Het antwoord

Airbyte heeft een Context Store gelanceerd die AI-agenten in staat stelt om niet alleen data op te halen uit verschillende systemen, maar ook de verbanden ertussen te leggen. Dit betekent dat je agent straks niet alleen ziet dat een klant een supportticket heeft, maar ook dat diezelfde klant een openstaande factuur heeft en dat er een engineer aan een blokkade werkt.

Wat er aan de hand is

Airbyte, een platform voor databeweging dat meer dan 600 bronnen en bestemmingen ondersteunt, introduceert een Context Store die specifiek is ontworpen voor AI-agenten. Het probleem dat Airbyte adresseert, is dat de meeste AI-agenten wel data uit verschillende systemen kunnen halen, maar die data niet kunnen combineren. Een agent die naar een CRM kijkt, weet niets van de facturatiegeschiedenis van die klant. Een agent die een supportticket analyseert, ziet niet dat er een open engineering ticket is dat een verlenging blokkeert. Het resultaat is dat agenten onvolledige of foute antwoorden geven, overbodige API-aanroepen doen en verouderde informatie gebruiken.

Airbyte’s oplossing scheidt de datalaag van de agentlaag. In plaats van dat de agent losse API-aanroepen doet naar Salesforce, Zendesk en Stripe, raadpleegt hij één uniforme index waarin de records al zijn samengevoegd, de schema’s zijn genormaliseerd en de data actueel is. Volgens Airbyte’s eigen benchmarks verbruikt hun MCP (Model Context Protocol) 80 procent minder tokens per query, doet het 40 procent minder API-aanroepen en levert het 90 procent kostenbesparing op bij queries over meerdere bronnen.

Wat dit betekent

Voor ondernemers en professionals in het MKB betekent dit dat AI-agenten eindelijk bruikbaar worden voor echte bedrijfsprocessen. Tot nu toe waren agenten vooral goed in het ophalen van losse feiten, maar niet in het leggen van verbanden. Een verkoopmedewerker die een AI-assistent vraagt naar de status van een klant, kreeg vaak een antwoord dat alleen uit het CRM kwam, zonder context uit support of facturatie. Dat maakte de assistent onbetrouwbaar.

De kostenbesparing is ook significant. Minder API-aanroepen betekent lagere rekeningen, vooral als je meerdere systemen bevraagt. En doordat de data al is samengevoegd en genormaliseerd, hoef je geen eigen data-engineer in te huren om pipelines te bouwen. Dat is precies waar veel MKB-bedrijven tegenaan lopen: ze hebben de data wel, maar niet de technische mensen om het werkend te krijgen.

Hoe je dit kunt toepassen

Als je een webshop runt met een klantenservice-team. Je AI-agent kan nu niet alleen zien dat een klant een retourverzoek heeft ingediend, maar ook dat diezelfde klant een openstaande creditnota heeft en dat er een backorder is op het product. De agent kan dan direct een geïntegreerd antwoord geven, zonder dat je medewerker handmatig drie systemen moet raadplegen. Je zou kunnen overwegen om Airbyte in te zetten als tussenlaag tussen je e-commerceplatform, je CRM en je facturatiesysteem.

Als je een team aanstuurt dat met meerdere SaaS-tools werkt. Denk aan een combinatie van Slack, Asana, Salesforce en een boekhoudpakket. Een AI-agent die verbanden kan leggen, kan bijvoorbeeld signaleren dat een project in Asana achterloopt, dat de verantwoordelijke engineer in Slack offline is, en dat de factuur voor dat project nog niet is verstuurd. Overweeg om een interne copilot te bouwen die deze context uit één bron haalt, in plaats van dat je teamleden zelf moeten schakelen tussen tools.

Als je in de dienstverlening werkt, bijvoorbeeld als consultancybureau. Je agent kan klantinformatie uit je CRM combineren met urenregistratie uit je tijdschrijfsysteem en met openstaande offertes uit je facturatiepakket. Een mogelijkheid is om een assistent te maken die voor elk klantcontact direct de volledige context toont: wat is er besproken, wat is er gefactureerd, wat loopt er nog. Dat bespaart je medewerkers tijd en voorkomt dat ze vergeten een openstaande post te benoemen.

Als je een klein productiebedrijf bent met meerdere systemen voor voorraad, inkoop en verkoop. Je AI-agent kan verbanden leggen tussen een lage voorraad in je magazijnsysteem, een openstaande inkooporder bij je leverancier, en een stijging in verkooporders. De agent kan dan adviseren om de inkooporder te prioriteren, of een waarschuwing geven dat je mogelijk niet kunt leveren. Overweeg om een agent te bouwen die deze drie databronnen combineert, zodat je niet elke dag handmatig hoeft te checken of alles op elkaar aansluit.

Bron: Martech (https://feed.martech.zone/link/8998/17342566/airbyte-build-intelligent-agents-with-context-not-just-connectivity)