot is het belangrijk om te begrijpen dat AI-agenten vraagtekens zetten bij de structuur van SaaS-software, die gebaseerd is op drie fundamentele bouwstenen (UX, Intelligentie,Data). Deze technologie stelt deze 3 componenten ter discussie:

  1. UX: Met AI-agenten evolueert de gebruikersinteractie. Prompts en automatisering vervangen de traditionele klik, waardoor de klassieke UX minder centraal komt te staan. De ervaring wordt geherdefinieerd rond onzichtbare workflows of workflows die aangepast zijn aan de behoeften van de agents.
  2. Intelligentie: Automatiseringen omvatten vaak acties tussen verschillende systemen. Open, gestandaardiseerde logica kan workflows vervangen die opgesloten zitten in geïsoleerde ecosystemen.
  3. Data: Data eigendom blijft een obstakel voor volledige integratie.

 

“Vandaag de dag integreren SaaS-uitgevers automatiseringslagen in hun platformen, maar deze aanpak toont zijn grenzen in het licht van multiplatformbehoeften. De toekomst van SaaS ligt waarschijnlijk in open, onderling verbonden en adaptieve logica's, ten dienste van bedrijven.”
Hanan Ouazan, Managing Partner Artefact & Global Lead AI Acceleration

AI-agenten: toepassing, uitdagingen en gevolgen voor het werk.

De eerste AI-agenten, zoals Copilot van Microsoft, Google en Salesforce, worden steeds wijder verspreid, maar blijven beperkt tot eenvoudige taken. Meer geavanceerde agents hebben moeite om geïndustrialiseerd te worden, vanwege een gebrek aan controle en vertrouwen, terwijl autonome agents experimenteel blijven.

Een paar maanden geleden, op de Consumer Electronics Show (CES) in Las Vegas, verklaarde Nvidia CEO Jensen Huang dat “IT wordt de HR van AI-agenten”.

Volgens Hanan Ouazan is deze visie weliswaar interessant en uitdagend, maar niet helemaal realistisch of wenselijk.

Naar zijn mening zal IT een sleutelrol spelen bij de inzet van deze AI-agenten, maar zal het beheer van deze tools niet alleen op zich kunnen nemen. Dit vereist een bredere organisatorische transformatie en de onmisbare betrokkenheid van de business lines:

  • Bovenal een zakelijke uitdaging: AI-agenten automatiseren bedrijfsprocessen. Om ze te begeleiden zullen operationele en data teams betrokken moeten worden.
  • Een ingrijpende organisatorische verandering: IT zal verantwoordelijk zijn voor het technische onderhoud, maar governance en agentoptimalisatie zullen de verantwoordelijkheid zijn van de business lines.

Generatieve AI is bedrijven al aan het transformeren: minder uitvoering, meer toezicht en optimalisatie. Net als bij industriële automatisering moeten vaardigheden worden ontwikkeld om deze tools effectief te integreren.

 

“Automatisering alleen is niet genoeg: we moeten bedrijfsprocessen al heroverwegen om onnodige complexiteit te vermijden. AI moet niet zomaar een extra laag zijn, maar een hefboom om efficiëntere modellen te bedenken die aangepast zijn aan de behoeften van het bedrijf.”
Hanan Ouazan, Managing Partner Artefact & Global Lead AI Acceleration