Agentic AI

Een chatbot geeft antwoord; een agent maakt het werk af. Hij krijgt een doel mee, maakt een plan en voert dat uit met het gereedschap dat de organisatie hem geeft, zoals het klantsysteem of de betaalomgeving. Na elke stap beoordeelt hij wat de volgende moet zijn. Klassieke automatisering volgt vooraf vastgelegde regels en loopt vast op de uitzondering die niemand had voorzien; een agent past zijn aanpak onderweg aan. Bij een verzekeraar werken agents 's nachts de schademeldingen af: ze verzamelen mails, foto's en polisgegevens, toetsen de claim aan de polis en betalen eenvoudige schades uit. De behandelaar begint de dag met enkele dossiers die klaar zijn voor een besluit. De rest is al besloten en door agents afgewerkt.

Een codeeragent bouwt zelfstandig software. Hij leest de bestaande code, maakt een plan, schrijft de wijziging, draait de tests en verbetert zijn werk tot de tests slagen. De ontwikkelaar beschrijft wat er moet komen, beoordeelt het resultaat en beslist wat in gebruik gaat. Bij programmeren is dat al dagelijkse praktijk, mede doordat tests snel laten zien waar iets niet klopt. Een ontwikkelaar geeft aan het eind van de dag een agent de opdracht een verouderd onderdeel om te bouwen, en vindt de volgende ochtend een getest voorstel met uitleg bij elke wijziging. Wat nu in de softwareontwikkeling gebeurt, is een voorbode voor ander kenniswerk, zoals juridisch werk en financiële analyse.

Een agent kan een computer bedienen zoals een mens: hij kijkt naar het scherm, herkent knoppen en velden, beweegt de muis en typt. Zo werkt hij ook in systemen zonder koppeling voor andere software, zoals een oud administratiepakket, het webportaal van een leverancier of een overheidsformulier. Op een veelgebruikte test met alledaagse computertaken rondde de beste agent in 2024 een op de acht taken af. Op de herziene versie kwamen de beste agents eind 2025 al boven de score van mensen. In pilots zetten ze bestellingen uit mails over in een oud ordersysteem, en vragen ze een medewerker om hulp bij een veld dat ze niet begrijpen. Daarmee komt werk binnen bereik dat voor automatisering te versnipperd was.

In een multi-agentsysteem werken meerdere agents samen aan één proces, elk met een eigen taak. Een coördinerende agent verdeelt het werk, gespecialiseerde agents voeren het uit en een controlerende agent kijkt de uitkomst na voordat er iets de deur uit gaat. Bij een groothandel handelt zo'n team een spoedbestelling af: voorraad nagaan, levering plannen, factuur maken en de klant informeren. Agents praten ook steeds vaker met agents buiten de eigen organisatie. In proeven vraagt de inkoopagent van een afnemer een prijs aan de verkoopagent van een leverancier, en komen ze samen tot een voorstel dat een inkoper alleen nog hoeft goed te keuren. Het werk tussen bedrijven krijgt zo een ander tempo.

Een klantagent zoekt en vergelijkt aanbod namens een consument of een inkoper, en kan binnen afgesproken grenzen ook bestellen. Daarmee krijgt elk aanbod een nieuwe beoordelaar: een agent die in seconden honderden opties naast elkaar legt. Een consument laat een assistent een reis boeken, een inkoper laat een agent offertes opvragen. Een agent kan een gewone webpagina lezen, maar vergelijkt betrouwbaarder met actuele gegevens over prijs, levertijd, voorwaarden en voorraad. Winkels en reisorganisaties maken hun aanbod daarom leesbaar voor AI, en betaalbedrijven bouwen betalingen die een agent namens de klant doet. Ook de verkoper kan er een eigen agent tegenover zetten, die vragen van klantagents beantwoordt en de bestelling afhandelt.

In een AI-first organisatie gaat de agent als eerste aan het werk. Agents nemen het herhalende en voorspellende werk over: aanvragen verwerken, offertes opstellen, vraag en voorraad voorspellen, mensen en middelen inplannen, van begin tot eind en ook 's nachts. Mensen richten zich op wat zij beter kunnen: oordelen over wat afwijkt, kiezen tussen belangen en werken met klanten en collega's. Bij een groothandel verbindt een agent offerte, voorraadcontrole en leveringsplanning tot één proces, met vaste momenten waarop een medewerker beslist; de accountmanager belt de klant die twijfelt over een grote order. Hoeveel agents een organisatie inzet, hangt af van het werk dat ze kunnen dragen en van het toezicht dat daarvoor nodig is.

Veel processen zijn ontworpen voor mensen die het werk stap voor stap doorgeven, van postvak naar postvak en van afdeling naar afdeling. Zet je daar een agent in, dan gaat één stap sneller, terwijl de overdrachten en wachttijden blijven. De AI-first aanpak begint bij het resultaat dat de klant nodig heeft en verdeelt het werk daarna opnieuw: wat doet een agent, waar is het oordeel van een mens nodig en hoe loopt de overdracht. Bij een vergunningaanvraag verzamelt een agent de stukken, controleert ze op volledigheid en vraagt ontbrekende informatie op. De behandelaar krijgt een compleet dossier en besteedt zijn tijd aan de afweging. Het werk verschuift zo van stukken najagen naar een dossier dat direct inhoudelijk kan worden beoordeeld.

In een gemengd team werken medewerkers en agents aan hetzelfde resultaat. Mensen oordelen, kiezen en voeren de moeilijke gesprekken; agents doen het herhalende en het diep analytische werk. Bij een vervoerder stelt een agent 's nachts de ritplanning op voor honderden wagens; de planners beginnen de dag met de puzzels die hij niet kon oplossen en met de klanten die een persoonlijk woord verdienen. Zo'n team kent dezelfde vragen als elk team, alleen explicieter: wie verdeelt het werk, hoe gaat een overdracht van agent naar mens en terug, en wie spreekt de agent aan als zijn werk tekortschiet. Het team groeit, zonder dat er een bureau bij komt.

Als agents uitvoerend werk overnemen, verschuift het werk van de medewerker naar opdracht geven, controleren en verbeteren. Wie eerst zelf uitvoerde, beoordeelt nu vaker wat een agent heeft voorbereid. Er ontstaan nieuwe rollen. De beheerder van agents stelt instructies en grenzen bij en volgt de prestaties. De proceseigenaar beslist welk werk naar een agent gaat. Specialisten zoeken de zwakke plekken van een agent voordat hij live gaat. Een schadebehandelaar in zo'n rol heeft zijn vakkennis nodig om te zien wat de agent mist. Die vaardigheden leer je niet uit een handboek. Steeds meer organisaties leiden medewerkers daarom zelf op, in een eigen toekomstacademie waar ze oefenen met agents in hun eigen werk.

Werk overdragen aan een collega is wennen; werk overdragen aan een agent die op de achtergrond werkt, is een grotere stap. Het gaat dan minder over techniek dan over gedrag: durven loslaten, en durven ingrijpen. Per agent ligt vast wat hij zelf mag en bij welk signaal een mens het overneemt; onderweg legt hij elke stap vast. Een team ziet dan per afgehandelde klantvraag welke gegevens zijn gebruikt en welke actie volgde. Hoeveel er wordt nagekeken, hangt af van wat er op het spel staat. Zo groeit vertrouwen stap voor stap: een agent die maandenlang goed werk levert, krijgt meer ruimte, net als een nieuwe collega die zich bewijst.

Een register van agents is het overzicht van de digitale collega's in een organisatie, zoals de personeelsadministratie dat is voor mensen. Het is meer dan een lijst met software: agents krijgen opdrachten, handelen zelf en werken met andere agents samen. Per agent is te zien wie de eigenaar is, welke versie draait, met welke systemen en gegevens hij werkt en welke rechten hij heeft. Bij een verzekeraar wordt zo zichtbaar welke agents schadedossiers behandelen en wie hun werk volgt. Ook de agents die medewerkers zelf bouwen, krijgen er een plek. In organisaties waar straks meer agents werken dan mensen, krijgt het organogram zo een digitale laag die laat zien wie en wat de organisatie draaiende houdt.

Een leider met agents in zijn organisatie stuurt op resultaat, niet op uren of handen. Hij bepaalt welk werk naar een agent gaat, hoeveel ruimte die krijgt en waar een mens beslist. Leiders staan daarbij steeds vaker boven het proces in plaats van erin: ze geven richting, kijken mee waar het ertoe doet en grijpen in als de koers verandert. Het werk dat agents overnemen, raakt banen, rollen en gewoonten, en daarmee de vraag waar de organisatie over vijf jaar staat. Een directie laat agents tien groeiscenario's doorrekenen, met de gevolgen voor personeel, capaciteit en kasstromen, en volgt ze daarna week na week. Het gesprek aan de bestuurstafel verschuift zo van terugkijken op de maand naar kiezen tussen mogelijke toekomsten.