De volgende stap in AI-inzet: tientallen digitale collega's?

Net als menselijke collega's krijgen deze digitale collega’s bijvoorbeeld ook een eigen medewerkersnummer, een makkelijk te onthouden naam, inloggegevens en een menselijke manager die hen in sommige gevallen taken toewijst en het resultaat beoordeelt. De ervaringen van deze Frontier-organisaties laten zien wat nodig is om agentic AI goed in te zetten en steeds meer van dergelijke agents goed beheersbaar te organiseren.

Goede data is noodzakelijk, maar niet voldoende

Een betrouwbaar datafundament vormt de basis voor AI-inzet. Datakwaliteit is daarbij een belangrijke voorwaarde: wanneer brongegevens onjuist, onvolledig of verouderd zijn, kan ook een geavanceerde agent geen betrouwbare uitkomst leveren. Toch gaat de uitdaging verder dan de kwaliteit van afzonderlijke gegevens.

Een agent moet ook weten wat gegevens betekenen, waar ze vandaan komen, welke definitie is afgesproken en voor welk doel ze mogen worden gebruikt. Disciplines als metadata, dataclassificatie, eigenaarschap, toegangsbeheer en data lineage vormen daarmee een essentieel onderdeel van een vertrouwd datafundament voor AI-inzet.

Ook een digitale collega heeft organisatiecontext nodig

Nieuwe medewerkers krijgen niet uitsluitend toegang tot data en systemen. Zij leren ook hoe de organisatie werkt, wie waarvoor verantwoordelijk is, welke informatie leidend is en wanneer overleg of goedkeuring nodig is. Voor AI-agents geldt in essentie hetzelfde.

Neem bijvoorbeeld een salesagent die bepaalt welke klanten de komende maand extra aandacht verdienen. Om tot een bruikbaar advies te komen, moet deze agent meer kennen dan omzetcijfers alleen. De agent heeft allerlei context nodig om goed te kunnen handelen, bijvoorbeeld wat de organisatie echt onder een actieve klant verstaat, welke communicatie er al met de klant is geweest, welke informatie voor dit doel mag worden gebruikt en welke beslissingen deze agent zelf mag nemen.

Een medewerker bouwt deze organisatiekennis doorgaans geleidelijk op. Een deel is vastgelegd, maar veel kennis zit verspreid over processen, systemen en de ervaring van collega's. Om die kennis beschikbaar en bruikbaar te maken voor AI-agents zullen organisaties die impliciete kennis daarom expliciet moeten vastleggen.

En precies daar zit mogelijk een onderschat vraagstuk bij het opschalen van AI. Veel van de context die medewerkers dagelijks gebruiken, hebben we nooit hoeven vastleggen omdat mensen die leren over tijd. Een AI-agent leert die ongeschreven afspraken niet automatisch.

Meer autonomie vraagt ook om scherpere grenzen

Naarmate agents meer kunnen, neemt ook de noodzaak toe om hun handelingsruimte zorgvuldig af te bakenen. Een agent die uitsluitend informatie opzoekt, kent een ander risicoprofiel dan een agent die taken aanmaakt in CRM, klanten benadert, voorstellen voorbereidt of commerciële voorwaarden adviseert.

Juist daarom kiezen organisaties die al verder zijn met agents niet automatisch voor ruime handelingsvrijheid. Een voorbeeld hiervan is BNY (Bank of New York Mellon), een van de grootste financiële dienstverleners ter wereld, die al 140 AI-agents inzet als digitale medewerkers binnen haar bedrijfsprocessen. Bij BNY is een agent voor het controleren van internationale betalingen bijvoorbeeld bewust strak afgebakend: deze voert slechts een klein deel van het proces uit. Niet omdat de technologie niet meer kan, maar om de toepassing betrouwbaar en controleerbaar te houden. Zo kunnen organisaties efficiëntiewinst realiseren zonder kritieke beslissingen volledig uit handen te geven.

Dat is misschien wel een belangrijk inzicht voor de komende jaren: hoe meer AI technisch kan, hoe belangrijker de vraag wordt wat we AI daadwerkelijk willen laten doen. Governance is daarbij geen rem op innovatie, maar een voorwaarde om verantwoord op te schalen. Duidelijke beleidskaders, rollen, goedkeuringsprocessen, beveiligingsmaatregelen en monitoring maken het mogelijk om agents gericht verantwoordelijkheid te geven zonder de controle te verliezen.

Niet iedere agent heeft immers dezelfde mate van toezicht nodig. Door per toepassing de businesswaarde, gegevensgevoeligheid, impact van acties en noodzaak van menselijke tussenkomst te beoordelen, ontstaat een beheersbaar model voor groei.

Wat als één agent er straks tientallen worden?

Dat beheersbare model wordt nog belangrijker zodra een organisatie opschaalt. Eén agent is doorgaans nog overzichtelijk, maar dat verandert wanneer verschillende afdelingen tientallen agents ontwikkelen, agents informatie uitwisselen en delen van processen aan elkaar overdragen. Zonder centrale afspraken kan dan snel versnippering ontstaan.

Organisaties hebben daarom een centraal overzicht nodig van welke agents actief zijn, wie eigenaar is, welke data en systemen zij gebruiken en welke acties zij mogen uitvoeren.  Daar zie je bij voorlopers inmiddels nieuwe werkwijzen ontstaan. BNY werkt bijvoorbeeld aan wat het zelf bijna als 'HR voor AI' omschrijft: iedere agent moet periodiek worden beoordeeld, aangepast en uiteindelijk worden uitgefaseerd wanneer de businessbehoefte vervalt.

Daarmee ontstaat een benadering die in verschillende opzichten vergelijkbaar is met het organiseren van werk voor medewerkers. Iedere digitale collega heeft een duidelijke opdracht, passende bevoegdheden, toegang tot noodzakelijke informatie en een verantwoordelijke eigenaar nodig.

De ervaring van BNY onderstreept die vergelijking met medewerkers. In de praktijk volgen managers de prestaties van agents en sturen zij bij wanneer de resultaten daar aanleiding toe geven. Ook het beheer begint daarmee opvallend veel op het begeleiden van medewerkers te lijken.

Van ambitie naar verantwoorde toepassing

De ervaringen van voorlopers laten zien dat opschalen om meer vraagt dan het afzonderlijk beheren van AI-toepassingen

Dit zijn ook precies de situaties die we steeds vaker met klanten bespreken. Niet alleen welke AI-usecases interessant zijn, maar vooral wat ervoor nodig is om ze verantwoord onderdeel van de organisatie te maken. Daarbij komen onderwerpen rondom AI, data, governance, security en de manier waarop mensen ermee werken steeds dichter bij elkaar.

Cegeka kan juist op dat snijvlak ondersteunen: van het kiezen en valideren van toepassingen tot het organiseren van het datafundament, de benodigde governance en uiteindelijk het verantwoord opschalen van agents.

De ontwikkeling van digitale collega's vraagt om een samenhangende aanpak waarin businesswaarde en beheersing vanaf het begin naast elkaar staan. Daarmee kan AI uitgroeien van een veelbelovend experiment tot een betrouwbare capaciteit binnen uw organisatie.

Van AI-experiment naar concrete businesswaarde

AI-agents bieden kansen om processen slimmer in te richten en medewerkers te ondersteunen. Maar hoe vertaal je die mogelijkheden naar jouw organisatie? Ontdek hoe Cegeka helpt om AI veilig, verantwoord en met aantoonbare meerwaarde in te zetten. Ontdek onze aanpak voor AI-transformatie