AI-agents bereiken hun volle potentieel pas als je bedrijfsprocessen niet aanpast, maar volledig herontwerpt met de agent als uitgangspunt. Dit betekent een fundamentele verschuiving: van mensen als uitvoerders naar mensen als stuurders, terwijl de AI-agent de dagelijkse operatie draait.

Wat er aan de hand is

De traditionele aanpak van automatisering – het ‘plakken’ van AI op bestaande, gefragmenteerde processen – levert volgens experts slechts incrementele verbeteringen op. AI-agents, die kunnen leren en zich aanpassen, hebben een andere omgeving nodig om te gedijen. Ze werken autonoom en vereisen daarom machine-leesbare procesdefinities, expliciete beleidsregels en gestructureerde gegevensstromen. Volgens Scott Rodgers, global chief architect bij Deloitte, is het risico niet dat AI niet werkt, maar dat concurrenten hun bedrijfsmodel herontwerpen terwijl jij nog met pilots bezig bent. De verwachting is dat technologiebudgetten voor AI de komende twee jaar met meer dan 70% zullen stijgen, wat deze transformatie versnelt.

Wat dit betekent

Voor ondernemers betekent dit dat succes met AI niet komt van het automatiseren van losse taken, maar van het herdenken van complete workflows. Het gaat om structurele verandering, niet om cosmetische aanpassingen. Een veelvoorkomend probleem is dat bedrijven de volledige economische drijfveren van hun processen, zoals de kosten per transactie, niet altijd scherp in beeld hebben. Hierdoor kiezen ze vaak voor ‘flashy’ pilots die weinig waarde toevoegen, in plaats van voor de agents die de grootste impact kunnen hebben. De echte winst – niet-lineaire groei – ontstaat wanneer bedrijven agent-centrische workflows creëren met menselijk toezicht en adaptieve coördinatie.

Hoe je dit kunt toepassen

De praktische toepassing begint met een andere manier van denken over je processen. In plaats van te vragen ‘welke taak kan deze AI doen?’, stel je de vraag ‘hoe zou dit proces eruitzien als het vanaf nul werd ontworpen voor een autonome AI-agent?’. Hier zijn enkele concrete scenario’s om mee te beginnen.

Als je een webshop runt… Denk niet aan een chatbot die klantvragen beantwoordt. Denk aan een volledig geautomatiseerd order-to-cash proces. Een AI-agent zou de voorraad kunnen monitoren, prijzen dynamisch aanpassen, bestellingen verwerken, facturen genereren en de betaling afhandelen. Jij stelt alleen de margedoeleinden en uitzonderingsregels (bijv. ‘geef nooit meer dan 20% korting’). De uitdaging is om al je productdata, voorraadniveaus en prijsregels gestructureerd en machine-leesbaar te maken.

Als je een team in de dienstverlening aanstuurt… Herontwerp je klantaanvraagproces. In plaats van dat een medewerker e-mails leest, doorstuurt en acties plant, ontwerp je een workflow waar een AI-agent de inbox beheert. De agent categoriseert aanvragen, haalt relevante informatie op uit je CRM, stelt een eerste antwoord of offerte op volgens jouw templates en beleid, en legt deze alleen bij complexe uitzonderingen bij een mens neer. Jij bent de ‘governor’ die de templates en beleidskaders bijwerkt.

Als je in de productie of logistiek werkt… Kijk verder dan een robot die één handeling uitvoert. Ontwerp een productielijn of magazijnproces waarin AI-agents de flow sturen. Een agent kan real-time data van sensoren, bestellingen en machine-onderhoud combineren om zelf de volgorde van werkorders aan te passen, onderhoud te plannen en logistieke routes te optimaliseren. De menselijke operator houdt toezicht op de algehele efficiëntie en grijpt in bij onverwachte storingen. Dit vereist dat alle machines en systemen data kunnen uitwisselen in een gestandaardiseerd formaat.

De kern is om te beginnen met het in kaart brengen van één end-to-end proces en je af te vragen welke informatie, regels en data een autonoom systeem nodig heeft om het volledig te kunnen runnen. Dit dwingt je tot helderheid over je bedrijfslogica en kan onverwachte inefficiënties blootleggen, nog voordat je ook maar één regel code schrijft.

Bron: Technologyreview