AI-agents worden steeds meer standaard. De praktijk blijft maatwerk.
IBM en Microsoft kondigden onlangs een samenwerking aan waarbij duizenden AI-agents en andere AI-componenten beschikbaar komen voor organisaties. Het is een ontwikkeling die laat zien hoe snel de markt zich ontwikkelt. Waar organisaties voorheen veel tijd besteedden aan het ontwikkelen van afzonderlijke AI-toepassingen, ontstaat nu een groeiend aanbod van functionaliteit die kan worden hergebruikt.
We verwachten dat deze ontwikkeling de komende jaren veel invloed krijgt op de manier waarop organisaties AI-agents inzetten. De technische mogelijkheden worden steeds toegankelijker en veel functionaliteit hoeft niet meer opnieuw ontwikkeld te worden. Tegelijkertijd betekent een beschikbare agent nog niet dat deze zonder verdere inrichting binnen iedere organisatie kan functioneren.
Standaardisatie maakt AI toegankelijker
Met platforms zoals Microsoft Copilot Studio kunnen organisaties inmiddels agents ontwikkelen die informatie verzamelen, documenten analyseren, vragen beantwoorden en werkzaamheden uitvoeren. Veel van deze toepassingen hebben een vergelijkbare technische basis, ongeacht de organisatie waarin ze worden gebruikt.
Dat maakt standaardisatie interessant. Wanneer een agent bijvoorbeeld documenten kan analyseren en relevante informatie kan verzamelen, hoeft die functionaliteit niet voor iedere organisatie opnieuw ontwikkeld te worden. Door bestaande componenten te gebruiken, kunnen organisaties sneller aan de slag en kunnen ontwikkelkosten lager uitvallen.
De aankondiging van IBM en Microsoft past binnen deze ontwikkeling. Het grote aantal beschikbare AI-assets is indrukwekkend, maar zegt op zichzelf weinig over de praktische toepasbaarheid. Een bestaande agent kan technisch uitstekend functioneren en toch onvoldoende aansluiten op de dagelijkse werkzaamheden van een organisatie.
De aansluiting op bestaande systemen bepaalt veel
In de praktijk werken organisaties met verschillende applicaties, databronnen en manieren om informatie vast te leggen. Sommige gebruiken voornamelijk Microsoft 365 en Dynamics 365, terwijl andere afhankelijk zijn van ERP-systemen, brancheapplicaties of software die specifiek voor hun organisatie is ontwikkeld.
Een agent die informatie analyseert, kan in al deze omgevingen in principe dezelfde werkzaamheden uitvoeren. De manier waarop hij toegang krijgt tot gegevens, informatie combineert en resultaten terugschrijft, verschilt echter per organisatie. Daarvoor zijn koppelingen, autorisaties en soms aanvullende ontwikkeling nodig.
We verwachten daarom niet dat maatwerk volledig verdwijnt. Wel denken we dat de inhoud ervan verandert. We hoeven steeds minder tijd te besteden aan het ontwikkelen van functionaliteit die al bestaat. De aandacht komt meer te liggen op het aansluiten van agents op de bestaande informatievoorziening en het zorgvuldig inrichten van hun werkzaamheden.
Proceskennis wordt steeds belangrijker
Bij Indocs hebben we door de jaren heen veel ervaring opgebouwd met case management, taakafhandeling en dossierverwerking. We werken aan processen waarin informatie uit verschillende systemen samenkomt, medewerkers taken uitvoeren en beslissingen nemen op basis van de beschikbare gegevens.
Daarbij zien we dat organisaties vaak vergelijkbare werkzaamheden uitvoeren, maar daar hun eigen werkwijzen voor hebben ontwikkeld. Die verschillen ontstaan bijvoorbeeld door interne afspraken, wettelijke verplichtingen, specifieke verantwoordelijkheden of de manier waarop een organisatie haar dienstverlening heeft ingericht.
Juist die ervaring is relevant bij het inzetten van AI-agents. Een agent kan prima zelfstandig een document beoordelen of informatie verzamelen. Maar wanneer hij onderdeel wordt van een proces waarin meerdere medewerkers, systemen en beslissingen samenkomen, moet duidelijk zijn hoe zijn werkzaamheden aansluiten op de rest.
Dat betekent overigens niet dat iedere agent onderdeel moet zijn van een uitgebreide procesoplossing. Sommige agents functioneren uitstekend als zelfstandige toepassing. Andere worden onderdeel van een groter geheel, bijvoorbeeld binnen een bestaande Power Platform-applicatie of een case-managementproces. Welke aanpak geschikt is, hangt af van de werkzaamheden en de omgeving waarin de agent wordt ingezet.
Een andere manier van ontwikkelen
We verwachten dat de manier waarop bedrijfssoftware wordt ontwikkeld de komende jaren verder verandert. Organisaties zullen steeds vaker bestaande AI-functionaliteit gebruiken en deze combineren met hun eigen applicaties, gegevens en processen.
Voor softwareontwikkelaars en implementatiepartners betekent dit dat het steeds belangrijker wordt om goed te begrijpen hoe organisaties daadwerkelijk werken. Technische kennis blijft noodzakelijk, maar het zelfstandig kunnen ontwikkelen van een AI-agent wordt waarschijnlijk steeds minder onderscheidend.
Dat is voor ons ook de interessante ontwikkeling achter de aankondiging van IBM en Microsoft. De beschikbaarheid van duizenden AI-assets kan de toepassing van AI versnellen, mits organisaties kritisch blijven kijken naar de kwaliteit, betrouwbaarheid en praktische inzetbaarheid ervan.
Voor Indocs sluit dat aan bij de manier waarop we al jaren werken. We kennen de uitdagingen rond processen, taakafhandeling en dossierverwerking en onderzoeken hoe AI-agents daarin een logische rol kunnen krijgen. Daarbij gebruiken we bestaande technologie waar dat kan en ontwikkelen we aanvullend waar dat nodig is.
Wil je onderzoeken hoe bestaande AI-agents aansluiten op de processen en applicaties binnen jouw organisatie? Via de chatbot op indocs.nl kun je direct een kennismakingsgesprek plannen met een van onze experts.
5 vragen beantwoord
Staat jouw vraag hier niet tussen? Neem gerust contact met ons op via de chat.
Wanneer is een standaard AI-agent voldoende en wanneer is maatwerk nodig?
Een standaard AI-agent is vooral interessant wanneer de werkzaamheden voorspelbaar zijn en weinig afhankelijk zijn van specifieke bedrijfsregels. Denk aan het samenvatten van documenten, beantwoorden van kennisvragen of verzamelen van informatie. Maatwerk wordt relevanter wanneer een agent moet samenwerken met bestaande applicaties, specifieke gegevens moet verwerken of beslissingen moet nemen binnen een bedrijfsproces. Dat maatwerk zit vaak in de koppelingen, autorisaties en inrichting, terwijl de basisfunctionaliteit van de agent herbruikbaar blijft.
Hoe voorkom je dat een standaard AI-agent uiteindelijk duurder wordt dan zelf ontwikkelen?
De aanschafprijs of ontwikkeltijd van een agent vertelt maar een deel van het verhaal. Organisaties moeten ook rekening houden met integraties, licenties, dataverbruik, beveiliging, onderhoud en het controleren van resultaten. Een bestaande agent is vooral interessant wanneer hij zonder ingrijpende aanpassingen aansluit op de gewenste werkzaamheden. Vergelijk daarom de totale kosten over meerdere jaren en toets vooraf hoeveel aanvullende ontwikkeling nodig is. Een goedkope standaardagent die voortdurend aanpassingen vraagt, kan uiteindelijk duurder uitvallen dan een gerichte maatwerkoplossing.
Hoe zorg je dat meerdere AI-agents betrouwbaar samenwerken binnen één bedrijfsproces?
Wanneer verschillende agents werkzaamheden binnen hetzelfde proces uitvoeren, moeten ze toegang hebben tot consistente informatie en moet duidelijk zijn welke agent waarvoor verantwoordelijk is. Dat vraagt om afspraken over taakverdeling, gegevensuitwisseling, foutafhandeling en menselijke goedkeuringen. Bij processen met meerdere stappen kan een centrale proces- of casemanagementlaag helpen om de voortgang, beslissingen en uitzonderingen vast te leggen. Zonder die samenhang ontstaat het risico dat afzonderlijke agents goed functioneren, terwijl het totale proces onvoorspelbaar wordt.
Welke rol speelt case management wanneer AI-agents steeds zelfstandiger worden?
AI-agents kunnen werkzaamheden uitvoeren die voorheen door medewerkers of vaste workflows werden afgehandeld. Case management blijft relevant wanneer organisaties inzicht nodig hebben in de status van een dossier, de samenhang tussen taken, genomen beslissingen en verantwoordelijkheden. Niet ieder proces heeft daarvoor een afzonderlijke applicatie nodig. Bij complexe dossierverwerking, uitzonderingen en samenwerking tussen medewerkers en agents kan een expliciete processtructuur echter belangrijk blijven. De uitdaging is om AI voldoende zelfstandigheid te geven zonder het overzicht en de controle te verliezen.
Wordt proceskennis belangrijker dan technische ontwikkelkennis bij AI-agents?
Naarmate AI-platforms meer standaardfunctionaliteit beschikbaar stellen, verschuift een deel van het ontwikkelwerk naar configuratie, integratie en procesinrichting. Proceskennis wordt daardoor belangrijker, maar vervangt technische expertise niet. Organisaties hebben beide nodig om te bepalen welke werkzaamheden geschikt zijn voor AI, welke informatie beschikbaar moet zijn en hoe resultaten betrouwbaar worden verwerkt. Het onderscheid zit steeds vaker in het combineren van technische mogelijkheden met inzicht in de dagelijkse werkwijzen van een organisatie.
Wij laten jouw idee werken
