Structureel aan de slag met AI-agents: zó verbeter je je processen echt

Een rapport vol aanbevelingen rondom AI is een goed begin, maar het is níet het halve werk. Wanneer je enkel wéét in welk proces tijd weglekt of in welke processtap vertraging ontstaat, verbetert er nog niets op de werkvloer. Je maakt pas het verschil wanneer je de cruciale stap tussen inzicht en verbetering neemt. Hoe je dat doet? Door de juiste AI-agents te bouwen.

Zoals we in onze vorige blogpost beschreven, is het belangrijk dat je hierbij denkt in processen (en niet in losse use cases). Maar hoe ga je daar nu precies bij te werk?

Voorbeeld: IT-tickets inschieten, dát is zo makkelijk nog niet

Stel, je bent aan het werk en je laptop begeeft het plotseling. In zo’n geval stel je een proces in werking. Je opent een ticketformulier en zoekt de categorie waar jouw probleem onder valt. Vaak loop je bij de eerste stap al ergens tegenaan: jouw probleem staat er niet tussen. Daarom selecteer je iets op de gok. Of je chat met een collega van IT, die je terugverwijst naar dat beperkende ticketformulier.

Uiteindelijk dien je de melding met enige tegenzin in. Mét een urgentievinkje en een notitie. Je ontvangt een mail met ticketnummer… en dan is het afwachten. Na enkele dagen heb je nog niets gehoord. En je hebt geen idee wie jouw ticket behandelt.

Na een week ga je er zelf maar achteraan. Wat blijkt? De persoon die jouw ticket moet behandelen, begreep het probleem niet en heeft het door drukte laten liggen. Jij regelt daarop zelf dat de juiste persoon het oppakt. En dán pas komt eindelijk de oplossing voor jouw probleem.

Eén ticket dat op de verkeerde plek belandt, is een relatief klein ongemak op organisatieniveau. Maar wat als dit regelmatig gebeurt? Dan heb je te maken met een proces dat rammelt. En dat daarom uitermate geschikt is om met AI-agents te verbeteren.

Welke AI-agents heb je nodig?

In dit geval kom je met drie AI-agents een heel eind. Ieder krijgt een eigen taak. En samen dekken ze de hele route van melding tot oplossing.

1. De AI-agent die jouw probleem in kaart brengt

De eerste agent gedraagt zich als een chatbot: jij vertelt in je eigen woorden wat het probleem is zónder je verhaal in strakke, beperkende velden te wringen.

Vervolgens stelt de AI-agent jou vragen die ertoe doen in jouw situatie. Waar nodig haalt de agent ook informatie op uit bestaande systemen. Zo ligt er meteen een volledige melding op tafel. Dat scheelt natuurlijk tijd aan de voorkant. Maar de echte winst zit verderop in het proces: elke stap verloopt beter wanneer je van meet af aan werkt met de juiste informatie.
 

2. De AI-agent die jouw melding naar de juiste plek brengt

Wat speelt er? Hoe urgent is het probleem? Welke kennis is nodig voor een oplossing? De tweede agent beoordeelt dit soort zaken en zorgt vervolgens dat jouw melding direct op de juiste plek terechtkomt (en niet eerst langs drie collega’s hoeft te gaan).

Betekent dit dat AI voortaan alle beslissingen neemt? Dát niet. Voorspelbare meldingen lopen grotendeels automatisch door, terwijl twijfelgevallen, risico’s en uitzonderingen bij een medewerker belanden. De mens blijft verantwoordelijk voor de afwegingen die er daadwerkelijk toe doen én heeft daar zo ook meer tijd voor.
 

3. De AI-agent die bewaakt dat het in één keer goed gaat

Als een ticket snel opgelost wordt, zegt dit nog niets over de kwaliteit van de oplossing. Daarom heb je een derde agent nodig die stuurt op first time right. Deze agent zorgt dat de behandelaar vooraf achtergrondinformatie meekrijgt over de vermoedelijke oorzaak. Zo gaat diegene gericht aan de slag.

Bovendien controleert de agent vóór het afsluiten van een ticket of de oplossing aansluit op je oorspronkelijke melding.
 

Drie agents, één aanspreekpunt: de orchestrator

Welke agent is waarvoor verantwoordelijk? Daar wil jij je niet in verdiepen. Daarom verloopt alle communicatie via één centrale assistent: een orchestrator.

Wanneer je een melding doet of de status van je ticket opvraagt (bijvoorbeeld in een vertrouwde omgeving als Teams), krijg je meteen een realistische inschatting van de doorlooptijd. Kun je op dit moment helemaal niet werken? Dan geeft de orchestrator aan dat jouw melding voorrang krijgt. Is het probleem vervelend, maar niet blokkerend? Dan zie je misschien dat de doorlooptijd wat langer is. Hoe dan ook, de orchestrator houdt je op de hoogte, zodat jij niet in het duister tast of er zelf achteraan moet bellen.
 

The sky is the ‘AI-limit’: aan mogelijkheden geen gebrek

Het afhandelen van IT-tickets vormt slechts één voorbeeld van een proces waarin AI-agents voor een enorme verbeterslag kunnen zorgen.

De mogelijkheden zijn oneindig: overal waar je informatie verzamelt, werk verdeelt en resultaten controleert, kun je structureel aan de slag met AI-agents. Daarbij hoef je niet alles in één keer neer te zetten. Je start bij het grootste knelpunt om een fundering te leggen waar agents op landen. Van daaruit bouw je verder. Per processtap kies je wat nodig is uit het Microsoft AI-ecosysteem: soms volstaat een eenvoudige agent, soms heb je aanvullende data of koppelingen nodig.

Hoe je elke vervolgstap bepaalt? Door te blijven meten. Zie je bijvoorbeeld dat een intakeprocedure flink verbeterd is, maar dat de doorlooptijd achterblijft? Dan weet je precies welk pijnpunt je nu moet aanpakken.

En zó blijft AI geen verzameling van losse experimenten.