Een bedrijf kiezen voor custom AI-agents: waar je op let
Door Yassine Seghrouchni, oprichterBijgewerkt 6 min lezen
Het korte antwoord
Kies een bedrijf dat eerst bepaalt of een agent de beste oplossing is, want voor werk dat steeds hetzelfde verloopt, is een vaste workflow betrouwbaarder. Wordt het wel een agent, let dan op hoe hij toegang krijgt tot je systemen, waar een mens goedkeurt, hoe je terugziet wat hij deed en hoe getest wordt of hij goed werkt. Een indrukwekkende demo zegt weinig over een agent die dagelijks in je systemen werkt.
Over deze gids: geschreven door Your Tech Club, zonder ranglijst en zonder namen van andere bureaus. Hoe wij het zelf doen, staat apart onder Hoe Your Tech Club werkt.
Waar je op let bij een bedrijf voor AI-agents
Een AI-agent werkt zelfstandig in je systemen. Dat maakt hem nuttig, en het maakt de vragen hieronder belangrijk. Bij elk punt staat wat je in het eerste gesprek kunt vragen.
Eerst de vraag of het een agent moet zijn
Een AI-agent zet zelf stappen: hij leest, bereidt een beslissing voor en voert uit. Dat is nuttig als het werk oordeel vraagt, zoals een vrij geschreven mail begrijpen of een uitzondering herkennen.
Verloopt het werk steeds hetzelfde, dan is een vaste workflow goedkoper en voorspelbaarder. Een goed bedrijf maakt die afweging met je, voordat het bouwt.
Vraag in het gesprekWaarom is voor dit werk een agent beter dan een vaste workflow?De taak is precies afgebakend
Een agent die de klantenservice doet, bestaat niet. Een agent die binnenkomende retourverzoeken leest, de order opzoekt en een voorstel klaarzet, wel.
Hoe scherper de taak, hoe beter je kunt testen of hij het goed doet. Vraag wat de eerste versie precies doet, en wat hij bewust niet doet.
Vraag in het gesprekWat doet de eerste versie van de agent wel, en wat bewust niet?Toegang is beperkt tot wat de taak vraagt
Een agent heeft rechten nodig in je systemen. Geef hem alleen de rechten die de taak vraagt, per systeem, en zorg dat je die kunt intrekken.
Vraag hoe het bedrijf toegang regelt, wie de sleutels beheert en wat er gebeurt als een medewerker vertrekt of een systeem wordt vervangen.
Vraag in het gesprekWelke rechten krijgt de agent in welk systeem, en wie kan die intrekken?Een mens keurt goed waar het ertoe doet
Bij beslissingen met gevolgen voor klanten, geld of afspraken hoort een goedkeuringsstap. De agent bereidt voor, een medewerker keurt goed.
Naarmate de agent zich bewijst, kun je die stap verschuiven. Vraag waar de goedkeuring zit en hoe die in het dagelijkse werk past, zodat het geen extra administratie wordt.
Vraag in het gesprekWelke acties voert de agent zelf uit, en welke pas na goedkeuring?Je ziet terug wat de agent deed
Elke actie van een agent moet terug te vinden zijn: wat kwam er binnen, welke bron gebruikte hij, wat besloot hij en wat heeft hij gedaan.
Zonder die logging kun je fouten niet verklaren en de agent niet verbeteren.
Vraag in het gesprekHoe zien wij achteraf wat de agent heeft gedaan en waarom?Er wordt getest met je eigen voorbeelden
Of een agent goed werkt, meet je met een vaste set voorbeelden uit je eigen praktijk, inclusief de lastige gevallen. Die set draai je opnieuw bij elke wijziging.
Na livegang houd je bij hoe vaak de agent het goed heeft en waar medewerkers corrigeren. Vraag hoe het bedrijf dat inricht en wie bepaalt wat goed is.
Vraag in het gesprekMet welke voorbeelden testen jullie de agent, en hoe meten we na livegang of hij goed blijft werken?Het taalmodel is vervangbaar
Taalmodellen veranderen: er komen nieuwe versies, prijzen en voorwaarden wijzigen, oude modellen verdwijnen. Een agent die vastzit aan één model of één leverancier, veroudert mee.
Vraag hoe het bedrijf kiest welk model een taak doet, welke data daarbij naar welke leverancier gaat en wat er nodig is om later te wisselen.
Vraag in het gesprekWelk model gebruiken jullie waarvoor, en wat moet er gebeuren als we willen wisselen?Beheer na livegang is geregeld
Een agent is nooit af. Processen veranderen, systemen krijgen updates en klanten stellen nieuwe vragen. Spreek af wie de agent bewaakt, hoe fouten worden opgepakt en hoe verbeteringen worden gepland.
Zorg ook dat de code, de prompts en de configuratie van jou zijn.
Vraag in het gesprekWie bewaakt de agent na livegang, en van wie zijn de code en de prompts?
Vragen die je in het eerste gesprek stelt
Neem deze lijst mee naar je eerste gesprekken. Een partij die bij je past, geeft op elke vraag een concreet antwoord, ook als dat antwoord is dat iets niet kan.
- Waarom een agent, en geen vaste workflow?
- Wat doet de eerste versie precies, en wat bewust niet?
- Welke rechten krijgt de agent in welk systeem?
- Welke acties vragen goedkeuring van een medewerker?
- Hoe zien wij terug wat de agent heeft gedaan en waarom?
- Met welke voorbeelden uit onze praktijk testen jullie?
- Welke data gaat naar welke modelleverancier?
- Wat is er nodig om later een ander model te gebruiken?
- Wie bewaakt de agent na livegang?
- Van wie zijn de code, de prompts en de configuratie?
AI-agent of vaste workflow: het verschil
Een vaste workflow volgt regels die je vooraf vastlegt: als dit binnenkomt, doe dat. Dat is voorspelbaar, goedkoop in gebruik en makkelijk te controleren. Het past bij werk dat steeds op dezelfde manier verloopt.
Een agent krijgt een doel en een set gereedschappen, en bepaalt zelf welke stappen nodig zijn. Dat past bij werk waar oordeel bij komt kijken: vrije tekst begrijpen, een uitzondering herkennen, informatie uit verschillende bronnen combineren.
In de praktijk is de beste oplossing vaak een combinatie: een workflow die het proces bewaakt, met een agent op de plekken waar oordeel nodig is.
Hoe Your Tech Club AI-agents bouwt
Dit deel gaat over ons. De punten hierboven gelden voor elke partij, ook voor ons: leg ons er gerust langs.
We bouwen AI-agents die werk afhandelen in je eigen systemen, met goedkeuring en logging. Voordat we bouwen, kijken we of een agent de beste oplossing is. Is een vaste workflow betrouwbaarder, dan zeggen we dat.
Een agent komt bij ons op een basis te staan: toegang tot de systemen, data op orde, koppelingen, logging en eigenaarschap. Menselijke goedkeuring zit waar het ertoe doet, en na livegang bewaken en verbeteren we de agent. Code, prompts en configuratie blijven van jou.
Weet je nog niet welk werk zich voor een agent leent, dan is de AI Opportunity Audit een logische eerste stap: vijf werkdagen, met een rapport dat ook zegt wat we niet zouden doen.
- ISO 9001 en ISO 27001, gecertificeerd door Kiwa
- 500 projecten opgeleverd
- 4,8 uit 127 reviews
- 90% terugkerende klanten
- Kantoor aan de Duivendrechtsekade in Amsterdam
- Opgericht door Joey van Vliet en Yassine Seghrouchni
Veelgestelde vragen
Wat is een custom AI-agent?
Een AI-agent is software die met een taalmodel zelf stappen zet om een taak af te ronden: informatie lezen, een beslissing voorbereiden, iets vastleggen in een systeem. Custom betekent dat hij gebouwd is voor jouw proces en jouw systemen, in plaats van een standaardassistent die los naast je werk staat.
Wat kost een custom AI-agent?
Dat hangt af van de taak, het aantal systemen waarmee hij werkt en hoeveel controle erbij nodig is. Naast de bouw zijn er doorlopende kosten voor het taalmodel, de hosting en het beheer. Vraag naar allebei, en zet ze af tegen wat het werk nu kost.
Is een AI-agent veilig voor klantdata?
Dat hangt af van hoe hij gebouwd is. Beperk de rechten tot wat de taak vraagt, leg vast welke data naar welke modelleverancier gaat, log elke actie en zet een goedkeuringsstap bij beslissingen met gevolgen. Vraag het bedrijf dat de agent bouwt hoe het informatiebeveiliging heeft ingericht.
AI-agent of automatisering met een workflowtool?
Een workflowtool volgt vaste regels en past bij werk dat steeds hetzelfde verloopt. Een agent past bij werk waar oordeel bij hoort, zoals vrije tekst begrijpen of uitzonderingen herkennen. Vaak werkt een combinatie het best.
Kan een agent werken met onze bestaande systemen?
Als een systeem een koppeling biedt, bijvoorbeeld via een API, dan kan een agent ermee werken. Bepaal vooraf welke systemen de agent mag lezen en welke hij mag aanpassen, en wat er gebeurt als een systeem verandert.
Hoe weet je of een AI-agent goed werkt?
Door hem te testen met een vaste set echte voorbeelden uit je praktijk, inclusief lastige gevallen, en die test te herhalen bij elke wijziging. Na livegang houd je bij hoe vaak de agent het goed heeft en waar medewerkers corrigeren.
Wat gebeurt er als het taalmodel verandert?
Leveranciers brengen nieuwe modellen uit en stoppen met oude. Een goed gebouwde agent laat zich op een ander model zetten, waarna je dezelfde testset opnieuw draait. Spreek af wie dat doet.
