IT Blogs | Lees onze laatste blogs

Agentic AI invoeren: zes lessen uit eigen ervaring

Geschreven door Thomas Van Dorpe | 19 nov 2026, 12:23:45

Een werkende agent bouwen is niet meer de uitdaging. Hem laten meedraaien in het echte werk van je organisatie wel. Dan raakt het aan hoe je mensen werken, beslissen en werk aan elkaar doorgeven.

Dat weten we omdat we het zelf doen. Bij Cegeka werden we onze eigen eerste klant (“customer zero”). Voordat we klanten vragen hun manier van werken te veranderen, veranderen we de onze. We startten in een proces dat we door en door kennen: hoe we Dynamics 365 Finance & Supply Chain Management implementeren en ondersteunen. 

Agents veranderen het werk, niet alleen je tools

Een agent voegt geen functie toe aan je software. Hij neemt een deel van het werk over. Dat verschuift wie wat doet, welke beslissingen mensen nog zelf nemen en waar ze op de output van een agent vertrouwen. Zo'n verschuiving raakt rollen, overdrachten en verwachtingen. Je begeleidt ze pas geloofwaardig als je ze zelf hebt doorgemaakt.

Daarom passen we agentic AI eerst toe op een van onze eigen processen: ERP-implementatiecyclus: van discovery en sales, via solution design, configuratie, documentatie, testen en datamigratie, tot support na go-live. Als solution architect zie ik in elke stap hoeveel kennis erin zit, en hoe makkelijk die verloren gaat bij een overdracht. Dat initiatief noemen we Project Tiger. 

Project Tiger: kennis en agents in elke stap van een ERP-project

LAAG 1 · KENNISLAAG

Industry IQ

Eén centrale, beheerde bron van sectorkennis. We bundelen er wat vandaag verspreid zit over templates, processtromen, configuraties, documenten en de hoofden van onze mensen. Consultants en agents werken zo met dezelfde, gecontroleerde kennis.

  • Onze Industry Process Library: 600+ gedocumenteerde processen, waarvan 200+ kritisch voor GxP, de kwaliteitsregels in life sciences
  • Bedrijfsregels, wettelijke vereisten en validatiepatronen
  • Onze best practice processen en methodologie, configuratietemplates en lessons learned

 

LAAG 2 · AGENTISCHE LAAG

De agentische laag daarbovenop

Agents die werk overnemen in elke stap van een implementatie- en supporttraject, bovenop die gedeelde kennis. We vertrekken vanuit de rol en het werk, niet vanuit de tool. Bijvoorbeeld:


  • Een RFP-agent die antwoorden baseert op wat we echt gebouwd hebben
  • Een solution- en configuratieagent die requirements vergelijkt met onze sectorstandaard en afwijkingen expliciet maakt
  • Migratie- en testagents die de aandacht richten op uitzonderingen met een hoog risico
  • Een service-agent die incidenten sorteert en prioriteert op basis van bekende patronen

We bouwen beide lagen op met vaste afspraken over toegang, controle en traceerbaarheid. Mensen blijven in de lead. Alles gebeurt in lijn met de principes van de EU AI Act

Wil je je ERP-landschap van gisteren opnieuw bouwen?  

Onze eigen eerste klant zijn, betekent dat we als eersten tegen de problemen aanlopen. Het zijn dezelfde hindernissen die jij tegenkomt zodra agents in je eigen processen meedraaien. Dit zijn de zes lessen die we tot nu toe trokken:

Kennis is versnipperd. Een agent is maar zo betrouwbaar als de kennis waarop hij steunt, en een gedeelde map volstaat niet.

Les: maak je kennis eerst beheersbaar, met curatie, een duidelijke eigenaar en versiebeheer.

 

Vertrouwen moet je verdienen. Mensen vertrouwen een agent pas als ze zien dat zijn output onderbouwd en controleerbaar is.

Les: plan evaluatie, testen en review door experts in als vast onderdeel van elk project
.

Autonomie is een ontwerpkeuze. Niet elke taak moet je even ver automatiseren.

Les: bepaal per taak of een agent ondersteunt, voorbereidt of binnen duidelijke regels zelf handelt. De eindverantwoordelijkheid ligt altijd bij mensen.

 

Governance zit niet in een prompt. Een instructie die zegt wat een agent niet mag, houdt hem niet tegen als zijn rechten het wel toelaten.

Les: bouw rechten, identiteit, traceerbaarheid en controles mee in de werking van elke agent, niet achteraf in een instructie.

Losse experimenten lopen snel uit elkaar. Elk team bouwt dan eigen agents, met eigen regels.

Les: breng experimenten samen in één architectuur, één governancemodel en een gedeelde bibliotheek van herbruikbare bouwstenen.

 

Je manier van werken verandert mee. Agents hertekenen rollen, overdrachten en verwachtingen.

Les: adoptie gaat evenveel over mensen als over technologie. Begeleid je teams dus net zo zorgvuldig als je de agents bouwt.

Sneller, voorspelbaarder, beter beheerbaar: wat Project Tiger jou oplevert

Elke agent die we voor onszelf bouwen, heeft één doel: jouw project sneller, voorspelbaarder en na go-live eenvoudiger te beheren maken. We zetten hem eerst in op onze eigen projecten. Zo weten we wat hij oplevert voor hij bij jou draait.

Sneller resultaat. Agents nemen repetitief werk over, van RFP-antwoorden tot ontwerpen, testcases en dataloads, zodat er meer tijd naar jouw bedrijfsprocessen gaat.

 

Minder verrassingen. Ontwerpen, configuratie en tests zijn terug te leiden tot jouw requirements. Risico’s komen vroeg aan het licht, niet pas bij go-live.

Upgrades blijven eenvoudig. Vertrek je vanuit Industry IQ, dan heb je minder maatwerk nodig. Elke afwijking van de standaard staat zwart op wit.

 

Kennis die blijft. We leggen requirements en beslissingen vast bij elke overdracht, van de eerste workshop tot support. Zo blijft die kennis beschikbaar, ook als het projectteam wisselt.

Compliance ingebouwd. Traceerbaarheid, auditeerbaarheid en menselijke verantwoordelijkheid maken vanaf dag één deel uit van elke agent.

 

Getest voor het bij jou komt. Elke agent draait eerst op onze eigen projecten. Daardoor geven we je eerlijk advies over hoe je zelf agents invoert: gebaseerd op wat bij ons werkte, en wat niet.

Illustratief voorbeeld: in de agentlaag (boven) nemen agents werk over in elke stap van een D365 F&SCM-project. Ze bouwen op de kennislaag (onder): Industry IQ vanaf stap 01, plus projectkennis die groeit met elke overdracht.

Agentic AI goed inzetten, leer je door het te doen

AI maakt het makkelijker om afzonderlijke toepassingen te bouwen. AI goed gebruiken blijft moeilijk: het verankeren in betrouwbare kennis, het goed beheren en het echt deel laten uitmaken van hoe mensen werken. Door onze eigen eerste klant te zijn, leren we dat op de harde manier, zodat jij dat niet hoeft te doen. Die ervaring brengen we mee in elk traject: niet alleen werkende agents, maar ook de begeleiding om je mensen, rollen en processen mee te laten veranderen.

Het initiatief is volop in ontwikkeling: de architectuur ligt vast, we bouwen Industry IQ verder uit en de eerste agents draaien als pilot op lopende projecten. We blijven delen wat we leren, ook wat nog niet werkt. Benieuwd waar agents in jouw organisatie het verschil maken? Neem contact met ons op, dan verkennen we het samen.

Benieuwd waar agents in jouw organisatie het verschil maken? Connecteer met mij op LinkedIn en laat ons ervaringen uitwisselen.