1
00:00:01,000 --> 00:00:06,100
Hoi, welkom bij deel 2 van onze driedelige serie over AI Agents.
2
00:00:06,100 --> 00:00:13,200
Je luistert naar AIToday Live, de Nederlandstalige podcast die je alles leert over de ontwikkelingen in kunstmatige intelligentie.
3
00:00:13,200 --> 00:00:15,740
Mijn naam is Joop Snijder, CTO bij Aigency.
4
00:00:15,740 --> 00:00:23,340
In het eerste deel, aflevering 2 van seizoen 7, hebben we kennis gemaakt met het concept van AI Agents
5
00:00:23,340 --> 00:00:31,120
en zagen we hoe ze fundamenteel verschillen van traditionele software door hun vermogen om autonoom te handelen en te leren van hun omgeving.
6
00:00:31,120 --> 00:00:35,760
We verkenden ook een praktisch voorbeeld met de podcast Research Agent,
7
00:00:35,760 --> 00:00:42,240
die je liet zien hoe verschillende agents kunnen samenwerken onder aansturing van een centraal brein, een large language model.
8
00:00:42,240 --> 00:00:47,880
Vandaag gaan we dieper in op hoe je zelf aan de slag kunt met AI Agents
9
00:00:47,880 --> 00:00:54,880
en hoe je de concepten van agents autonoom handelen en leren van hun omgeving praktisch kunt toepassen in je organisatie.
10
00:00:54,880 --> 00:01:01,000
Laat me dat illustreren met drie voorbeelden die we in de praktijk tegenkomen.
11
00:01:01,000 --> 00:01:04,820
Denk eerst aan een agent die bijvoorbeeld klantenservice e-mails verwerkt.
12
00:01:04,820 --> 00:01:09,440
Deze agent neemt zijn omgeving waar door e-mails te lezen en te begrijpen.
13
00:01:09,440 --> 00:01:16,240
Het handelt autonoom door te bepalen welke e-mails prioriteit hebben en hoe ze het beste beantwoord kunnen worden.
14
00:01:16,700 --> 00:01:23,700
En het leert door feedback van klanten en medewerkers te verwerken om de antwoorden steeds beter af te stemmen.
15
00:01:23,700 --> 00:01:29,200
Een geavanceerd voorbeeld is onze eigen interviewer agent.
16
00:01:29,200 --> 00:01:34,580
Deze neemt zijn omgeving waar door de antwoorden van geïnterviewden te analyseren.
17
00:01:34,580 --> 00:01:40,440
Het handelt autonoom door de vragen aan te passen op basis van de gegeven antwoorden.
18
00:01:41,080 --> 00:01:48,440
En hij leert door de feedback van een tweede criticus agent die de kwaliteit en diepgang van het interview bewaakt.
19
00:01:49,480 --> 00:01:57,340
Maar voordat je enthousiast aan de slag gaat met AI agents is er een cruciale vraag die je zelf moet beantwoorden.
20
00:01:57,340 --> 00:02:00,340
Heb je überhaupt AI nodig?
21
00:02:00,340 --> 00:02:06,480
Het klinkt misschien gek om dat in een serie over AI agents te vragen, maar het is essentieel.
22
00:02:07,840 --> 00:02:17,120
Het traditionele regelgebaseerde software is vaak eenvoudiger te onderhouden, voorspelbaar in gebruik en makkelijker voor het opsporen van fouten.
23
00:02:17,840 --> 00:02:29,020
Maar goed, als je wel AI agents in gaat zetten, laten we daarom kijken naar een praktisch stappenplan voor het implementeren van je eerste AI agent.
24
00:02:29,020 --> 00:02:33,700
De eerste stap is het grondig analyseren van je huidig proces.
25
00:02:33,700 --> 00:02:35,700
Waar zitten de knelpunten?
26
00:02:35,700 --> 00:02:38,520
Welke stappen kosten de meeste tijd?
27
00:02:38,520 --> 00:02:41,180
En waar worden de meeste fouten gemaakt?
28
00:02:41,180 --> 00:02:42,980
En vooral, waarom gebeurt dat?
29
00:02:43,180 --> 00:02:47,580
Soms ligt de oplossing niet in de AI, maar in het stroomlijnen van het proces zelf.
30
00:02:47,580 --> 00:02:54,500
Documenteer ook de kennis die nu in de hoofden van je medewerkers zit, want dit wordt belangrijke input voor je agent.
31
00:02:54,500 --> 00:02:56,900
Maar eerst een belangrijke waarschuwing.
32
00:02:56,900 --> 00:03:03,580
Veel organisaties maken de fout om zich blind te staren op één specifiek proces dat ze willen automatiseren.
33
00:03:03,580 --> 00:03:08,660
Ze zien een verbetering van bijvoorbeeld 50% in dat ene proces als een groot succes.
34
00:03:09,220 --> 00:03:15,800
Maar als dat proces slechts een klein onderdeel is van een veel grotere keten, ja wat is dan de werkelijke impact?
35
00:03:15,800 --> 00:03:17,520
Laat me een voorbeeld geven.
36
00:03:17,520 --> 00:03:22,700
Stel, je automatiseert de verwerking van inkomende facturen met een AI agent.
37
00:03:22,700 --> 00:03:26,540
De verwerking gaat van 30 minuten naar 5 minuten per factuur.
38
00:03:26,540 --> 00:03:28,740
Een indrukwekkende verbetering.
39
00:03:29,540 --> 00:03:36,420
Maar als die facturen vervolgens nog twee dagen in een goedkeuringsproces liggen en er daarna nog drie dagen overheen gaan voordat ze betaald worden,
40
00:03:36,420 --> 00:03:40,380
ja wat is dan de werkelijke waarde van die 25 minuten tijdwinst?
41
00:03:40,380 --> 00:03:45,240
Daarom beginnen we met het in kaart brengen van het totale bedrijfsproces.
42
00:03:45,240 --> 00:03:46,660
Waar begint het?
43
00:03:46,660 --> 00:03:47,960
Waar eindigt het?
44
00:03:47,960 --> 00:03:50,700
Welke afdelingen en systemen zijn betrokken?
45
00:03:50,700 --> 00:03:53,660
Waar zitten de echte knelpunten en vertragingen?
46
00:03:53,660 --> 00:03:59,500
Dit grotere plaatje helpt je bepalen waar AI agents de meeste waarde kunnen toevoegen.
47
00:03:59,500 --> 00:04:04,060
De tweede stap is het analyseren van de processtromen.
48
00:04:04,060 --> 00:04:09,000
En dus kijk niet alleen naar de hoofdstroom, maar ook naar uitzonderingen en alternatieve routes.
49
00:04:09,000 --> 00:04:14,820
Pas daarna kijk je naar welke vorm van intelligentie je nodig hebt in stap 3.
50
00:04:14,820 --> 00:04:18,140
Moet je systeem vooral patronen herkennen in data?
51
00:04:18,140 --> 00:04:21,540
Ja dan is een traditioneel machine learning model misschien voldoende.
52
00:04:22,040 --> 00:04:25,620
Zoek je een systeem dat zelfstandig kan reageren op nieuwe situaties?
53
00:04:25,620 --> 00:04:27,200
Dan kom je bij agents uit.
54
00:04:27,200 --> 00:04:31,940
Maak deze keuze altijd in de context van het grotere proces.
55
00:04:31,940 --> 00:04:35,360
En de vierde en laatste stap is het doorrekenen van de business case.
56
00:04:35,360 --> 00:04:39,760
Kijk niet alleen naar de directe tijdsbesparing of kostenreductie,
57
00:04:39,760 --> 00:04:42,560
maar ook naar de impact op het hele proces.
58
00:04:42,560 --> 00:04:45,300
En wat levert het erop als één schakel versneld?
59
00:04:45,300 --> 00:04:48,320
Verschuift het knelpunt dan niet gewoon naar de volgende stap?
60
00:04:48,320 --> 00:04:53,100
Wegen de kosten van implementatie en onderhoud op tegen de totale procesverbetering.
61
00:04:53,100 --> 00:04:59,400
Voor een succesvolle pilot is het essentieel om de eindgebruikers vanaf dag één te betrekken.
62
00:04:59,400 --> 00:05:04,600
Ze kennen het proces het beste en kunnen waardevolle input geven over wat wel en niet werkt.
63
00:05:04,600 --> 00:05:08,480
Definiëer ook vooraf duidelijk wat succes betekent.
64
00:05:09,480 --> 00:05:16,960
Dat kan gaan om tijdsbesparing, foutenreductie, hogere klanttevredenheid of concrete kostenbesparingen.
65
00:05:16,960 --> 00:05:21,580
Zorg dat je kunt monitoren wat je agent doet en waarom.
66
00:05:21,580 --> 00:05:28,660
Dus plan ook regelmatig evaluatiemomenten met alle betrokkenen om te bespreken wat werkt en wat niet.
67
00:05:28,660 --> 00:05:32,600
En wees voorbereid om snel buiten te sturen wanneer nodig.
68
00:05:33,440 --> 00:05:38,580
Documenteer alle aanpassingen die je maakt, want deze kennis is echt goud waard voor toekomstige projecten.
69
00:05:38,580 --> 00:05:46,240
En bij het monitoren van je pilot kijk je niet alleen naar de prestaties van de agent zelf, maar ook naar de effecten op het hele proces.
70
00:05:46,240 --> 00:05:51,820
Dus misschien werkt je agent perfect, maar creëert hij onbedoeld meer werk in een volgende proces stap.
71
00:05:52,960 --> 00:06:01,100
Of misschien zijn er kansen om de agent uit te breiden na aangrenzende processen, processtappen moet ik zeggen, voor nog meer impact.
72
00:06:01,100 --> 00:06:05,760
Een vaak vergeten aspect is de menselijke kant van AI implementatie.
73
00:06:05,760 --> 00:06:07,160
Daar wil ik het wel even over hebben.
74
00:06:07,160 --> 00:06:12,840
Want AI agents vervangen geen mensen, ze versterken ze als je ze goed ontwerpt.
75
00:06:12,840 --> 00:06:19,020
En we hebben in deze aflevering gezien hoe belangrijk het is om het gehele bedrijfsproces te begrijpen en te verbeteren.
76
00:06:19,020 --> 00:06:21,880
Niet alleen een klein onderdeel te optimaliseren.
77
00:06:22,380 --> 00:06:24,160
Datzelfde geldt voor de menselijke kant.
78
00:06:24,160 --> 00:06:29,260
Kijk naar het grotere plaatje van hoe mensen en machines kunnen samenwerken.
79
00:06:29,260 --> 00:06:33,320
En besteed daarom veel aandacht aan training en opleiding van medewerkers.
80
00:06:33,320 --> 00:06:38,320
Zorg voor een heldere communicatie over wat de agent wel en niet kan.
81
00:06:38,320 --> 00:06:43,220
En focus op het opzetten van effectieve mens-machine samenwerking.
82
00:06:43,220 --> 00:06:50,340
En het belangrijkste principe vind ik hierbij is dat je de machine naar de mens moet inrichten en niet andersom.
83
00:06:50,920 --> 00:06:54,960
De agent moet zich zoveel mogelijk aanpassen aan hoe mensen werken en denken.
84
00:06:54,960 --> 00:06:59,840
En niet vice versa dat de mens zich constant moet aanpassen aan de machine.
85
00:06:59,840 --> 00:07:07,100
Als je pilot succesvol is en je hebt een goede balans gevonden tussen proces, technologie en mens.
86
00:07:07,100 --> 00:07:09,140
Dan komt de volgende uitdaging.
87
00:07:09,300 --> 00:07:14,600
Hoe ga je op met verschillende talen of regio's?
88
00:07:14,600 --> 00:07:16,240
Wat gebeurt er bij piekbelasting?
89
00:07:16,240 --> 00:07:18,820
Hoe integreer je je nieuwe functionaliteit?
90
00:07:18,820 --> 00:07:22,460
Deze vragen lijken misschien voorbarig in de pilotfase.
91
00:07:22,460 --> 00:07:26,960
Maar ze zijn cruciaal voor het lange termijn succes van je AI implementatie.
92
00:07:28,520 --> 00:07:32,620
We hebben vandaag gezien hoe je praktisch aan de slag kunt met AI agents.
93
00:07:32,620 --> 00:07:38,720
Van het begrijpen van je bedrijfsprocessen tot het opzetten van de pilot en het betrekken van je medewerkers.
94
00:07:38,720 --> 00:07:41,560
Maar dit is eigenlijk nog maar het begin.
95
00:07:41,560 --> 00:07:47,740
In het derde en laatste deel van deze serie gaan we kijken naar de toekomst van werk met AI agents.
96
00:07:47,740 --> 00:07:50,480
We bespreken hoe de rol van medewerkers zal veranderen.
97
00:07:50,480 --> 00:07:57,800
Welke nieuwe functies en competenties ontstaan en hoe je je organisatie kunt voorbereiden op deze transitie.
98
00:07:57,800 --> 00:08:04,080
Tot die tijd wens ik je succes met het verkennen van de mogelijkheden van AI agents in jouw organisatie.
99
00:08:04,080 --> 00:08:08,880
Begin klein, leer van je ervaringen en bouw vanaf daar verder.
100
00:08:08,880 --> 00:08:14,820
De toekomst van werk is hier en het is aan ons om er op een verstandige manier vorm aan te geven.
101
00:08:16,960 --> 00:08:19,460
Wil je geen moment missen van deze serie?
102
00:08:19,460 --> 00:08:28,940
Volg me dan op LinkedIn waar ik regelmatig nieuwe inzichten en praktijkvoorbeelden deel over AI agents en andere innovatieve technologie rondom kunstmatige intelligentie.
103
00:08:28,940 --> 00:08:35,280
Tot volgende week wanneer we gaan verkennen hoe de toekomst van werk eruit ziet met AI agents.
104
00:08:35,280 --> 00:08:40,600
[Muziek]
105
00:08:40,600 --> 00:08:41,600
[Muziek]
