Waar te beginnen met Agentic AI: een raamwerk voor zakelijke leiders

In het afgelopen decennium zijn twee parallelle reizen ontstaan en hebben zij de transformatie van ondernemingen in tandem gevormd: de procesreis en de datareis.

De procesreis, of hoe werk wordt gedaan, is geëvolueerd van Lean Sigma Six tot het omvatten van robotic process automation (RPA) en digitale workflows, alles in het streven naar efficiëntie, structuur en schaal. Aan de andere kant is de datareis, of hoe beslissingen worden genomen, geëvolueerd van traditionele business intelligence tot machine learning-gebaseerde predictieve intelligentie en nu, generatieve AI (gen AI). Beide paden zijn krachtig, maar de echte doorbraak komt wanneer ze beide samenkomen. Welkom, agentic AI.

Agentic AI is het inflectiepunt waar agenten niet alleen data begrijpen, maar ook weten hoe ze moeten handelen binnen systemen en workflows voor grotere data-gedreven automatisering. Onderzoek toont aan dat 96% van de ondernemings-IT-leiders van plan zijn hun gebruik van agenten in de komende 12 maanden te vergroten. Echter, als organisaties proberen om agentic AI-initiatieven op te schalen, worstelen ze vaak met het identificeren van waar en hoe ze moeten beginnen.

Voor technische leiders die agentic AI willen gebruiken, moeten ze denken aan agentic workflows als de fusie van beslissing en uitvoering, door analytische intelligentie rechtstreeks in workflows te integreren voor grotere efficiëntie. Pas wanneer dat bedrijfsbrede laag van intelligentie is bereikt, zullen autonome agenten in staat zijn om de lus tussen weten en doen te sluiten.

Definiëren van agentic AI: wat het betekent om een agentic onderneming te zijn

Veel organisaties beginnen hun agentic AI-reis voordat ze begrijpen wat agentic AI is. Denk aan een agentic onderneming als een drukke internationale luchthaven. De vliegtuigen zijn de AI-agenten, elk met een opdracht. Ze weten hun doel en handelen onafhankelijk, opstijgen en vliegen naar hun bestemming – allemaal terwijl de luchthaven volledig functioneert. Maar het is het hogere doel van de luchthaven, in plaats van de individuele beweging van vliegtuigen, dat het agentic maakt. De luchtverkeersleiders zijn de orchestrators die de luchthavenoperaties soepel laten verlopen – door te kiezen welke vliegtuigen wanneer en waar in te zetten, grondcontrole te geven voor onderhoud en brandstof, en alles te coördineren op de meest effectieve manier voor het hele systeem. Elk vliegtuig bestaat op zichzelf, maar het is de coördinatie van alle opstijgingen en landingen die de luchthaven succesvol maken in termen van veiligheid en efficiëntie.

Een agentic onderneming is niet een die eenvoudige reflexagenten implementeert, of basisbots die zijn verbeterd om een taak uit te voeren. In plaats daarvan orkestreert een agentic onderneming een netwerk van intelligente agenten die zijn ontworpen om complexe, multi-stap-taken onafhankelijk te verwerken. Ze gaan verder dan vooraf gedefinieerde regels naar een niveau waarop agenten beslissingen kunnen nemen die aansluiten bij strategische doelen, en zich aanpassen en verbeteren in de loop van de tijd, waardoor ondernemingsleren naar een hoger niveau wordt getild.

Dit is ook wat agentic AI onderscheidt van gen AI. Gen AI reageert op prompts, terwijl agentic AI autonome acties onderneemt om doelen te bereiken, leren en aanpassen terwijl het gaat. Deze multi-agent-systemen verbinden met verschillende ondernemingsapplicaties en opereren met strategisch vooruitzicht om besluitvorming te ondersteunen, processen te automatiseren en waarde te leveren in de hele organisatie.

Het is belangrijk om te onthouden dat dit een reis is. Elk agent heeft zijn eigen volwassenheid en complexiteit die het kan verwerken. Het worden van een agentic onderneming vereist de holistische ontwerp, coördinatie en continue evolutie van een ecosysteem van agenten, met duidelijke doelen, intelligente feedback-lussen en expert-mensen ingebed waar en hoe het zinvol is voor het doel.

Identificeren van agentic AI-gevallen: waarom waarde creëren belangrijk is

Te vaak falen agentic AI-gevallen vanwege een slechte selectie van gevallen. In feite voorspelt Gartner dat meer dan 40% van de agentic AI-projecten zal worden geannuleerd tegen het einde van 2027. Deze zullen niet worden geannuleerd vanwege technische problemen, maar omdat ondernemingen de juiste gevallen niet hebben gekozen om de agenten in te zetten.

Om een dergelijk lot te vermijden, moeten organisaties identificeren waar agentic AI de grootste impact kan hebben door zowel de waarde-verbetering als de snelheid naar resultaat te beoordelen.

Aan de kant van de waarde moeten ondernemingen eerst vragen welke domeinen de grootste klantpijnpunten hebben – intern en extern – en omgekeerd, de meeste kans hebben op impact. Vervolgens moeten ze overwegen wat het procesbereik en de vraag eruitzien. Een hint? Agentic AI levert meer tastbare voordelen voor gebieden met zeer complexe processen, grote workflows en een behoefte aan strategische, dynamische besluitvorming. Het is niet te onderschatten dat agentic AI moet worden geïmplementeerd in gebieden met een hoog groeipotentieel, gezien de schaalbaarheid en aanpasbaarheid aan veranderende vraag en volume in de loop van de tijd.

Even belangrijk is het evalueren van de snelheid naar waarde, wat kan worden gedaan door gegevens te onderzoeken op beschikbaarheid, kwaliteit en governance. Simpel gezegd, betere gegevens leiden tot betere AI-prestaties. Ongeacht waar agentic AI wordt geactiveerd, is het kritiek om veiligheidsbarrières te bieden, vooral wanneer gevoelige gegevens zijn betrokken. Om dit effectief te doen, moeten ondernemingen potentiële regelgevingsbeperkingen meenemen die de adoptietijdlijnen kunnen beïnvloeden. Dit is geen gebied om corners af te snijden. Beginnen met human-in-the-loop-systemen helpt ervoor zorgen dat de implementatie verantwoordelijk en ethisch is, wat ondernemingen later meer vertrouwen kan geven in de autonomie van AI-agenten.

Opbouwen van de agentic AI-tech stack: hoe gewenste resultaten bereiken

Ondernemingen die klaar zijn om agentic AI te adopteren, moeten de juiste technologie-infrastructuur opbouwen die schaalbaarheid biedt om te groeien, flexibiliteit om te integreren en beveiliging om te beschermen.

Om te beginnen, moeten ondernemingsleiders ervoor zorgen dat zowel gestructureerde als ongestructureerde gegevens worden geïntegreerd binnen hetzelfde systeem om een sterke gegevensbasis te bouwen, wat kritiek is voor effectieve en duurzame adoptie. Gegevensbereikbaarheid en -beheer zijn fundamenteel voor agentic AI. Deze stap is ook cruciaal voor het opbouwen van taak- en domeinspecifieke taalmodellen.

Zodra de gegevensbasis is ingesteld en taalmodellen zijn gevestigd, moeten ondernemingen AI-platforms, -tools en -diensten gebruiken om de adoptie en modulariteit van AI-agenten te versnellen. Beginnend met een proef in een gecontroleerde omgeving, kunnen ondernemingen agenten trainen en inzetten die specifieke taken uitvoeren en bedrijfsresultaten leveren, met menselijke toezicht en continue monitoring van prestaties via een controlelaag die aansluit bij bedrijfs-KPI’s.

De weg banen

Agentic AI vertegenwoordigt een fundamentele verschuiving in de manier waarop bedrijven opereren. Ondernemingen die als winnaars naar voren komen, zullen die zijn die het gebruiken als een kans om hun operationele modellen en bedrijfspraktijken van scratch te heroverwegen. De sleutel is om verstandig te experimenteren en te itereren, te bouwen en te partneren met intentie, en vervolgens met vertrouwen op te schalen.