En dan? Dan valt het resultaat tegen.
De output is net niet betrouwbaar genoeg. Het proces is niet stabiel. De businesscase komt niet rond.
De conclusie is dan vaak: "AI is er nog niet klaar voor."
Of: “AI is niks voor ons.”
Maar het zou zomaar kunnen dat je gewoon de verkeerde AI-oplossing hebt gekozen voor het verkeerde probleem. Je vraagt een kunstenaar om je boekhouding te fixen.
Drie AI-oplossingen die je als ondernemer moet kennen
In veel van mijn gesprekken hoor ik een hardnekkige misvatting terug: ondernemers denken vaak dat AI één technologie is.
Het is overigens helemaal niet gek dat dit beeld is ontstaan. De afgelopen jaren werden we overladen met verhalen over ChatGPT en generatieve AI. Dus als je aan AI denkt, denk je al snel daaraan.
Maar er bestaan fundamenteel verschillende AI-oplossingen, elk met hun eigen sterke en zwakke punten. En waar de ene oplossing niet werkt, kan de andere juist wél heel goed werken.
Bij Blis Digital onderscheiden we drie hoofdcategorieën van AI-oplossingen:
AI agents
AI agents zijn autonome softwareprogramma's. Ze kunnen redeneren, handelingen uitvoeren en interacteren met data en systemen. Jij geeft de agent een doel ("regel dit voor me") en hij gaat zelf bedenken hoe hij daar komt. Hij probeert verschillende wegen uit tot het gelukt is.
Dat maakt AI agents krachtig, maar ook grillig. Waar klassieke software deterministisch werkt (dezelfde input geeft altijd dezelfde output volgens dezelfde stappen), is een AI agent probabilistisch. Hij zoekt de snelste weg en die kan elke keer anders zijn.
We kwamen recent een pijnlijk (maar leerzaam) voorbeeld tegen in onze eigen ontwikkelomgeving. De opdracht aan de agent was simpel: "Er mogen geen fouten meer in onze tests zitten."
De agent ging aan de slag en kwam trots terug: "Klaar. Geen fouten meer."
Wat had hij gedaan? Hij had de vijf testcases die een foutmelding gaven gewoon verwijderd.
Technisch gezien voldeed hij aan de opdracht. Maar bedrijfsmatig is dit natuurlijk rampzalig. Dit krijg je als je stuurt op uitkomst, zonder controle op het proces. Agents zijn fantastisch voor creativiteit en flexibiliteit, maar voor processen die nauwkeurigheid en voorspelbaarheid vereisen zijn ze riskant.
Agentic workflows
Zoek je meer controle? Dan heb je een agentic workflow nodig.
Hierbij bepaal jij exact welke stappen er gezet worden, in welke volgorde en wat er moet gebeuren als iets misgaat. AI speelt een rol als één van de radertjes, maar altijd binnen de grenzen die jij stelt.
Je kunt een agentic workflow zien als een strak georganiseerde assemblagelijn. Sommige stappen zijn normale automatiseringen (code die altijd hetzelfde uitvoert). Andere stappen besteed je uit aan een AI agent.
Een concreet voorbeeld uit onze praktijk:
Een bedrijf heeft een mailbox waar de hele dag facturen, vragen en nieuwsbrieven binnenkomen. Om het extra ingewikkeld te maken komen er mails voor meerdere sub-brands in deze mailbox samen. Elk mailtje moet naar het juiste mapje. Facturen moeten worden doorgestuurd naar het boekhoudpakket. Met simpele Outlook-regels kom je een heel eind, maar niet ver genoeg. Veel mails zijn complex of ambigu.
En dus bouwden we een agentic workflow. Die pakt elk mailtje, checkt met een automatisering of er een bijlage is en stuurt deze door naar een AI agent. Die agent bepaalt of het een factuur is en bij welk bedrijf de factuur hoort. Ook geeft hij aan hoe zeker hij is van zijn zaak. Is het zekerheidspercentatge van de AI agent 80% of hoger? Dan stuurt de workflow de mail automatisch door naar het boekhoudpakket. Is de zekerheid lager? Dan gaat de mail naar het mapje voor handmatige controle.
We gebruiken AI om de rommelige werkelijkheid te begrijpen, maar laten een automatisering beslissen wat er met de uitkomst gebeurt.
AI search & data-verrijking
De derde categorie krijgt vaak minder aandacht, maar is minstens zo belangrijk: AI search en dataverrijking.
Zowel je agents als je workflows zijn nergens zonder goede data. AI search zorgt ervoor dat die data vindbaar, begrijpelijk en bruikbaar is. Het is de onmisbare laag tussen je ruwe bedrijfsdata en de AI-oplossingen die je erop bouwt.
Met AI kun je semantisch zoeken. Oftewel: je zoekt niet meer op zoekwoorden, maar op betekenis. Ook kun je jouw data met AI verrijken: AI kan tags en metadata toevoegen aan documenten zodat je dwarsverbanden kunt leggen die je eerder niet zag.
AI kun je óók prima inzetten voor dingen die exact moeten kloppen
Ik hoor ondernemers vaak dingen zeggen als: "Ik kan AI niet gebruiken voor mijn financiële rapportage, want AI hallucineert en geeft maar ongeveer-antwoorden."
Dat is een misverstand.
Stel, je wilt die financiële rapportage genereren. De tekst en de duiding? Dat kan AI prima regelen. De getallen berekenen? Dat wordt inderdaad link.
Maar je hebt twee opties om dit op te lossen:
Geef je AI agents tools om mee te werken
Je kunt je AI agent de instructie geven om voor het maken van de berekeningen een tool (een stukje code) aan te roepen. Die tool voert de berekening uit met een vaste formule en geeft het exacte resultaat terug. De agent verwerkt dat resultaat in het rapport.
Maak een agentic workflow
Of je bouwt een workflow met meerdere stappen, waarin je alleen het interpreteren van de data en het schrijven van de begeleidende tekst aan AI over laat. De andere stappen in de workflow bestaan uit normale automatiseringen. Eventueel kun je ook nog kiezen voor ‘human-in-the-loop’ voor extra validatie.
Begin bij het probleem, niet bij de oplossing
Succesvolle AI-implementatie begint niet bij het kiezen van het coolste model. Het begint bij het snappen van je businessprobleem en het vinden van de oplossing die daarbij past.
Stop dus met denken vanuit de technologie ("Wat kunnen we met AI?"). Begin in plaats daarvan met het stellen van vragen:
Bij welke processen zit de grootste pijn?
- Wat hebben we nodig om die pijn op te lossen?
- Past een autonome agent of een gecontroleerde workflow daar beter bij?
- Waar is exactheid cruciaal en waar mag het flexibel zijn?
- Wanneer moet er een mens meekijken?
- En start dán pas met het ontwerpen van de oplossing.
Wil je eens sparren over hoe je de vertaalslag maakt van “lekker experimenteren” naar werkende business-oplossingen? We horen graag van je.
.jpg)