AI kan de vraag beantwoorden. De volgende uitdaging is mensen helpen verder te komen.

We zijn bijzonder goed geworden in het bouwen van AI die vragen kan beantwoorden. Vraag wanneer een aanvraag moet worden ingediend, welke documenten nodig zijn of hoe een proces werkt, en binnen enkele seconden krijg je een bruikbaar antwoord. Maar wanneer iemands opleiding, financiële toekomst of gevoel ergens bij te horen op het spel staat, is een antwoord slechts het begin. Het gaat erom of die persoon daadwerkelijk verder kan komen.

Daar wordt agentische AI interessant. In plaats van elk contactmoment als een op zichzelf staande vraag te behandelen, kan een AI-agent herkennen waar iemand zich in een groter traject bevindt, vaststellen wat er vervolgens moet gebeuren en die persoon helpen dat doel te bereiken. Dat betrouwbaar doen vereist echter meer dan een krachtig taalmodel. Daarvoor zijn speciaal ontworpen trajecten, gekoppelde systemen en menselijk toezicht nodig, vanaf het begin ingebouwd in het proces.

Neem het hoger onderwijs. Een student dient een aanvraag in, rondt een aanvraag voor financiële steun af, schrijft zich in voor vakken, spreekt met een studieadviseur, zoekt academische ondersteuning en een stageplek, bereidt zich voor op het afstuderen, zoekt een baan en wordt uiteindelijk alumnus. Instellingen verdelen die momenten over afzonderlijke afdelingen en technische systemen, maar studenten ervaren één universiteit. Ze zouden het organigram van de instelling niet hoeven te kennen om de hulp te krijgen die ze nodig hebben.

Mensen willen niet nóg een interface. Ze willen iets voor elkaar krijgen.

In een recente enquête onder 1.058 Amerikaanse studenten die momenteel aan een hogeschool of universiteit staan ingeschreven, zei 76% dat ze de meeste zaken waarvoor ze de studentendiensten nodig hebben, verwachten te kunnen regelen zonder te bellen of naar een kantoor te gaan. Toch zei een op de vier dat hun instelling niet aan die verwachting voldoet. Op de vraag wat het belangrijkst is in een moderne digitale ervaring, wees 64% op een snelle reactie en oplossing, 54% op beschikbaarheid, 24 uur per dag en 7 dagen per week, en 50% op de mogelijkheid om taken op één plek af te ronden. Studenten willen sneller antwoord, minder overdrachten en de mogelijkheid om taken af te ronden zonder door meerdere systemen te hoeven navigeren.

Een aankomend student begint aan een aanmelding voor een opleiding, maar maakt die nooit af. Een traditionele chatbot kan vragen over de toelatingseisen beantwoorden, maar de student moet nog steeds zelf uitzoeken wat er ontbreekt en hoe die verder moet. Een agentisch systeem kan herkennen waar de aanmelding is vastgelopen, vaststellen wat de volgende stap is en de student helpen verder te gaan waar die was gebleven. Als de student zegt dat die al een cijferlijst heeft geüpload, kan het systeem het aanmeldingsdossier controleren, bevestigen dat de lijst erin staat en die vereiste overslaan in plaats van de student te vragen de stap opnieuw uit te voeren.

Hier doen zich ook enkele van de grootste technische uitdagingen voor. Microsoft Research noemt betrouwbaarheid, het vasthouden van context en het uitvoeren van workflows in de praktijk als uitdagingen voor productiviteitsagenten. Een agent kan iemand niet betrouwbaar door een proces begeleiden als hij tussen de stappen door de context kwijtraakt of niet in de betrokken systemen kan werken.

Van reactieve antwoorden naar proactieve hulp

De mogelijkheden reiken verder dan alleen vragen beantwoorden: ze omvatten ook herkennen wanneer iemand ondersteuning nodig heeft en instellingen helpen bepalen wat de juiste volgende stap is. Een team voor fondsenwerving en relaties kan bijvoorbeeld signalen herkennen dat een alumnus klaar is om opnieuw contact te leggen, vrijwilligerswerk te doen of voor het eerst een donatie te geven. Maar het herkennen van zo’n signaal is slechts het begin. De echte waarde zit in begrijpen welk contact op dat moment bij die persoon past en wat er vervolgens moet gebeuren.

Speciaal ontworpen trajecten kunnen beproefde werkwijzen voor verschillende doelgroepen en doelen toepassen, zodat teams een betere basis hebben dan met generieke tools of workflows die ze helemaal zelf moeten opzetten. En de voordelen gaan verder dan tijdwinst voor medewerkers. Instellingen beschikken al over enorme hoeveelheden gegevens. Wat ze nodig hebben, is hulp om die signalen te interpreteren en om te zetten in doordachte, tijdige betrokkenheid.

De noodzaak is duidelijk. In hetzelfde studentenonderzoek zei de helft van de studenten dat ze geen contact hadden opgenomen met hun instelling omdat het proces te moeilijk voelde. Nog eens 40% had informatie moeten herhalen die ze al hadden verstrekt, 34% was doorverbonden zonder dat het probleem werd opgelost en 31% kon niet vinden wat ze nodig hadden en haakte af.

De nuttigste AI-ervaringen helpen instellingen die knelpunten te herkennen voordat ze ertoe leiden dat iemand afhaakt.

Context maakt van een antwoord een bruikbare volgende stap

We hebben allemaal weleens ervaren hoe frustrerend het is om een organisatie steeds opnieuw dezelfde informatie te geven. Stel je nu voor dat je dat moet doen terwijl je je voor vakken probeert in te schrijven, een probleem met financiële steun probeert op te lossen of opnieuw contact probeert te leggen met je alma mater. Elk contactmoment dat niet op de vorige aansluit, geeft je het gevoel dat de instelling je een beetje minder goed kent.

Door informatie rond de persoon te verbinden in plaats van rond afzonderlijke afdelingen, verandert die ervaring. Studenten, alumni en donateurs profiteren van een meer doorlopende, persoonlijke betrokkenheid, terwijl medewerkers de context krijgen om effectiever te reageren. Wanneer instellingen contact makkelijker en persoonlijker maken, scheppen ze de voorwaarden voor sterkere relaties en blijvende loyaliteit.

Studenten geven nu al aan dat ze willen dat digitale ervaringen op deze manier werken. Uit hetzelfde studentenonderzoek bleek dat 56% verwacht dat systemen naadloos op elkaar aansluiten, zonder omleidingen of telkens opnieuw dezelfde informatie te hoeven invoeren. De helft verwacht dat digitale hulpmiddelen proactief deadlines, vereisten of problemen signaleren voordat die tot problemen leiden.

Om die ervaring te bieden, is meer nodig dan afzonderlijke hulpmiddelen slimmer maken. Het betekent dat informatie en werkprocessen met elkaar worden verbonden, zodat instellingen kunnen begrijpen waar iemand zich in diens traject bevindt en daar passend op kunnen reageren.

De beste AI weet wanneer ze moet handelen, wanneer ze moet beschermen en wanneer ze een stap opzij moet doen

Het doel van agentische AI moet niet maximale autonomie zijn. Het moet gaan om de juiste combinatie van ondersteuning, actie en menselijk inzicht, waarbij menselijke goedkeuring vanaf het begin in de werkprocessen is ingebouwd.

Naarmate AI meer acties kan uitvoeren, wordt bepalen wat ze zelfstandig moet doen net zo belangrijk als uitbreiden wat ze kan doen. Routinetaken, zoals onvolledige formulieren opsporen of relevante informatie naar voren halen, lenen zich mogelijk goed voor automatisering. Maar wanneer een AI-systeem een bericht aan een student voorbereidt of een actie aanbeveelt die van invloed kan zijn op diens ervaring, moet iemand de gelegenheid krijgen die goed te keuren voordat de student er iets van merkt.

Menselijk toezicht mag niet beperkt blijven tot het opschalen van uitzonderlijke gevallen of het beoordelen van beslissingen nadat die al zijn genomen. Bij situaties met grote gevolgen moet goedkeuring vóór de actie plaatsvinden, niet erna. AI kan signalen herkennen, vervolgstappen aanbevelen en communicatie voorbereiden, terwijl medewerkers de controle behouden over wat er vervolgens gebeurt.

Deze aanpak biedt ook ruimte voor het oordeelsvermogen en de empathie die technologie niet kan vervangen. Een student die met een ongebruikelijke financiële situatie kampt of studieproblemen heeft, heeft mogelijk meer nodig dan een geautomatiseerde aanbeveling. De technologie moet medewerkers helpen zulke situaties te herkennen en te reageren met de context die ze nodig hebben, in plaats van hen buiten het proces te houden.

Verantwoorde implementatie betekent ook dat de gevoelige informatie wordt beschermd waarvan deze ervaringen afhankelijk zijn. Systemen met elkaar verbinden en AI in staat stellen acties uit te voeren, roept belangrijke vragen op over gegevenstoegang, machtigingen, beveiliging en verantwoording. Een agent die helpt bij een aanvraag of een proces rond studiefinanciering, mag alleen toegang hebben tot de informatie en acties die voor die interactie passend zijn, met duidelijke grenzen aan wat de agent kan doen.

Het werk van Microsoft Research aan agents met menselijke tussenkomst benadrukt hoe belangrijk het is om menselijk toezicht en menselijke controle in te bouwen in systemen die steeds autonomer worden. Daar horen mechanismen bij waarmee mensen kunnen deelnemen aan het werk van een agent en dat kunnen bijsturen. Verantwoorde AI maakt betere ervaringen mogelijk door het vertrouwen op te bouwen dat nodig is om die ervaringen te bieden.

De volgende generatie AI draait om resultaten

Instellingen moeten nog een andere omslag maken: hun manier veranderen om te meten of AI daadwerkelijk werkt.

Tegenwoordig wordt de prestatie van AI vaak beoordeeld aan de hand van activiteitscijfers: het aantal afgehandelde gesprekken, beantwoorde vragen, reactietijden of vragen die niet bij medewerkers terechtkomen. Met die cijfers kunnen we vaststellen of een systeem wordt gebruikt of de werkdruk verlaagt, maar niet noodzakelijk of het iemand heeft geholpen te bereiken waarvoor diegene kwam.

Voor een student die halverwege een aanvraag is vastgelopen, betekent succes dat die aanvraag wordt afgerond, en niet alleen dat een AI-assistent antwoorden geeft. Voor een alumnus die opnieuw contact wil leggen, betekent het dat diegene de volgende stap in die relatie zet.

De impact van deze digitale ervaringen reikt veel verder dan gemak. Uit het studentenonderzoek bleek dat 38% een belangrijke taak rond inschrijving, studiefinanciering of de studie had uitgesteld omdat digitale hulpmiddelen moeilijk te gebruiken waren. Een op de vier zei dat die moeilijkheden hen hadden doen twijfelen of ingeschreven blijven de moeite wel waard was. Wanneer technologie zoveel wrijving veroorzaakt, gaat het doel voorbij als je alleen meet hoe mensen met de technologie zelf omgaan. Instellingen zouden moeten nagaan of mensen de taken uitvoeren die ze wilden voltooien, waar ze vastlopen en of de ervaring in de loop van de tijd verbetert.

De volgende generatie AI zal worden bepaald door wat mensen dankzij AI kunnen bereiken, en dat is een veelbelovende ontwikkeling. Of iemand nu de weg vindt in het hoger onderwijs, diens zorg regelt of contact heeft met een organisatie die belangrijk voor diegene is: de kans ligt erin ingewikkelde ervaringen echt ondersteunend te maken. Daarvoor zijn trajecten nodig die rond echte mensen zijn ontworpen, verbonden informatie, betekenisvol menselijk toezicht en de inzet om resultaten te meten in plaats van activiteit.

Het doel is niet omwille van de automatisering meer te automatiseren. Het gaat erom mensen met minder hindernissen, meer vertrouwen en het sterkere gevoel vooruit te helpen dat de organisatie aan de andere kant hen echt begrijpt.