De opkomst van Agentic AI: een strategische drie-stappenbenadering voor intelligente automatisering

Net als velen houd ik van goede adviezen. Maar soms heb ik hulp nodig om iets gedaan te krijgen.

De volgende versie van AI — agentic AI — zal ons van advies naar het daadwerkelijk uitvoeren van taken brengen. Het zal bedrijven die het gebruiken in staat stellen een transformatiesprong voorwaarts te maken.

Maar waarheen? En hoe?

Agentic AI kan de kosten van klantenservice met 25-50% verlagen en tegelijkertijd de kwaliteit en tevredenheid van klanten aanzienlijk verbeteren, omdat het verder gaat dan eenvoudige taakuitvoering. Het kan ook complexe workflows en klantinteracties autonoom oplossen. Wanneer het wordt toegepast op klantenservice, bijvoorbeeld, reageren agenten niet alleen op vragen, maar lossen ze ook volledig vragen van begin tot eind op, waardoor menselijke interventie wordt verminderd en efficiëntie wordt verhoogd.

Net als bij alle nieuwe technologieën, brengt het adopteren van agentic AI uitdagingen met zich mee. Een bedrijf moet zijn workflows goed gedocumenteerd en diep begrepen hebben en een robuuste kennisbasis hebben waarop de agentic AI kan terugvallen. En net als bij generatieve AI, zorgen over gegevensbescherming en -beveiliging vereisen dat bedrijven de grote taalmodellen (LLM’s) begrijpen die ze gebruiken en hoe informatie door hen wordt opgeslagen en doorgegeven.

Echter, de juiste adoptiestrategie voor intelligente automatisering kan succes garanderen. Om de meeste voordelen te behalen, moeten bedrijven drie dingen doen:

• Beginnen op de juiste plek
• Agentic AI in evenwicht brengen met menselijke expertise
• Toegang krijgen tot een netwerk van agentic expertise

Hoewel het nog vroeg is, is dit wat we leren terwijl we met klanten in verschillende branches werken om agentic AI in hun workflows en operaties te integreren.

Begin niet klein — begin slim

Misschien tegenintuïtief, is de beste plek om te beginnen met uw hoogste-volumewerkzaamheden. Is dat niet riskant? Niet als het goed wordt gedaan. In feite verhoogt het beginnen met laag-volumewerkzaamheden het risico dat u onvoldoende impact ziet om de investering te rechtvaardigen.

Beginnen met hoog-volumewerkzaamheden biedt het grootste potentieel voor rendement op investering (ROI), waardoor een bedrijf snel significante impact kan realiseren, efficiencywinsten kan maximaliseren en de duidelijke waarde van het gebruik van AI-agents kan demonstreren.

Hoe kunt u het risico van te groot beginnen mitigeren? Door de agents aanvankelijk te implementeren met slechts 1% van de grootste volumewerkzaamheden. Deze benadering stelt u in staat om potentiële problemen te identificeren en op te lossen terwijl u zich voorbereidt op bredere automatisering.

Voor een detailhandelsbedrijf kan dit betekenen dat u “waar is mijn bestelling?” of retourverwerkingsworkflows automatiseert. Naast het monitoren van verzendingen over het hele fulfillmentnetwerk van het bedrijf, kan een AI-agent de identiteit van een klant verifiëren, de real-time status controleren en de klant updaten — zelfs opties aanbieden als de bestelling onverwacht vertraagd is.

Voor retouren kan een agent het retourbeleid van het bedrijf controleren, klantinformatie over de retour verzamelen, volgende stappen suggereren en bijbehorende taken uitvoeren, zoals het afdrukken van een retourlabel, het plannen van een ophaling, het uitgeven van een terugbetaling, enz. De retouragent kan ook naar patronen van misbruik kijken en, indien nodig, zijn beslissingen en volgende stappen aanpassen.

Nadat een bedrijf een AI-agent heeft geïmplementeerd op een steekproef van een hoog-volumewerkzaamheid, moet het workflow-activiteit monitoren om te identificeren waar het mogelijk aanpassingen nodig heeft. Wanneer de agent soepel functioneert, kan het bedrijf zijn gebruik uitbreiden in vooraf gedefinieerde hoeveelheden totdat het uiteindelijk het hele volumewerkzaamheid aan kan.

Natuurlijk lenen niet alle taken en workflows zich voor totale automatisering met agentic AI. In feite zal het behoud van menselijke experts in verbinding met de algehele werking van AI-agents de beste resultaten opleveren.

Agentic AI in evenwicht brengen met menselijke expertise

Terwijl een bedrijf zijn workflows en processen onderzoekt voor automatiseringskandidaten, zal het gevallen vinden die het beste geschikt zijn voor menselijke toezicht of directe actie. Agentic AI is een geweldige, zeer capabele innovatie, maar het heeft beperkingen.

Drie in het bijzonder:

AI-agents, net als de LLM’s die hen ondersteunen, beschikken momenteel niet over algemene intelligentie. Ze functioneren het beste in smalle, goed gedefinieerde gebieden. Dus, terwijl mensen kunnen leren hoe ze een bepaalde taak kunnen uitvoeren en abstracte principes kunnen toepassen die ze vervolgens op andere, ongerelateerde taken kunnen toepassen, kan AI dat momenteel niet.

Daarnaast zijn er workflows met extreem complexe beslissingsmatrices die significante ervaring en ervaringsgebaseerde oordelen vereisen. Bijvoorbeeld, een detailhandelsbedrijf kan content nodig hebben voor een eenvoudige marketingcampagne. Een agent kan dat aan — en de campagne uitvoeren.

Maar wilt u de belofte van een merk opnieuw bezoeken en beloven over meerdere markten? Een agent zou dat niet aankunnen. Het zou inzicht vereisen in markttrends, merkperceptie, culturele verschillen over markten en inzicht in hoe merken emoties oproepen.

Tenslotte blijven workflows die afhankelijk zijn van typisch “rommelige” menselijke communicatie en emotionele nuances die distinctief menselijke elementen zoals compassie vereisen, het beste bij mensen.

Maar ik beschrijf geen binaire beslissingsprocessen: geef dit aan de AI-agents; alles anders gaat naar mensen. In de praktijk werkt een hybride model het beste.

Terwijl er een duidelijke scheiding moet zijn tussen AI- en menselijke rollen, zelfs wanneer taken door menselijke experts moeten worden uitgevoerd, moet AI nog steeds beschikbaar zijn om hun capaciteiten uit te breiden en het meeste uit hun expertise te halen.

In het algemeen moeten bedrijven agentic AI gebruiken voor transactie-, herhaalbare taken en menselijke expertise voor hoge-inzetinteracties, emotioneel complexe scenario’s en situaties die nuances oordelen vereisen. Een garantieclaim van $50 kan volledig geautomatiseerd worden, terwijl een claim van $5.000 waarschijnlijk baat heeft bij menselijke emotionele intelligentie en merkgevoelige afhandeling.

Toegang krijgen tot een agentic netwerk

Misschien wel het belangrijkste, probeer niet alleen in agentic AI te duiken. Stel een netwerk van expertpartners in. Opkomende agentic AI-platforms kunnen de technologie leveren over digitale en spraakkanaal. Een systeemintegrator en adviseur die de klantomgevingen begrijpt, kan agentic modellen trainen voor specifieke klantbehoeften en deze vervolgens integreren in de bedrijfsoperaties.

Het integreren van deze modellen in bedrijfssystemen vereist diepe expertise in complexe workflows en branche-specifieke uitdagingen. Het vereist ook een ingewikkeld begrip van workflow-beslissingspunten en waar menselijke interactie het meest nodig is — of gunstig, zodat agentic AI een zegen is voor werknemers en teamproductiviteit.

Agentic AI biedt bedrijven een krachtige manier om efficiency te verbeteren, klantervaringen te verbeteren en innovatie te stimuleren. Maar succes is niet alleen een kwestie van haast. Het gaat erom slimme, geïnformeerde keuzes te maken: beginnen op de juiste plek, een hybride menselijke/AI-model toepassen en toegang krijgen tot het juiste netwerk.

Omdat de wereld van AI zo snel verandert, kunt u het niet alleen doen.