Een chatbot die een vraag beantwoordt. Een taalmodel dat een tekst samenvat. Een AI-tool die een afbeelding maakt. Het zijn toepassingen waarmee inmiddels miljoenen mensen ervaring hebben.
Maar we staan aan het begin van een veel grotere verandering.
AI-systemen gaan steeds vaker niet alleen informatie produceren, maar ook handelingen uitvoeren. Ze kunnen gegevens verzamelen, systemen raadplegen, workflows starten, communiceren met klanten of collega’s en op basis van vooraf bepaalde kaders zelfstandig vervolgstappen zetten.
Daarmee verschuiven we van generatieve AI naar Agentic AI.
En dat betekent dat organisaties anders naar AI moeten gaan kijken.
Zolang AI alleen een antwoord geeft dat vervolgens door een mens wordt gecontroleerd, blijft de impact relatief overzichtelijk. Bij AI-agents ligt dat anders.
Een agent kan bijvoorbeeld zelfstandig een klantvraag verwerken, gegevens uit verschillende systemen combineren, een afspraak inplannen en een bevestiging versturen. Andere agents ondersteunen bij marketing, administratie, cybersecurity, HR of softwareontwikkeling.
Dat biedt enorme mogelijkheden. Maar hoe meer verantwoordelijkheid we aan AI geven, hoe belangrijker nieuwe vragen worden.
Waar draait het AI-model? Welke gegevens krijgt het te zien? Wie bepaalt wat de agent wel en niet mag doen? Hoe kunnen acties achteraf worden gecontroleerd? En wat gebeurt er als het systeem een fout maakt?
Dat zijn niet langer alleen technische vragen. Het worden ook bestuurlijke vragen.
Dennis de Vries, Business Developer bij Proserve , beschrijft hoe organisaties relatief eenvoudig een indrukwekkende AI-pilot kunnen realiseren, maar tegen andere uitdagingen aanlopen zodra ze willen opschalen.
Een demonstratie bouwen is iets anders dan AI structureel onderdeel maken van een organisatie.
Tijdens een pilot zijn er meestal weinig gebruikers, beperkte datastromen en kan veel handmatig worden gecontroleerd. Bij grootschalige toepassing verandert dat.
Dan moet AI betrouwbaar functioneren binnen bestaande processen. Security moet goed geregeld zijn. Handelingen moeten controleerbaar blijven. Modellen veranderen, leveranciers veranderen en wetgeving ontwikkelt zich verder.
Daarom wordt de vraag niet alleen:
Welke AI-tool zullen we gebruiken?
Maar vooral:
Hoe willen we AI structureel organiseren?
Bij de keuze voor een taalmodel kijken organisaties vaak naar kwaliteit, snelheid en kosten. Logisch, maar onvoldoende.
Een model dat vandaag uitstekend presteert, kan volgend jaar worden ingehaald. Nieuwe modellen verschijnen in hoog tempo.
Organisaties doen er daarom verstandig aan te voorkomen dat hun volledige AI-strategie afhankelijk wordt van één model of leverancier.
Kun je modellen vervangen zonder alles opnieuw te bouwen? Kun je verschillende modellen voor verschillende taken gebruiken? Waar vindt de verwerking plaats? Wie heeft toegang tot de data? En hoe worden activiteiten van AI-agents gemonitord?
Modelonafhankelijkheid kan daarmee net zo belangrijk worden als modelkwaliteit.
AI-agents kunnen pas echt waarde toevoegen wanneer ze toegang krijgen tot informatie en systemen. Daarmee neemt ook het risico toe.
Een AI-systeem dat openbare informatie verwerkt, is iets anders dan een digitale medewerker met toegang tot klantgegevens, financiële informatie, personeelsdossiers of interne bedrijfskennis.
Organisaties zullen daarom steeds scherper moeten bepalen welke data een AI-systeem mag gebruiken, waar die gegevens worden verwerkt en wie er toegang toe heeft.
Privacy en cybersecurity spelen daarbij een rol, maar ook digitale autonomie en soevereiniteit.
Wie controleert uiteindelijk de modellen, infrastructuur en data waarop steeds meer bedrijfsprocessen draaien?
Governance wordt nog te vaak gezien als iets wat na de technische implementatie kan worden geregeld. Bij autonome AI is dat onvoldoende.
Wanneer een agent daadwerkelijk kan handelen, moeten spelregels vanaf het begin onderdeel zijn van het systeem.
Welke bevoegdheden heeft de agent? Wanneer moet een mens goedkeuring geven? Welke activiteiten worden vastgelegd? Wanneer wordt een agent automatisch gestopt? En wie is verantwoordelijk als iets misgaat?
Een organisatie kan werkzaamheden aan AI delegeren. De verantwoordelijkheid voor het resultaat blijft uiteindelijk bij de organisatie.
De afgelopen jaren draaide veel aandacht om steeds indrukwekkendere AI-modellen en toepassingen. De volgende fase gaat minstens zo veel over architectuur, integraties, databeheer, beveiliging, monitoring, governance en verantwoordelijkheid.
Dat klinkt misschien minder spectaculair dan de volgende AI-demo.
Maar juist daar wordt bepaald of AI werkelijk duurzaam waarde gaat leveren.
De belangrijkste vraag wordt daarom steeds minder wat AI allemaal kan.
De vraag wordt:
Hoe zorgen we ervoor dat AI betrouwbaar, veilig en verantwoord onderdeel wordt van het dagelijkse werk?
Dat is een vraag waar niet alleen individuele organisaties, maar de hele Nederlandse AI-sector een antwoord op moet vinden.
Bron: Dennis de Vries, Proserve, AI is geen feature. Het is een platform
