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

Over de afgelopen decennium zijn twee parallelle reizen ontstaan en hebben ze 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, allemaal 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-gepowered 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 agents niet alleen data begrijpen, maar ook weten hoe te 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 agents in de komende 12 maanden te verhogen. Echter, als organisaties proberen om agentic AI-initiatieven op te schalen, worstelen ze vaak met het identificeren van waar en hoe te 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 ondernemingsbrede laag van intelligentie is bereikt, zullen autonome agents 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-agents, elk met een opdracht. Ze weten hun doel en handelen onafhankelijk, vertrekken 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 – ze kiezen welke vliegtuigen wanneer en waar in te zetten, geven grondcontrole voor onderhoud en brandstof, en coördineren alles op de meest effectieve manier voor het hele systeem. Elk vliegtuig bestaat op zichzelf, maar het is de coördinatie van alle starts en landingen die de luchthaven succesvol maken in termen van veiligheid en efficiëntie.

Een agentic onderneming is niet een die eenvoudige reflex-agents implementeert, of basis-bots die zijn verbeterd om een taak uit te voeren. In plaats daarvan orkestreert een agentic onderneming een netwerk van intelligente agents die zijn ontworpen om complexe, meerdere stap-taken onafhankelijk te verwerken. Ze gaan verder dan vooraf gedefinieerde regels naar waar agents beslissingen kunnen nemen die aansluiten bij strategische doelen, en zich aanpassen en verbeteren over tijd, waardoor ondernemingsleren naar het volgende niveau wordt gebracht.

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 helpen, processen te automatiseren en waarde te leveren over de hele onderneming.

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

Identificeren van agentic AI-gebruiksgevallen: waarom waarde sturen belangrijk is

Te vaak falen agentic AI-gebruiksgevallen vanwege slechte selectie van gebruiksgevallen. In feite voorspelt Gartner dat meer dan 40% van de agentic AI-projecten zal worden geannuleerd tegen het einde van 2027. Deze zullen niet vanwege technische falen zijn, maar eerder omdat ondernemingen niet de juiste gebruiksgevallen kiezen om de agents in te zetten.

Om zo’n 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 waarde-kant moeten ondernemingen eerst vragen welke domeinen de grootste klantpijnpunten hebben – intern en extern – en daarom het meeste potentieel voor impact hebben. Vervolgens moeten ze de procesomvang en vraag bekijken. Een hint? Agentic AI levert meer tastbare voordelen op voor gebieden die complexe processen, grote workflows en een behoefte aan strategische, dynamische besluitvorming hebben. Het is niet te onderschatten dat agentic AI moet worden geïmplementeerd in gebieden die een hoog groeipotentieel hebben, gezien de schaalbaarheid en aanpasbaarheid ervan aan veranderende vraag en volume over 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 verstrekken van veiligheidsbarrières kritisch, vooral wanneer gevoelige gegevens zijn betrokken. Om dit effectief te doen, moeten ondernemingen potentiële regelgevende beperkingen meenemen die de adoptietijdlijnen kunnen beïnvloeden. Dit is geen gebied om hoeken af te snijden. Beginnen met human-in-the-loop-systemen helpt bij het waarborgen van verantwoorde en ethische implementatie, wat ondernemingen later meer vertrouwen kan geven in de autonomie van AI-agents.

Opbouwen van de agentic AI-techstack: hoe gewenste resultaten te bereiken

Ondernemingen die klaar zijn om agentic AI te adopteren, moeten de juiste technologie-infrastructuur opbouwen die schaalbaarheid, flexibiliteit en beveiliging mogelijk maakt.

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

Zodra de gegevensbasis is ingesteld en taalmodellen zijn vastgesteld, moeten ondernemingen AI-platforms, -tools en -diensten gebruiken om de adoptie en modulariteit van AI-agents te versnellen. Beginnend met een proef in een gecontroleerde omgeving, kunnen ondernemingen agents trainen en implementeren 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 de grond af aan te passen. De sleutel is om verstandig te experimenteren en te itereren, te bouwen en te partneren met intentie, en vervolgens met vertrouwen te schalen. 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 de grond af aan te passen. De sleutel is om verstandig te experimenteren en te itereren, te bouwen en te partneren met intentie, en vervolgens met vertrouwen te schalen.