S07E24 - Ik heb mijn AI agent ontslagen!

In de nieuwste aflevering van AIToday Live deelt Joop Snijder, CTO bij Aigency, zijn ervaringen met een AI agent voor podcast-voorbereiding. Hij beschrijft hoe hij deze agent uiteindelijk 'ontsloeg' en welke lessen hij hieruit trok.

Snijder legt uit wat een AI agent is en geeft praktische voorbeelden van toepassingen. Hij gaat in op de problemen die hij tegenkwam tijdens zijn experiment en hoe dit leidde tot een herziening van zijn aanpak.

De podcast behandelt ook wanneer AI agents wel geschikt zijn en geeft advies voor professionals die overwegen AI agents in te zetten. Snijders ervaring toont aan dat een combinatie van traditionele methoden en gerichte AI-toepassingen vaak effectiever is dan een volledig AI-gedreven benadering.

Onderwerpen

• Wat is een AI agent?
• Ervaringen met een AI agent voor podcast-voorbereiding
• Problemen en uitdagingen van AI agents
• Lessen geleerd van het experiment
• Advies voor AI-implementatie

Links

• Podcast: AIToday Live podcast
• Deel 1: S07E02 - 2025 de doorbraak van AI agents: hoe werken ze?
• Deel 2: S07E04 - Jouw eerste AI agent: zo begin je succesvol
• Deel 3: S07E06 - AI agents in 2025: je organisatie voorbereiden
• Kaartspel: AI Game Changer - Generative AI editie

Aigency
Aigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.

Info Support
Info Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).

Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.

Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Transcript

1
00:00:00,001 --> 00:00:08,360
Hi, welkom bij AIToday Live, de podcast waar we AI praktijkverhalen delen die je vooruit helpen.

2
00:00:08,360 --> 00:00:14,860
Ik ben Joop Snijder, CTO bij Aigency en vandaag vertel ik je waarom ik mijn AI agent heb ontslagen.

3
00:00:14,860 --> 00:00:21,720
Ja, je hoort het goed. Soms moet je afscheid nemen, zelfs van veelbelovende technologie.

4
00:00:21,720 --> 00:00:29,580
Laten we eerst even kijken wat eigenlijk een AI agent is, voordat ik vertel waarom ik die van mij ontslagen heb.

5
00:00:30,400 --> 00:00:35,220
Want zonder die context snap je niet waarom ik tot deze drastische beslissing ben gekomen.

6
00:00:35,220 --> 00:00:40,080
Kijk, een AI agent is eigenlijk een slim stukje software dat drie dingen kan.

7
00:00:40,080 --> 00:00:48,920
Waarnemen wat er in zijn omgeving gebeurt, zelfstandig actie ondernemen om doelen te bereiken en leren van zijn ervaringen om steeds beter te worden.

8
00:00:48,920 --> 00:00:55,720
Het hoeft niet per se complex te zijn. Denk aan een slimme thermostaat die zelf bepaalt wanneer de verwarming aan of uit moet.

9
00:00:56,460 --> 00:01:03,080
Maar tegenwoordig worden AI agents vaak een stuk geavanceerder gemaakt door ze te combineren met large language models.

10
00:01:03,080 --> 00:01:05,500
Zeg maar de GPT's van deze wereld.

11
00:01:05,500 --> 00:01:13,380
En deze taalmodellen fungeren als een soort brein dat natuurlijke taal kan begrijpen en verwerken.

12
00:01:14,060 --> 00:01:18,160
Het bijzondere is dat dit brein als een regisseur werkt.

13
00:01:18,160 --> 00:01:19,760
Het kan begrijpen wat je wil.

14
00:01:19,760 --> 00:01:26,620
Dit vertalen naar concrete acties en vervolgens verschillende gespecialiseerde tools aansturen om die acties uit te voeren.

15
00:01:30,140 --> 00:01:31,940
Laat me een praktisch voorbeeld geven.

16
00:01:31,940 --> 00:01:37,900
Stel je voor dat je een AI agent hebt die je helpt bij het plannen van zakenreizen.

17
00:01:37,900 --> 00:01:40,340
Je typt simpelweg.

18
00:01:40,340 --> 00:01:44,320
Plan een zakenreis naar Berlijn voor volgende week dinsdag.

19
00:01:44,320 --> 00:01:48,000
Ik heb daar een meeting van twee uur middags tot vijf uur.

20
00:01:49,160 --> 00:01:53,480
En het brein van de AI agent begrijpt deze opdracht en gaat aan de slag.

21
00:01:53,480 --> 00:01:55,640
Het gebruikt een tool om vluchten te zoeken.

22
00:01:55,640 --> 00:01:58,800
Een andere tool om hotels te vinden in de buurt van je meeting.

23
00:01:58,800 --> 00:02:04,200
En nog een tool om te controleren of er geen grote evenementen of stakingen zijn die je reis kunnen verstoren.

24
00:02:04,200 --> 00:02:10,140
De AI agent combineert al deze informatie en presenteert je een compleet voorstel.

25
00:02:10,140 --> 00:02:13,160
Inclusief reistijden van en naar het vliegveld.

26
00:02:13,160 --> 00:02:15,960
Dit klinkt allemaal prachtig.

27
00:02:15,960 --> 00:02:17,520
En dat is het ook.

28
00:02:18,340 --> 00:02:19,300
Als het werkt.

29
00:02:19,300 --> 00:02:24,900
Maar zoals ik al snel zou ontdekken zitten er ook de nodige haken en ogen aan.

30
00:02:24,900 --> 00:02:28,860
Ik had zelfs een agent gemaakt voor het voorbereiden van onze podcast.

31
00:02:28,860 --> 00:02:38,560
Het was een geautomatiseerd systeem dat zodra ik de naam van een nieuwe podcastgast invoerde als een digitale rechercheur aan de slag ging.

32
00:02:38,560 --> 00:02:46,580
En met GPT4 als die regisseur stuurde het verschillende gespecialiseerde tools aan.

33
00:02:46,580 --> 00:02:49,900
Eentje om het internet af te speuren naar publicaties en interviews.

34
00:02:49,900 --> 00:02:52,140
Een andere om die informatie juist te analyseren.

35
00:02:53,140 --> 00:02:56,400
En weer een andere om daar bruikbare samenvattingen van te maken.

36
00:02:56,400 --> 00:03:02,540
En dat klinkt geweldig en eerlijk gezegd dat was het ook.

37
00:03:02,540 --> 00:03:08,600
Met één enkele prompt, een set van instructies, kon ik de agent vertellen wat hij moest doen.

38
00:03:08,600 --> 00:03:17,660
Hij verzamelde data, filterde op relevantie, herkende de thema's in het werk van de gast en formuleerde zelfs verrassende vragen voor het interview.

39
00:03:18,380 --> 00:03:22,200
En aan het eind kreeg ik een keurig opgemaakt profiel van de gast.

40
00:03:22,200 --> 00:03:23,780
Perfect toch?

41
00:03:23,780 --> 00:03:25,540
Nou, niet helemaal.

42
00:03:25,540 --> 00:03:31,720
Want zoals met veel relaties begonnen de irritatie zich langzaam op te stapelen.

43
00:03:31,720 --> 00:03:37,480
Het gedrag van de agent was soms namelijk heel onduidelijk en onvoorspelbaar.

44
00:03:38,940 --> 00:03:42,020
En dan kon ik wel een debug mode aanzetten.

45
00:03:42,020 --> 00:03:45,000
Dus dat je extra informatie te zien krijgt.

46
00:03:45,000 --> 00:03:47,680
Wat nou wat er uiteindelijk gebeurt.

47
00:03:47,680 --> 00:03:50,400
Dus ik kon wel zien welke tools werden aangeroepen.

48
00:03:50,400 --> 00:03:53,840
Maar ik had geen controle over hoe die tools werkten.

49
00:03:53,840 --> 00:03:58,640
Het framework waar de agents in draaiden deed soms eigenaardige dingen.

50
00:03:58,640 --> 00:04:02,860
Zo werden er ongevraagd bijvoorbeeld woorden toegevoegd aan de zoekopdrachten.

51
00:04:02,860 --> 00:04:05,040
Zonder dat ik daar iets aan kon veranderen.

52
00:04:05,040 --> 00:04:08,280
En daarmee mislukten bijvoorbeeld ook zoekopdrachten.

53
00:04:08,280 --> 00:04:10,580
En dan de foutmeldingen.

54
00:04:10,580 --> 00:04:13,440
Als een webpagina niet gelezen kon worden.

55
00:04:13,440 --> 00:04:16,180
Waar de publicatie of het interview van de gast op stond.

56
00:04:16,180 --> 00:04:20,440
Was het een complete verrassing hoe de agent zou reageren.

57
00:04:20,440 --> 00:04:22,940
De ene keer negeerde hij het probleem elegant.

58
00:04:22,940 --> 00:04:25,560
De andere keer liep het hele proces vast.

59
00:04:25,560 --> 00:04:30,380
Dus het werd een frustrerend spelletje van trial and error.

60
00:04:30,800 --> 00:04:32,620
Veren fouten die optreden.

61
00:04:32,620 --> 00:04:35,500
Waarbij het veranderen van één woord in de prompt.

62
00:04:35,500 --> 00:04:38,740
Soms het verschil maakte tussen succes en mislukking.

63
00:04:38,740 --> 00:04:42,420
Tot ik op een dag een inzicht kreeg.

64
00:04:42,420 --> 00:04:45,400
Want wat mijn agent deed.

65
00:04:45,400 --> 00:04:49,000
Was eigenlijk niets meer dan het volgen van een workflow.

66
00:04:49,000 --> 00:04:50,980
Een vast stappenplan.

67
00:04:50,980 --> 00:04:52,620
Eerst dit doen.

68
00:04:52,620 --> 00:04:53,300
Dan dat.

69
00:04:53,300 --> 00:04:56,740
En vervolgens die resultaten gebruiken voor de volgende stap.

70
00:04:56,940 --> 00:04:59,860
Het was gewoon een reeks handelingen.

71
00:04:59,860 --> 00:05:02,080
Die ik ook gewoon kon programmeren.

72
00:05:02,080 --> 00:05:05,220
Dat betekende iets meer code schrijven.

73
00:05:05,220 --> 00:05:09,500
Maar wel code die ik kan testen, begrijpen en aanpassen.

74
00:05:09,500 --> 00:05:14,200
En deze realisatie leidde tot een complete herziening van mijn aanpak.

75
00:05:14,200 --> 00:05:17,780
In plaats van één allesomvattende AI agent.

76
00:05:17,780 --> 00:05:20,820
Heb ik nu gewoon een uitgekiende workflow gebouwd.

77
00:05:20,820 --> 00:05:22,380
Ik gebruik nog steeds AI.

78
00:05:22,380 --> 00:05:23,740
Maar veel gerichter.

79
00:05:24,620 --> 00:05:30,240
Kijk het taalmodel helpt nog steeds bij het maken van samenvattingen van de gevonden artikelen of interviews.

80
00:05:30,240 --> 00:05:33,780
En het genereert ook nog steeds suggesties voor interview vragen.

81
00:05:33,780 --> 00:05:36,300
Binnen specifieke categorieën.

82
00:05:36,300 --> 00:05:42,240
En selecteert bijvoorbeeld de vier belangrijkste inzichten uit al opgedane research.

83
00:05:42,240 --> 00:05:47,020
Maar in tegenstelling tot die agent.

84
00:05:47,020 --> 00:05:49,180
Heb ik nu de controle over het proces.

85
00:05:49,180 --> 00:05:50,640
En niet de agent.

86
00:05:51,240 --> 00:05:52,120
Dus het resultaat.

87
00:05:52,120 --> 00:05:56,880
Een systeem dat betrouwbaarder, flexibeler en vooral begrijpelijker is.

88
00:05:56,880 --> 00:06:01,700
De gegenereerde vragen gebruiken we trouwens alleen als inspiratie hoor.

89
00:06:01,700 --> 00:06:05,660
Dus tijdens de opnames in de studio hebben wij nooit uitgeprint de vragen bij de hand.

90
00:06:05,660 --> 00:06:07,700
Kijk het gaat ons om het gesprek.

91
00:06:07,700 --> 00:06:10,400
En niet om het afvinken van een of andere vragenlijst.

92
00:06:10,400 --> 00:06:12,960
Maar goed dat terzijde.

93
00:06:12,960 --> 00:06:20,460
Wat ik heb geleerd van dit proces en wat ik graag met jullie deel is dat meer AI niet altijd beter is.

94
00:06:20,460 --> 00:06:25,360
En soms is het slimmer om een stap terug te doen en te kijken naar wat je echt nodig hebt.

95
00:06:25,360 --> 00:06:29,220
Dus in mijn geval was dat geen alwetende AI agent.

96
00:06:29,220 --> 00:06:37,520
Maar juist een slim opgezet systeem waarin AI en traditionele software ontwikkeling, programmering elkaar juist versterken.

97
00:06:37,880 --> 00:06:39,900
Het is een beetje zoals met een goed team.

98
00:06:39,900 --> 00:06:45,040
Je wilt niet één persoon die alles doet, maar verschillende specialisten die elk doen waar ze goed in zijn.

99
00:06:45,040 --> 00:06:52,280
Mij ontslagen AI agent was als die collega die overal vanaf wist, maar nergens in uitblonk.

100
00:06:52,280 --> 00:06:58,580
Nu heb ik een team, zou je kunnen zeggen, van specialisten, code die doet wat het moet doen.

101
00:06:58,580 --> 00:07:01,160
En AI die doet waar het goed in is.

102
00:07:01,160 --> 00:07:04,160
Text analyseren en text genereren.

103
00:07:04,160 --> 00:07:07,520
Dus ja, ik heb mijn AI agent ontslagen.

104
00:07:07,520 --> 00:07:20,980
Niet omdat AI waardevol is, maar juist omdat ik geleerd heb hoe ik er beter gebruik van kan maken.

105
00:07:20,980 --> 00:07:24,620
Soms moet je iets gewoon afbreken om het sterker weer op te bouwen.

106
00:07:24,620 --> 00:07:27,800
En hier zit misschien wel de belangrijkste les van vandaag.

107
00:07:27,800 --> 00:07:35,240
AI agents zijn een waardevolle toevoeging aan de gereedschapskist van elke AI engineer.

108
00:07:35,240 --> 00:07:37,320
Maar ze zijn niet altijd de juiste keuze.

109
00:07:37,320 --> 00:07:48,100
Als je proces bestaat aan een vaste workflow, een duidelijk stappenplan, dan is een traditioneel gecodeerde oplossing vaak effectiever en efficiënter.

110
00:07:48,740 --> 00:07:57,380
Maar wanneer je te maken hebt met complexe besluitvorming op basis van wisselende omstandigheden en data, dan kan een AI agent echt uitkomst bieden.

111
00:07:57,380 --> 00:08:05,080
Dus denk aan scenario's waar je snel moet schakelen op basis van real-time informatie of waar de regels eigenlijk constant veranderen.

112
00:08:05,080 --> 00:08:10,560
Dat is waar de flexibiliteit en het aanpassingsvermogen van een AI agent echt schitteren.

113
00:08:12,200 --> 00:08:13,300
Wees wel voorzichtig.

114
00:08:13,300 --> 00:08:20,420
Door het gebrek aan een sluitende definitie wordt het term AI agent tegenwoordig soms te pas en te onpas gebruikt.

115
00:08:20,420 --> 00:08:28,400
Het klinkt hip, het verkoopt, maar dat betekent niet dat elk systeem dat zo genoemd wordt ook echt de voordelen biedt van een echte AI agent.

116
00:08:28,400 --> 00:08:34,960
Dus als je overweegt om AI agents in te zetten in je eigen werk, denk dan goed na over je use case.

117
00:08:35,920 --> 00:08:39,400
Is er sprake van complexe besluitvorming in de veranderlijke omgeving?

118
00:08:39,400 --> 00:08:43,520
Dan kan een AI agent de ideale oplossing zijn.

119
00:08:43,520 --> 00:08:51,200
Maar als je proces meer lijkt op een recht toe, recht aan, stappenplan, hou het dan simpel en effectief met een workflow.

120
00:08:51,200 --> 00:09:01,320
Als je hier iets van wilt leren voor je eigen werk met AI, zou ik zeggen, wees niet bang om kritisch te kijken naar je eigen gebruik van AI.

121
00:09:01,760 --> 00:09:06,800
Vraag je af, gebruik AI omdat het echt de beste oplossing is of omdat het sexy klinkt.

122
00:09:06,800 --> 00:09:13,700
Soms is een simpele, traditionele oplossing met een vleugje AI effectiever dan een volledig AI gedreven aanpak.

123
00:09:13,700 --> 00:09:16,960
Dit was AIToday Live.

124
00:09:16,960 --> 00:09:19,220
Wil je meer weten over AI agents?

125
00:09:19,220 --> 00:09:22,700
Luis dan eens naar onze driedelige serie over AI agents.

126
00:09:22,700 --> 00:09:24,760
De links vind je in de show notes.

127
00:09:24,760 --> 00:09:26,240
Tot de volgende keer!

128
00:09:26,240 --> 00:09:31,360
[Muziek]

129
00:09:31,360 --> 00:10:01,340
[Muziek]