Wanneer een AI-agent niet het antwoord is
Niet elk probleem is een automatiseringsprobleem. Sommige bedrijven investeren in een agent en lossen daarmee precies het verkeerde op. Dit artikel helpt u te herkennen wanneer u beter iets anders kunt doen.
De facturen stapelen zich op in de mailbox van finance. Twee mensen werken er al jaren doorheen, elke week opnieuw. Iemand heeft gehoord dat een AI-agent dat kan overnemen, en de vraag ligt op tafel: "Kunnen wij dit automatiseren?" Het antwoord is misschien ja. Maar de vraag die eerder gesteld moet worden, is: is automatisering hier eigenlijk het probleem?
In een eerste gesprek zeg ik dat geregeld hardop. Niet om werk te weigeren, maar omdat een agent bouwen op een slecht fundament erger is dan niets bouwen. U bent dan geld en tijd kwijt, en het onderliggende probleem is er nog steeds.
Een agent lost geen procesonduidelijkheid op
Als uw medewerkers het onderling niet eens zijn over hoe iets werkt, dan maakt een agent dat niet beter. Een agent voert beleid uit. Hij bedenkt het niet. Staat er geen duidelijke regel over wanneer een factuur wordt goedgekeurd, wie de uitzondering mag maken, en wat er bij een afwijking gebeurt? Dan heeft u geen automatiseringsprobleem. U heeft een procesontwerp-probleem.
Een agent is eigenlijk een goede manier om de zwaktes in uw processen zichtbaar te maken. De vraag "hoe leggen wij dit aan de agent uit?" dwingt u te beschrijven wat de impliciete regels zijn. Soms ontdekt u dan dat niemand het er intern over eens is. Dat is waardevolle informatie, maar het betekent ook: eerst intern uitzoeken, dan pas bouwen. In het artikel over beleid op papier als stap vóór uw eerste agent staat hoe u die stap aanpakt.
Frequentie bepaalt of de bouw terugverdiend wordt
Ik stel vroeg in een gesprek altijd de vraag: hoe vaak gebeurt dit? Eén keer per maand is zelden genoeg om de bouwtijd terug te verdienen. Eén keer per dag is een ander verhaal. De frequentie bepaalt niet alleen of het de moeite waard is, maar ook of u genoeg voorbeelden heeft om de agent goed te configureren.
Een proces dat incidenteel voorkomt, heeft ook minder last van handmatig werk dan het lijkt. Uw medewerker heeft de routine er niet in, maakt vaker fouten, en de tijdwinst die een agent zou boeken is klein in verhouding tot de investering. Minder dan twee keer per week is voor de meeste processen een drempelwaarde waarbij u de rekensom zorgvuldig moet maken. Vul uw eigen cijfers in: hoeveel uur kost dit nu per week, en wat is dat in arbeidskosten op jaarbasis?
Slechte data maakt een agent onbetrouwbaar, niet beter
Soms is de echte bottleneck niet de menselijke handeling, maar de data die eraan ten grondslag ligt. Klantgegevens die verspreid staan over drie systemen zonder eenduidig klant-ID. Productcodes die per medewerker anders worden ingevoerd. Contracten die nooit gedigitaliseerd zijn. Een agent die op die data werkt, maakt de problemen zichtbaar maar lost ze niet op.
Dat betekent niet dat uw data perfect moet zijn voordat u kunt beginnen. Maar het betekent wel dat u weet welke data de agent nodig heeft, en dat die data in redelijke staat is. Is dat niet zo, dan is de eerste stap een data-opruimtraject, niet een bouwopdracht. In het artikel over data-kwaliteit als stille voorwaarde voor werkende agents staat concreet waar u op moet letten.
Sommige problemen vragen om een gesprek, niet een workflow
Er zijn situaties waarbij de kern van het probleem relationeel is. Een klant die steeds te laat betaalt, maar van wie u de relatie wil bewaren. Een leverancier die structureel te laat levert, maar die u niet kwijt wil. Een medewerker die zijn uren niet bijhoudt. Dat zijn geen automatiseringsproblemen. Dat zijn gesprekken die iemand moet voeren.
Een agent kan de signalering doen. Bij debiteurenbeheer automatiseren kan een agent de openstaande posten bijhouden, de klantgeschiedenis wegen en een voorstel voor een herinnering klaarzetten, maar de afweging of u die stuurt en hoe u het verwoordt, blijft bij u. Dat is bewust. Zodra het relationeel wordt, wil u een mens aan de knoppen.
Wie verwacht dat een agent die gesprekken overbodig maakt, stelt het verkeerde verwachtingsniveau in. En een teleurgestelde opdrachtgever is erger dan iemand die nooit begon.
Oordeel laat zich niet vangen in een regel
Er is een nuttig onderscheid dat ik in bijna elk gesprek maak: het verschil tussen een regel en een oordeel. Een regel is beschrijfbaar. "Bij een bedrag boven € 10.000 gaat de offerte langs de directeur." Een oordeel is dat niet. "Is dit een klant die wij willen?" of "Is dit het moment om korting te geven?" zijn oordelen. Daar spelen context, gevoel, klanthistorie en strategische overwegingen een rol die niet in een beslisboom passen.
Hoe meer uw probleem in het domein van oordeel zit, hoe minder een agent bijdraagt. Een agent kan oordelen ondersteunen door informatie samen te vatten, vergelijkbare gevallen op te zoeken of een voorstel te formuleren. Maar hij neemt het oordeel zelf niet over. Verwacht u dat wel, dan wordt u teleurgesteld.
Geen intern draagvlak betekent geen werkende agent
Een agent die door de directie is besteld maar door de werkvloer als bedreiging wordt gezien, werkt niet. Niet technisch, maar organisatorisch. Mensen vinden manieren om eromheen te werken, vullen de invoer onzorgvuldig in, of negeren de uitvoer. Het resultaat is een systeem dat draait maar niets doet.
Als u merkt dat het idee intern weerstand oproept, is de eerste stap een gesprek met uw mensen, niet een bouwopdracht. Wat vinden zij vervelend aan hun werk? Welk gedeelte zou hen helpen als het anders ging? De beste agenten komen voort uit processen die de betrokken medewerkers zelf aanwijzen als tijdvreters. Zij weten wat repetitief is, wat foutgevoelig is en wat hen frustreert. Vraag het.
Een eerlijk startpunt is meer waard dan een snelle start
Soms is het eerlijkste advies dat ik kan geven: begin hier niet. Begin met het opruimen van uw proces. Of met het voeren van een gesprek. Of met het vastleggen van uw beleid. Of met het verbeteren van uw data. Die stappen kosten tijd, maar ze maken een eventuele agent later minder kwetsbaar en sneller inzetbaar.
Een agent bouwen op een onrijp fundament levert een systeem dat u voortdurend moet bewaken en bijsturen. Dat kost meer aandacht dan het handmatige werk dat het vervangt. Dat is niet de bedoeling. Als u wilt toetsen of uw situatie klaar is voor een eerste stap, helpt de AI-readiness check u de juiste vragen te stellen voordat u besluit.
De eerste concrete stap die u maandag kunt zetten: schrijf op papier welk proces u in gedachten heeft, hoe vaak het voorkomt, wie er nu bij betrokken zijn, en welke regel of welk oordeel het ingewikkeld maakt. Als u dat in een half uur kunt opschrijven zonder twijfels, is het een sterke kandidaat. Als het al bij de beschrijving stroef gaat, weet u waar u eerst aan moet werken.
Over dit onderwerp
Wanneer is een AI-agent geen goede investering?
Als het onderliggende proces onduidelijk is, de data te gefragmenteerd, of het probleem in de kern relationeel of oordeelsmatig is. Een agent voert beleid uit; hij lost procesonduidelijkheid niet op. Eerst het proces beschrijven en intern afstemmen, dan pas bouwen. Een agent op een slecht fundament kost meer aandacht dan het handmatige werk dat hij vervangt.
Kan een AI-agent ook helpen als mijn data niet op orde is?
Gedeeltelijk. Een agent maakt dataproblemen zichtbaar, maar lost ze niet op. Als klantgegevens verspreid staan over meerdere systemen of productcodes inconsistent zijn ingevoerd, werkt de agent onbetrouwbaar. De praktische vraag is: is de data die de agent nodig heeft in redelijke staat? Zo niet, dan is een data-opruimtraject de logische eerste stap.
Hoe weet ik of mijn proces geschikt is voor een agent?
Drie filters helpen: komt het minstens twee keer per week voor, zijn de regels beschrijfbaar zonder dat iemand twijfelt, en heeft het een duidelijk begin en einde? Als één van deze drie niet klopt, is het proces nog niet klaar. Niet elke herhaling is automatiseerbaar. Het onderscheid tussen een beschrijfbare regel en een oordeel is daarin het meest bepalend.
Wat moet ik regelen voordat ik een agent laat bouwen?
Beschrijf het proces op papier, inclusief de uitzonderingen. Stel vast wie er intern bij betrokken zijn en of zij achter het idee staan. Controleer of de benodigde data beschikbaar en consistent is. En leg vast welke beslissingen altijd langs een mens moeten. Dat laatste is geen belemmering, maar een bewuste keuze die de agent betrouwbaar maakt.