Zou je een AI-agent toegang geven tot je smartphone, e-mail, agenda en bankrekening? Het antwoord is voorlopig waarschijnlijk nee. Toch staat agentic AI te trappelen om ons leven binnen te wandelen. Dat roept vragen op, bijvoorbeeld over hoe je (backoffice)processen zo automatiseert met behulp van AI zonder dat je straks de bocht uitvliegt. 

 

In klantcontact zijn ‘AI-agents’ of agentic AI gangbare termen, maar bij QuandaGo spreken ze liever over ‘digital agents’. Met die benaming laat je namelijk zien dat virtuele agents niet alleen met AI werken, maar samenwerken met klassieke automatisering.

Die afbakening wordt extra relevant nu de praktische toepassing van agentic AI weer een stapje dichterbij is gekomen. In de vakmedia is de afgelopen weken veel geschreven over onder meer ClawBot. Dat is een AI-agent die niet alleen converseert maar ook zelfstandig acties uitvoert. Je kunt het beschouwen als de consumentenversie van de AI-agent zoals die door steeds meer leveranciers worden aangeboden. De hoogste tijd om opnieuw het net op te halen bij Raoul Fasel en Jeroen Kromme van QuandaGo.

Mag ik een kilo AI?

“Bij het afwikkelen van een klantvraag of het oplossen van een probleem doorloop je als medewerker verschillende stappen, al dan niet met de hulp van digitale agents en klassieke automatiseringsoplossingen. Organisaties die aan de slag gaan met AI-toepassing in dit soort processen, hebben de neiging om naast de gewone, reguliere automatisering nieuwe paden op te tuigen die AI kan bewandelen. Ze trekken gewoon een blik AI-functionaliteit open,” stelt Raoul Fasel, product manager bij QuandaGo.

“Wij zijn daar geen voorstander van. De digitale agents of AI-agents moeten, als ze vastlopen in een proces of als de klant daarom vraagt, immers altijd kunnen overdragen aan een menselijke medewerker. Als die vervolgens het proces overneemt is hij of zij aangewezen op goed uitgedachte, gestructureerde stappen in bestaande applicaties. Een voorbeeld is het doorgeven van meterstanden. Als een AI-agent dat proces niet kan afmaken, komt het terecht bij een medewerker. Die doorloopt hetzelfde als de digitale agent. Ook een medewerker mag niet zomaar zelfstandig aanpassingen doorvoeren in een MySQL-database – daar zijn interfaces en gecontroleerde stappen voor ontworpen.”

Voorkom een tweede proceslaag

Jeroen Kromme, head of product & data bij QuandaGo: “Wanneer je je processen overzichtelijk en veilig wil houden is het verstandig om ervoor te zorgen dat zowel je menselijke medewerkers als de digitale agents aanhaken op dezelfde processen. Doe je dat niet, dan creëer je speciaal voor de toepassing van AI een nieuwe, tweede laag aan processen en automatisering. En dan wordt een eventuele handover ingewikkelder dan nodig.”

Die handover blijft belangrijk, benadrukt Jeroen. “Bij het oplossen van klantvragen heb je steeds de keuze uit drie scenario’s: je laat alles door een medewerker doen; je zet AI in als hulpje voor de menselijke medewerker – bijvoorbeeld door iets klaar te zetten of af te maken – of je laat alles door een digitale agent doen. In alle gevallen wil je een vraag kunnen toewijzen aan een medewerker omdat de klant dat vraagt, of omdat de digitale agent er niet uit komt.”

 

Momenteel is er veel te doen over toepassingen zoals OpenClaw. Is dit een volgende stap in de ontwikkeling van agentic?

Kromme: “Sinds een half jaar is een duidelijke shift zichtbaar. Een deel van de AI-leveranciers kiest nadrukkelijk voor agentic, maar een ander deel heeft een switch gemaakt richting deterministische software. Ik denk dat dat wordt ingegeven door het toenemend belang van governance. Bedrijven zoeken naar de juiste richting. OpenClaw is niet nieuw, want de grote spelers op het gebied van agentic kunnen dit al. OpenClaw is in een bepaald opzicht de consumentenversie van agentic AI: je geeft de agent toegang tot alles. Daar zijn natuurlijk risico’s aan verbonden.”

 

Kunnen we met dit soort oplossingen zeggen dat consumenten straks software op contactcenters loslaten in plaats van andersom, zoals bij AI-chatbots bestemd voor klantcontact?

Kromme: “Er komt inderdaad een extra kanaal op de klantenservice af. Ik verwacht dat serieuze agentic AI-producten voor consumenten als eerste worden uitgeprobeerd door ‘prosumers’.

Fasel: “Ik verwacht dat bedrijven de komende tijd te maken krijgen met steeds meer berichten, interacties en traffic afkomstig van AI-agents van consumenten. Organisaties zullen moeten omgaan met die overmaat aan inkomende content.”

 

We hebben het dan eigenlijk over de machine customer die er nu echt aankomt. Wat kan je daar als contactcenter voor inrichten?

Fasel: “Bots zullen tegen bots gaan praten. Dat klinkt als een omweg, maar is ook noodzakelijk om interacties traceerbaar en controleerbaar te houden – bijvoorbeeld omdat je wil kunnen ingrijpen. Je moet een bot ook kunnen identificeren. Verificatie van klanten in het contactcenter is nog lang niet altijd goed geregeld – denk aan postcode en huisnummer. Daarnaast: je klant kan maar een keer tegelijk bellen of staat in een wachtrij; een bot kan zichzelf opschalen en een hele reeks aan interacties na elkaar op je afvuren. Bijvoorbeeld gericht op het indienen van een aanvraag. Dat je geconfronteerd wordt met een soort DDoS-aanval van een AI-agent van een klant, dat kan je natuurlijk wel herkennen.”

Kromme: “Dit soort scenario’s maken duidelijk waarom QuandaGo kiest voor deterministische processen als uitgangspunt. Daarmee kan je veel zaken waterdicht regelen, met duidelijke kaders. Als een klantverzoek buiten de kaders valt, wordt het niet gehonoreerd. Of als een meterstand niet logisch is, wordt hij niet opgenomen. Je kunt als AI-agent dan op eindeloos veel manieren je vraag herhalen of laten zoeken naar een work-around, maar de processoftware checkt verzoeken aan de hand van scripts met harde voorwaarden.”

De ultieme beveiliging is om de kernprocessen dus niet door large action models (LAM’s) en AI-agents te laten managen, maar door klassieke software, zoals we altijd al deden. “Ze kunnen wel gestart worden door een AI-agent, maar niet uitgevoerd,” benadrukt Kromme.

Een digital agent voor iedere use case

Die combinatie van een deterministische aanpak en de kracht van generatieve AI stopt QuandaGo in zogenaamde valuepackages: gespecialiseerde oplossingen voor heel specifieke processen, herkenbaar voor specifieke industrieën of sectoren.

Fasel: “Denk aan het opnemen en doorgeven van meterstanden. We hebben voorafgaand aan dit gesprek bijvoorbeeld een agent opgetuigd die je kunt bellen met het verzoek om de nieuwsbrief van Ziptone te ontvangen. We kijken uiteraard naar allerlei sectoren: wat zijn geschikte processen om te verpakken in een valuepackage?”

Digital agents grijpen aan op workflow automation

Kromme: “De oplossingen die wij in huis hebben voor de workflow automation, hebben we nu ook beschikbaar gesteld aan digitale agents. Daarbij heeft QuandaGo zich gericht op industrieën met complexe processen waar strenge governance-regels gelden, zoals de energiesector en de financiële dienstverlening. Denk aan een overstap-agent, een agent voor storingen of een agent voor het aanpassen van termijnbedragen. Verschillende digital agents kunnen ook naast elkaar worden ingezet, elkaar aanroepen of onderling samenwerken.”

“Bijvoorbeeld: wanneer je met een digital agent ‘belt’ wordt daarvoor een ander LLM gebruikt dan bij de digital agent die een transactie of proces opstart en de output daarvan – denk aan de eerdergenoemde meterstand – moet controleren. Je kunt een conversational agent vervolgens weer de taak geven om aan de klant te vertellen dat de doorgegeven meterstand is gecontroleerd en geregistreerd. Op deze manier kan je meer complexe systemen optuigen. Het ligt voor de hand dat je als eerste begint bij processen met een hoog volume en een lage impact. Maar de digital agents zullen nooit zelf acties uitvoeren, alleen opstarten en afronden.”

ClawBot als consumentenversie

Fasel: “Toepassingen zoals ClawBot of OpenClaw kunnen nu de aandacht trekken, maar het inzetten daarvan in een zakelijke omgeving mag niet op basis van de Europese AI Act. Alleen al omdat het proces niet uitlegbaar is.”

De afdronk is dus dat je agentic AI vooral inzet om de vruchten te plukken van conversationele AI, dat je deterministische automatisering gebruikt om processen compliant te houden en dat je bij een combinatie van beide uitgaat van kleine processtappen met meerdere agents. Daarmee komt het principe van orkestratie in zicht. “Daar gaan we ook naar toe, maar het staat wel aan het begin. Wij kiezen daarbij dus voor een afwijkende route,” zegt Kromme, “namelijk alleen AI inzetten wanneer het veilig kan, en al het andere door klassieke automatisering laten regelen.”

(Ziptone/Erik Bouwer)

Featured, Kennisbank, Kennispartners, Technologie QuandaGo