Welke bedrijfsprocessen zijn geschikt voor AI-agents?

Het verschil tussen automatiseren en een taak aan een agent geven

Bij gewone automatisering volgt het systeem een vaste route: als dit gebeurt, doe dat. Een AI-agent krijgt geen route, maar een doel, en bepaalt zelf welke stappen nodig zijn om daar te komen. Dat onderscheid bepaalt of een proces geschikt is voor een agent, of beter bij automatisering blijft.

Deze vraag gaat specifiek over die geschiktheid. Welke processen u daadwerkelijk zou moeten automatiseren, leest u in welke commerciële processen u moet automatiseren en in de bredere afweging over welke AI-processen u kiest. Hier gaat het om de toets: past agentisch werken op dit specifieke proces.

Vijf criteria die de doorslag geven

Een proces is doorgaans geschikt voor een AI-agent wanneer het aan de volgende kenmerken voldoet.

Meervoudige stappen. Het proces bestaat uit een reeks handelingen die op elkaar volgen, niet uit één enkele actie. Een agent heeft pas meerwaarde als er iets te plannen valt.

Toolgebruik. Het proces vraagt om het raadplegen of bijwerken van meerdere systemen: CRM, e-mail, een spreadsheet, een zoekopdracht. Een agent kan die systemen aan elkaar knopen zonder dat iemand steeds handmatig schakelt.

Beslisruimte binnen kaders. Er zijn keuzemomenten, maar die keuzes zijn te vangen in regels of criteria. De agent kiest bijvoorbeeld welke vervolgstap past bij de situatie, binnen grenzen die vooraf zijn vastgelegd.

Voorspelbare uitzonderingen. Afwijkingen komen voor, maar ze zijn te benoemen. Als vrijwel elke uitvoering een unieke uitzondering oplevert, is het proces nog niet rijp voor een agent.

Controleerbaarheid. Het resultaat is voor een mens snel te beoordelen op juistheid. Kan niemand in een oogopslag zien of de uitkomst klopt, dan ontbreekt de controle die agentisch werken nodig heeft.

Ontbreken twee of meer van deze criteria, dan is de kans groot dat het proces beter bij gewone automatisering, of gewoon bij een medewerker, blijft.

Waar deze criteria in de praktijk samenkomen

Een aantal commerciële processen scoort vaak goed op alle vijf punten. Account- en bedrijfsresearch voorafgaand aan een salesgesprek is daar een voorbeeld van: de agent doorzoekt meerdere bronnen, structureert de informatie en levert een samenvatting die snel te checken is. Zie hoe u AI inzet voor account research.

Ook het voorbereiden van offertes leent zich er vaak voor. De agent haalt klant- en productgegevens op, past de juiste voorwaarden toe en stelt een concept op, terwijl de uiteindelijke controle bij een mens blijft. Dat wordt verder uitgewerkt in hoe u offerteprocessen automatiseert met AI.

Het samenstellen van rapportages uit meerdere databronnen is een derde voorbeeld: veel stappen, meerdere systemen, een vast format, en een uitkomst die iemand in enkele minuten kan verifiëren. Meer hierover leest u in hoe u rapportages automatiseert.

Waar het meestal misgaat

Processen die leunen op onuitgesproken ervaring zijn lastig voor een agent, ook als ze op papier meerdere stappen kennen. Denk aan het inschatten van de koopbereidheid van een lastige klant, of het bepalen van de juiste toon in een gevoelig gesprek. Die beoordeling zit in gevoel en context die niet in regels te vangen is.

Hetzelfde geldt voor processen met een hoge impact bij een fout, gecombineerd met weinig ruimte voor controle vooraf. Een agent die zelfstandig een offerte verstuurt zonder tussenstap is risicovoller dan een agent die een concept aanlevert. Waar de grens ligt tussen wel en niet automatiseren, staat toegelicht in wat u juist niet moet automatiseren.

Een derde valkuil: het proces zelf ligt nog niet vast. Als drie medewerkers een taak alle drie anders uitvoeren, heeft een agent geen consistente basis om op te bouwen. Eerst het proces zelf vastleggen is dan de logische stap, zie welke processen u moet documenteren.

Hoe u dit per proces vaststelt

Neem één proces tegelijk en loop de volgende vragen langs.

1. Beschrijf het proces stap voor stap, zoals het nu daadwerkelijk verloopt, niet zoals het op papier hoort te gaan.
2. Markeer elk moment waarop iemand een keuze maakt. Is die keuze te vangen in een regel, of hangt hij af van onuitgesproken ervaring?
3. Benoem de meest voorkomende uitzonderingen. Zijn dat er een handvol, of is bijna elke uitvoering anders?
4. Bepaal hoe iemand nu al controleert of de uitkomst goed is. Bestaat die controle al, dan is die eenvoudig over te nemen voor een agent.
5. Schat de impact van een foute uitkomst. Bij hoge impact is een tussenstap met menselijke goedkeuring vrijwel altijd nodig.

Deze toets kost per proces niet meer dan een gesprek van een halfuur, maar voorkomt dat u tijd steekt in een agent voor een proces dat er niet klaar voor is.

Rekenvoorbeeld

Een fictief voorbeeld ter illustratie: een bedrijf overweegt een agent voor het opstellen van vervolgmails na een offerte. Het proces heeft meerdere stappen (offertestatus checken, klantgeschiedenis raadplegen, mail opstellen), gebruikt twee systemen, kent een handvol vaste uitzonderingen (geen reactie, wel reactie, wijziging gevraagd) en de uitkomst is in dertig seconden te controleren. Alle vijf criteria zijn aanwezig, dus dit proces is een logisch startpunt.

Wat u met deze uitkomst doet

Zodra u een proces heeft dat aan de criteria voldoet, is de volgende vraag hoe u die agent daadwerkelijk bouwt en inricht. Dat komt aan bod in hoe u AI-agents voor uw bedrijf bouwt. Begin met één proces, houd een controlestap in de eerste periode, en breid pas uit zodra de agent aantoonbaar betrouwbaar werkt.

Wie moeite heeft om objectief te bepalen welke processen prioriteit verdienen, of waar de commerciële organisatie als geheel op ingericht moet worden voor dit soort keuzes, heeft baat bij een externe blik. Een Commerciële Groeiscan brengt in kaart welke processen in uw bedrijf klaar zijn voor agentisch werken en welke eerst aandacht nodig hebben voordat AI daar meerwaarde biedt.