Agents werken alleen op feiten

Veel bedrijven hebben inmiddels AI uitgerold. Een paar collega's zijn enthousiast en laten mails schrijven en documenten samenvatten. Handig, maar daar houdt het vaak op. De simpele taken gebeuren nog steeds met de hand: een order overtypen, gegevens van het ene systeem naar het andere kopiëren. De AI heeft namelijk geen toegang tot je systemen en kan niet zelf handelen.

In onze vorige blog schreven we over de stoel met drie poten: data, oplossingen die aansluiten op die data en mensen met skills. In deze blog kijken we wat er mogelijk wordt als die poten staan.

De eerste stap: van chatbot naar assistent met kennis

De eerste stap is je systemen koppelen. Zodra AI verbonden is met je ERP-systeem, je mail en je agenda, verandert er iets. Data die er altijd al was, wordt ineens inzichtelijk. Vragen die vroeger een middag zoeken door je systemen kostten, beantwoord je nu in een paar minuten. Denk aan vragen als: welke klanten zijn de afgelopen maand verantwoordelijk voor welke omzet? Wat doen stijgende brandstofkosten met je marges? Met welke bedrijven heb je de afgelopen maand contact gehad?

Je kunt er direct mee werken. Als je het goed inricht, bespaart je team er tijd mee.

De tweede stap: van assistent met kennis naar assistent met kennis én mandaat

Daarna kan de AI zelf aan de slag. Een agent geeft niet alleen antwoord, maar rondt een taak van begin tot eind af. Hij kijkt naar de data, neemt een beslissing, voert de actie uit en komt pas bij een mens als er iets niet klopt.

Die ontwikkeling gaat ontzettend hard. Volgens KPMG zette in het eerste kwartaal van 2026 al 54% van de grote Amerikaanse organisaties actief agents in. Een jaar eerder was dat 11%. De modellen worden dan ook exponentieel beter. Onderzoeksorganisatie METR meet hoe lang de taken zijn die AI-agents zelfstandig kunnen afronden, met 50% slagingskans. Die lengte verdubbelt sinds 2019 ongeveer elke zeven maanden. Waar je een model eerst maximaal een paar seconden of minuten aan het werk kon zetten, werkt het nu uren aan een stuk door, zonder dat er iemand meekijkt.

Het werk dat je graag kwijt bent

Terugkerende taken met een duidelijk begin en eind lenen zich uitstekend voor AI. Een paar voorbeelden. Een agent kan elke bestelling lezen die per mail binnenkomt, voorraad en prijs controleren en de order klaarzetten in het ERP. Alleen de uitzonderingen komen op jouw bureau. Hij kan ook controleren of een nieuwe leverancier klopt, bijvoorbeeld of het rekeningnummer past bij het land.

Daar blijft het niet bij. Een agent kan controleren of binnenkomende facturen kloppen met wat er is geleverd, nieuwe artikelen voor de webshop beschrijven, categoriseren en vertalen, werkorders en papierwerk klaarzetten vanuit een order en leverancierslijsten met honderden producten controleren op prijs en artikelgegevens. Standaardvragen van klanten, zoals leverstatus, voorraad en prijs, handelt hij grotendeels zelf af. De rest gaat naar een mens. Die zit dan meer in een controlerende rol en heeft tijd voor werk dat menselijke input vraagt en het bedrijf echt verder helpt.

Agents kun je niet laten gokken

Een agent die moet gokken maakt fouten, net als een nieuwe collega die niets uitgelegd krijgt. Wat hij nodig heeft is niet ingewikkeld, maar het moet er wel allemaal zijn: data, denkkracht en duidelijke instructies.

Data is wat de agent ziet: je orders, voorraad, prijzen, klantgegevens en mails, rechtstreeks uit je systemen. Klopt die data niet of is het verouderd, dan werkt de agent netjes door op foute feiten.

Denkkracht is het AI-model zelf. Het leest een mail van een klant, snapt wat er gevraagd wordt, vergelijkt dat met je data en bepaalt wat de volgende stap is. Dit is het deel dat de afgelopen jaren zo hard beter is geworden.

Instructies zijn jouw regels: wat is waar, wanneer mag de agent zelf handelen en wanneer legt hij iets bij een mens neer? Dat is zijn mandaat. Een standaardorder zet hij zelf klaar. Wijkt de prijs af van de afspraak, dan stopt hij en vraagt hij het jou.

Zo loopt een taak van begin tot eind. De agent leest wat er binnenkomt, haalt de data erbij die hij nodig heeft, past jouw regels toe en voert de actie uit. Wat niet past, legt hij bij een mens neer. Dat laatste is belangrijk: zorg ervoor dat een mens wordt geraadpleegd bij uitzonderingen.

De vraag is wat je met de tijd doet

Als de basis goed staat, zijn de mogelijkheden praktisch eindeloos. De vraag is dan niet of agents werk van je team gaan overnemen. De vraag is wat je team gaat doen met de tijd die vrijkomt.