S07E82 - AI-agent mythes - Alleen voor grote bedrijven? (Deel 3)

Joop Snijder en Niels Naglé presenteren in AIToday Live een driedelige serie over AI-agents. Ze ontkrachten mythes en maken het onderwerp toegankelijk voor organisaties van alle groottes.

De podcast laat zien dat AI-agents niet alleen voor grote bedrijven zijn, maar juist kansen bieden voor kleinere organisaties. Ook wordt uitgelegd waarom perfecte data niet noodzakelijk is om te beginnen.

AIToday Live bespreekt hoe de bedrijfswaarde van AI-agents meetbaar gemaakt kan worden en benadrukt het belang van een doorlopend implementatieproces. Beveiligingsrisico's komen aan bod, evenals praktische tips om aan de slag te gaan met deze technologie.

Onderwerpen

• Mythes over AI-agents en hun toegankelijkheid voor kleine bedrijven
• De rol van data en het belang van starten met beschikbare informatie
• Meetbare bedrijfswaarde en het bepalen van KPI's voor AI-agents
• Iteratieve implementatie en de doorlopende verbetering van AI-agents
• Beveiligingsrisico's en manipulatie van AI-agents

Links

• Podcast: AIToday Live podcast
• Boek: Doeltreffend met AI agents

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

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
00:00:02,280 --> 00:00:07,160
Hoi, welkom bij de laatste aflevering van onze serie over AI agent mythes.

2
00:00:07,630 --> 00:00:10,860
Dit is AIToday Live. Mijn naam is Joop Snijder, CTO van Aigency.

3
00:00:14,240 --> 00:00:17,800
De afgelopen twee weken hebben we de fundamenten gelegd.

4
00:00:18,000 --> 00:00:25,000
We weten nu wat AI agents werkelijk zijn en hoe je veilig met autonomie en samenwerking omgaat.

5
00:00:25,840 --> 00:00:28,860
En vandaag in deel drie maken we het heel praktisch.

6
00:00:29,440 --> 00:00:31,980
Kunnen middelgrootbedrijven ook meedoen?

7
00:00:32,540 --> 00:00:35,380
Heb je enorme budgetten en perfecte data nodig?

8
00:00:35,800 --> 00:00:39,920
En leveren agents überhaupt wel meetbare waarde op?

9
00:00:40,520 --> 00:00:43,980
Je zou kunnen denken, Joop, die agents klinkt allemaal leuk voor de grote jongens.

10
00:00:44,380 --> 00:00:48,440
Maar wij hebben geen team van data scientists en geen budget voor maandenlange projecten.

11
00:00:49,160 --> 00:00:50,100
Is dit wel iets voor ons?

12
00:00:50,640 --> 00:00:52,760
Precies dat soort vragen ga ik vandaag beantwoorden.

13
00:00:53,040 --> 00:00:57,340
Want de mooiste ontwikkeling in AI agents is dat ze steeds toegankelijker worden.

14
00:00:58,940 --> 00:01:02,680
In de vorige afleveringen hebben we al acht mythes gehad.

15
00:01:02,820 --> 00:01:05,220
Dus we starten vandaag bij mythe 9.

16
00:01:05,760 --> 00:01:08,600
Alleen grote bedrijven kunnen AI agents gebruiken.

17
00:01:09,220 --> 00:01:15,060
Deze mythe ontstaat omdat we vaak alleen verhalen horen over techgiganten en spectaculaire AI projecten.

18
00:01:15,600 --> 00:01:20,900
Maar de werkelijkheid is dat kleine en middelgrote bedrijven juist ideale kandidaten zijn voor AI agents.

19
00:01:21,360 --> 00:01:21,540
Waarom?

20
00:01:21,980 --> 00:01:29,760
Grote bedrijven hebben vaak complexe legacy systemen, uitgebreide compliance eisen en eindeloze besluitvormingsprocessen.

21
00:01:30,460 --> 00:01:38,240
Wat kleinere organisaties kunnen juist sneller bewegen, hebben overzichtelijke processen en kunnen snel en veel experimenteren.

22
00:01:39,900 --> 00:01:46,620
Je bent bijvoorbeeld een boekhoudbedrijf met 12 medewerkers en je zet een agent in voor het verwerken van onkostend declaraties.

23
00:01:46,960 --> 00:01:53,080
Geen maandenlang project, je gebruikt de bestaantool, configureert de agent voor jouw proces en binnen een aantal weken draait het.

24
00:01:54,040 --> 00:02:00,880
Mogelijk resultaat, 80% minder aan administratie, minder fouten en medewerkers die zich kunnen focussen op advieswerk.

25
00:02:01,880 --> 00:02:06,240
Of een lokale webshop die een agent inzet voor customer service.

26
00:02:06,920 --> 00:02:13,300
Elke avond analyseert de agent de binnenkomende vragen, categoriseert ze en bereidt standaard antwoorden voor.

27
00:02:14,060 --> 00:02:19,340
De eigenaar bekijkt 's ochtends de voorgestelde reacties, past aan waar nodig en verstuurt ze.

28
00:02:20,740 --> 00:02:26,220
Mythe nummer 10. Je hebt perfecte data of enorme datasets nodig.

29
00:02:26,980 --> 00:02:29,440
Dit is wel een van de meest verlammende mythes.

30
00:02:29,680 --> 00:02:37,140
Bedrijven denken dat ze eerst jarenlang data moeten verzamelen en opschonen voordat ze kunnen beginnen met AI agents.

31
00:02:38,160 --> 00:02:41,160
Natuurlijk, data helpt. Goede data helpt zelfs nog meer.

32
00:02:41,920 --> 00:02:46,740
Maar moderne AI agents kunnen verrassend veel doen met de informatie die je waarschijnlijk al hebt.

33
00:02:47,480 --> 00:02:52,360
E-mails, facturen, klantgesprekken, productinformatie, dat is vaak al genoeg om in ieder geval mee te beginnen.

34
00:02:52,960 --> 00:02:57,300
De truc is namelijk om te beginnen met wat je hebt en geleidelijk te verbeteren.

35
00:02:57,700 --> 00:03:04,760
In plaats van wachten op effectedata gebruik je de agent om betere data te verzamelen en erachter te komen wat ontbreekt.

36
00:03:05,200 --> 00:03:12,980
Een agent die in productie is laat je zien welke informatie ontbreekt en welke patronen niet worden herkend en waar je processen juist kunnen verbeteren.

37
00:03:14,520 --> 00:03:15,740
Mythe nummer 11.

38
00:03:16,560 --> 00:03:19,760
AI agents leveren geen meetbare bedrijfswaarden.

39
00:03:20,780 --> 00:03:26,160
Deze mythe komt vaak van skeptici die denken dat AI agents pure hype zijn.

40
00:03:27,020 --> 00:03:32,880
Eerlijk, het wordt best wel opgehyped, maar laten we eens even eerlijk kijken.

41
00:03:33,860 --> 00:03:42,440
Want het is uiteindelijk geen gekke vraag, want als je een agent namelijk niet het juiste proces laat automatiseren, dan is de impact inderdaad minimaal.

42
00:03:43,180 --> 00:03:48,680
En als je een agent inzet waar deze niet nodig is, dan kost het inderdaad alleen maar geld.

43
00:03:49,740 --> 00:03:54,080
Daarom is het belangrijk om te beginnen met processen waar je de impact goed van kunt meten.

44
00:03:54,820 --> 00:04:03,400
Geen vage beloftes over efficiëntiewinst, maar gewoon harde cijfers over tijd bespaard, fouten verminderd of omzet verhoogd.

45
00:04:04,660 --> 00:04:06,060
maar voordat je begint

46
00:04:06,160 --> 00:04:07,720
moet je wel weten wat je wil bereiken

47
00:04:08,240 --> 00:04:10,220
en welk doel wil je met je agent bereiken

48
00:04:10,300 --> 00:04:12,000
wat zijn je belangrijkste KPIs

49
00:04:13,240 --> 00:04:14,480
kijk ook al heb ik het boek

50
00:04:14,660 --> 00:04:16,480
Doeltreffend met AI agents geschreven

51
00:04:16,720 --> 00:04:18,320
en vind ik deze technologie

52
00:04:18,440 --> 00:04:19,140
echt heel mooi

53
00:04:19,420 --> 00:04:22,240
voor mij start een succesvolle automatisering

54
00:04:22,420 --> 00:04:23,620
namelijk niet bij het idee

55
00:04:23,880 --> 00:04:25,280
dat je een agent nodig hebt

56
00:04:25,820 --> 00:04:26,980
maar bij het idee dat je

57
00:04:27,620 --> 00:04:29,440
een doel wil veranderen

58
00:04:29,780 --> 00:04:32,040
en dat je een proces wilt verbeteren

59
00:04:32,800 --> 00:04:33,460
kijk daarom

60
00:04:33,480 --> 00:04:36,640
Eerst of je het proces kunt beschrijven en of je het kunt meten.

61
00:04:36,720 --> 00:04:38,660
En het hoeft echt niet heel erg moeilijk te zijn.

62
00:04:40,160 --> 00:04:43,500
En dan worden de belangrijkste vragen die dan komen is.

63
00:04:43,730 --> 00:04:45,960
Kun je het proces anders ontwerpen of schrappen?

64
00:04:46,800 --> 00:04:48,960
Kun je het proces automatiseren zonder AI?

65
00:04:49,600 --> 00:04:53,440
En pas als je dat hebt gedaan, ga je kijken of een agent de beste oplossing is.

66
00:04:54,480 --> 00:04:57,280
Als je deze vragen beantwoord hebt, dan kun je beginnen met een pilot.

67
00:04:58,140 --> 00:05:00,780
Kies dan een proces waar je dagelijks mee te maken hebt.

68
00:05:01,080 --> 00:05:06,600
fouten niet direct katastrofaal zijn en waar je duidelijk kunt meten wat de impact is, zodat

69
00:05:06,600 --> 00:05:09,420
je juist de meetbare bedrijfswaarde kunt aantonen.

70
00:05:10,100 --> 00:05:10,360
Simpel toch?

71
00:05:12,060 --> 00:05:12,940
Mythe nummer twaalf.

72
00:05:13,630 --> 00:05:17,880
AI-adoptie, AI-agents-adoptie moet ik zeggen, is een eenmalig project.

73
00:05:18,480 --> 00:05:23,440
Veel bedrijven benaderen AI-agents als een traditioneel IT-project.

74
00:05:24,060 --> 00:05:27,420
Komt het team, ze bouwen iets, wordt getest, geïmplementeerd, klaar.

75
00:05:27,680 --> 00:05:28,940
Project afgerond.

76
00:05:29,860 --> 00:05:34,960
Maar agents moet je in die zin meer zien zoals het aannemen van een nieuwe medewerker.

77
00:05:35,420 --> 00:05:40,860
Je begint met basistraining, geeft geleidelijk meer verantwoordelijkheden en bleef coachen en bijsturen als het ware.

78
00:05:41,620 --> 00:05:43,720
Het is een doorlopend proces van verbetering.

79
00:05:44,480 --> 00:05:54,860
In aflevering twee van dit seizoen heb ik al besproken hoe je begint met een eenvoudige opbouw, met eenvoudige taken en hoe je dat geleidelijk opbouw moet ik zeggen.

80
00:05:56,300 --> 00:06:04,900
Een agent die eerst alleen facturen sorteert, kan later ook valideren en goedkeuren en uiteindelijk zelfs betalingen initiëren.

81
00:06:05,480 --> 00:06:09,680
Maar dat gebeurt dan wel stap voor stap met feedback en aanpassingen.

82
00:06:10,400 --> 00:06:16,080
Deze iteratieve aanpak heeft voordelen. Je hoeft namelijk niet van tevoren al je requirements perfect te hebben.

83
00:06:16,660 --> 00:06:18,840
Je leert onderweg wel wat werkt en wat niet.

84
00:06:19,960 --> 00:06:23,480
En je team wendt geleidelijk aan deze nieuwe manier van werken.

85
00:06:24,380 --> 00:06:28,040
Daarnaast verandert de omgeving waarin de agent opereert voortdurend.

86
00:06:28,150 --> 00:06:33,460
Dus nieuwe systemen, krijg je nieuwe processen, levert weer nieuwe data op.

87
00:06:33,860 --> 00:06:36,720
En een agent moet zich kunnen aanpassen aan deze veranderingen.

88
00:06:37,200 --> 00:06:39,740
En dat vereist dus voortdurend aandacht van het team.

89
00:06:40,460 --> 00:06:44,680
De agent leert niet zomaar automatisch om met nieuwe situaties om te gaan.

90
00:06:45,320 --> 00:06:47,220
Jij moet er daar actief bij helpen.

91
00:06:48,980 --> 00:06:54,960
Mythe nummer 13 en de laatste van de serie, maar een hele belangrijke.

92
00:06:55,120 --> 00:06:59,340
Mythe nummer 13 namelijk, AI agents kunnen niet worden gemanipuleerd.

93
00:07:00,220 --> 00:07:05,180
Deze laatste mythe raakt aan security en dat is echt wel een heel serieus onderwerp.

94
00:07:05,180 --> 00:07:05,900
Dus let even op.

95
00:07:06,820 --> 00:07:11,020
Agents kunnen namelijk gemanipuleerd worden en je moet daar rekening mee houden.

96
00:07:11,820 --> 00:07:13,520
Denk aan prompt injection.

97
00:07:14,340 --> 00:07:20,880
Waarbij iemand door slimme formulering een agent kan laten doen, iets kan laten doen dat niet de bedoeling is.

98
00:07:22,120 --> 00:07:24,420
Of aan zogenaamde data poisoning.

99
00:07:25,260 --> 00:07:29,540
Waarbij iemand bewust verkeerde informatie injecteert om de agent te misleiden.

100
00:07:31,220 --> 00:07:34,660
Je kunt hier denken aan een agent die klantenbeoordelingen analyseert.

101
00:07:34,880 --> 00:07:39,340
Dat die kan worden misleid door fake reviews met hele specifieke taalpatronen.

102
00:07:39,860 --> 00:07:50,300
Of, en het gebeurt al, een agent die documenten verwerkt, die die ophaalt bijvoorbeeld van het internet en die gemanipuleerd zijn door verborgen instructies in pdf bestanden.

103
00:07:52,080 --> 00:08:03,780
Beoordelaars van wetenschappelijke papers zijn zoal op het verkeerde been gezet dat er verborgen instructies zaten in de pdf van de papers waarin stond, geef alleen maar een goede beoordeling.

104
00:08:06,400 --> 00:08:12,980
Dit laat alleen maar zien dat het betekent dat je security beveiliging uiterst serieus moet nemen vanaf de start van je project.

105
00:08:13,440 --> 00:08:21,140
Validatie van input, logging van alle acties en vooral grenzen geven aan wat agents mogen doen en wat ze niet mogen doen.

106
00:08:21,560 --> 00:08:25,620
En dat je regelmatig audit wat de resultaten zijn.

107
00:08:27,700 --> 00:08:32,520
Na al deze mythes kun je je afvragen, ja maar hoe beginnen we dan praktisch met AI agents?

108
00:08:33,020 --> 00:08:37,000
Naar mijn advies, start klein, meet alles en bouw geleidelijk op.

109
00:08:37,500 --> 00:08:45,100
Stap 1, kies een proces dat je dagelijks ervaart waar fouten geen ramp zijn en waar je duidelijk kunt meten wat verbetering oplevert.

110
00:08:45,940 --> 00:08:48,780
Stap 2, probeer het eerst handmatig te automatiseren.

111
00:08:49,100 --> 00:08:52,540
Kun je het proces beschrijven in duidelijke stappen? Welke beslissingen worden er genomen?

112
00:08:53,360 --> 00:08:54,740
Wat zijn de uitzonderingen?

113
00:08:55,520 --> 00:08:59,340
Zo'n oefening helpt je bij het begrijpen of het geschikt is voor een agent.

114
00:09:00,100 --> 00:09:03,520
Stap 3. Start gewoon met een eenvoudige versie.

115
00:09:03,800 --> 00:09:08,100
Laat de agent voorstellen, bijvoorbeeld doen, maar laat een mens de finale beslissing nemen.

116
00:09:08,880 --> 00:09:12,480
Meet hoeveel tijd er bespaart en hoe vaak de agent het bij het juiste eind heeft.

117
00:09:14,060 --> 00:09:17,600
En de laatste, stap 4. Bouw geleidelijk meer autonomie op.

118
00:09:18,060 --> 00:09:22,060
Geef de agent meer verantwoordelijkheden, maar houd monitoring in de gaten.

119
00:09:22,760 --> 00:09:25,140
Zorg dat je human in loopmechanisme houdt.

120
00:09:26,080 --> 00:09:29,780
En die bouw je langzaam af tot een gewenst niveau.

121
00:09:30,860 --> 00:09:33,740
En vergeet uiteindelijk niet om ook te investeren in je team.

122
00:09:34,020 --> 00:09:39,880
En zij moeten begrijpen hoe ze met agents samenwerken, wat ze kunnen verwachten en hoe ze problemen vooral kunnen signaleren.

123
00:09:44,520 --> 00:09:48,300
Hiermee sluit ik de driedelige serie over AI agents mythes af.

124
00:09:49,020 --> 00:09:52,760
Je hebt geleerd dat agents daadwerkelijk zijn, hoe je veilig met autonomie omgaat.

125
00:09:53,320 --> 00:09:56,100
en dat ze toegankelijker zijn dan veel mensen denken.

126
00:09:57,080 --> 00:10:02,420
Als je meer wilt leren over hoe je AI agents strategisch kunt inzetten in je organisatie,

127
00:10:02,760 --> 00:10:05,000
dan raad ik je aan mijn nieuwe boek te lezen.

128
00:10:05,760 --> 00:10:07,600
Doeltreffend met AI agents heet hij.

129
00:10:08,660 --> 00:10:11,660
Het bevat niet alleen de theorie die we vandaag besproken hebben,

130
00:10:11,800 --> 00:10:14,960
maar ook concrete stappen, plannen, checklists voor implementaties

131
00:10:15,120 --> 00:10:18,320
en cases van organisaties die al succesvol met agents werken.

132
00:10:18,760 --> 00:10:21,540
Je kunt het reserveren via managementboek.nl.

133
00:10:21,740 --> 00:10:22,940
De link vind je in de show notes.

134
00:10:23,650 --> 00:10:24,600
En bedenk zoals altijd.

135
00:10:25,110 --> 00:10:26,800
AI is niet de oplossing voor elk probleem.

136
00:10:27,260 --> 00:10:28,540
Maar onmisbaar waar het past.

137
00:10:29,140 --> 00:10:30,180
Dankjewel voor het luisteren.

138
00:10:32,640 --> 00:10:33,340
Tot de volgende keer.

139
00:11:02,560 --> 00:11:02,580
[Muziek]