Wat is een AI agent? Uitleg en toepassingen voor het MKB

Het woord agent wordt inmiddels op zoveel dingen geplakt dat het bijna niets meer betekent. Dit is wat een AI agent wel en niet is, waarin hij verschilt van een chatbot en van een RPA-bot, en welk werk je er vandaag mee kunt laten doen.

Het verschil in één alinea

Een chatbot beantwoordt vragen. Jij vraagt iets, hij antwoordt, klaar.

Een RPA-bot volgt een vast script. Klik hier, kopieer dat veld, plak het daar. Wijkt de situatie af van het script, dan stopt hij.

Een AI agent krijgt een doel in plaats van een script. "Zorg dat elke offerteaanvraag binnen een uur een reactie heeft." Hij bepaalt zelf welke stappen daarvoor nodig zijn, voert ze uit in je systemen, en probeert iets anders als de eerste route niet werkt.

Het onderscheid dat telt is dus niet slimheid. Het is of het ding stappen mag kiezen en acties mag uitvoeren, of alleen tekst produceert.

Hoe het onder de motorkap werkt

Zonder jargon, in vier delen:

1. Een model dat de situatie leest en beslist wat de volgende stap is.

2. Tools waar hij bij mag: je CRM, je mailbox, je facturatiesysteem, een database. Zonder tools is een agent een chatbot.

3. Geheugen van wat er eerder gebeurde, zodat stap vier weet wat er in stap twee misging.

4. Grenzen: wat mag hij zelfstandig doen en waarvoor moet een mens tekenen. Dit is het belangrijkste onderdeel en het wordt het vaakst overgeslagen.

Die laatste is geen technisch detail. Een agent die zelfstandig facturen mag versturen is een heel ander risico dan een die ze klaarzet ter controle.

Vijf toepassingen die in het MKB daadwerkelijk draaien

• Offerteaanvragen opvolgen. Aanvraag binnen, gegevens aanvullen uit je CRM en de website van de aanvrager, concept-antwoord klaarzetten, en de verkoper een seintje geven. Scheelt vooral doorlooptijd, en doorlooptijd wint deals.

• Documenten uitlezen en wegschrijven. Facturen, pakbonnen, contracten. Uitlezen, controleren tegen wat er in je systeem staat, en alleen de afwijkingen aan een mens voorleggen.

• Eerstelijns klantcontact. De helft van de binnenkomende vragen zijn dezelfde vijf vragen. Die afvangen, de rest doorzetten met een samenvatting erbij.

• Achterstallige stukken najagen. Wie moet nog iets aanleveren, hoe lang al, en wat was de laatste reactie. Herinneringen sturen via het kanaal waar die persoon wél op reageert.

• Interne kennis ontsluiten. Vragen beantwoorden uit je eigen handleidingen, offertes en procedures, met bronvermelding zodat iemand het kan nakijken.

Zie ook zeven processen die je nu kunt automatiseren.

Wat een agent niet kan

Eerlijk zijn hierover bespaart teleurstelling:

• Werken met rommelige data. Staat je klantinformatie in drie systemen die elkaar tegenspreken, dan automatiseer je de tegenspraak.

• Oordelen waar veel vanaf hangt. Een agent kan een kredietbeslissing voorbereiden. Hij hoort hem niet te nemen. Dat is ook wat de AVG en de EU AI Act van je verwachten, zie AI en de AVG.

• Onbewaakt draaien. Modellen veranderen, koppelingen breken, randgevallen duiken op. Zonder iemand die meekijkt op de uitzonderingen loopt het stil.

• Een kapot proces repareren. Automatiseer je een proces dat niet klopt, dan krijg je hetzelfde probleem sneller.

Waar je begint

Begin bij een taak die vaak voorkomt, saai is, en een duidelijk goed antwoord heeft. Die drie samen maken het verschil tussen iets dat blijft draaien en een demo die na een maand uitstaat.

Praktische volgorde: kies één taak, meet hoe lang die nu kost en hoe vaak hij misgaat, laat het bouwen op een klein stuk echt werk, en vergelijk daarna dezelfde twee getallen. Duurt dat langer dan een paar weken, dan is de use case te groot gekozen.

Het volledige stappenplan staat in AI implementeren in je bedrijf.

Aan de slag

Plan een vrijblijvende kennismaking. We kijken samen welke taak zich het snelst terugverdient, en welke je beter kunt laten liggen.