Kernpunten
- Een demo toont het happy path; productie bestaat voornamelijk uit edge cases — ontwerp eerst voor falen.
- Begin met de taak en zijn eurowaarde, niet met het model of framework.
- Kies voor een smalle scope: één taak betrouwbaar gedaan verslaat één agent die alles slecht doet.
- Een agent die niet kan handelen in jouw echte systemen is gewoon een chatbot.
- Meet vanaf dag één aan een bedrijfsmetriek, anders voer je een experiment uit, geen capaciteit.
De demo-val
Elke week zien we hetzelfde: een gelikte agent die drie geselecteerde vragen feilloos beantwoordt, de boardroom imponeer, en dan stilletjes het loodje legt zodra hij echte klanten, rommelige data en edge cases tegenkomt. De demo is niet het product. Het is theater. En te veel organisaties verwarren het applaus met vooruitgang.
Een AI-agent die bedrijfswaarde levert, ziet er anders uit. Hij is vaak minder spectaculair, meer ingeperkt en veel nuttiger. Hij voert een specifieke taak betrouwbaar uit, integreert met de systemen die mensen al gebruiken en wordt afgemeten aan een getal waar een CFO om geeft. Dat is de lat die we voor onszelf leggen.
Begin met de taak, niet met het model
Voor we een model of framework aanraken, stellen we een directe vraag: welk werk neemt deze agent van iemand over, en wat is dat werk waard? Als we dat niet in één zin kunnen beantwoorden met een eurobedrag of tijdsbesparing erbij, zijn we nog niet klaar om te bouwen.
Goede kandidaten voor een agent delen een profiel:
- Een repetitieve, regelgestuurde taak met hoog volume
- Een heldere definitie van "goed gedaan" die een mens kan verifiëren
- Toegang tot de data die de taak daadwerkelijk vereist
- Tolerantie voor incidentele escalatie naar een mens
Als die voorwaarden ontbreken, redt geen enkele hoeveelheid prompt engineering je. We vertellen een klant dat liever vroeg dan dat we hen een demo verkopen.
Begin smal, verdien dan het recht om uit te breiden
De neiging om één agent te bouwen die "alles aanpakt" is waar waarde sterft. Brede agents zijn onvoorspelbaar, moeilijk te testen en onmogelijk te vertrouwen. We kiezen bewust voor een smalle scope: een agent die supporttickets sorteert, leveranciersreacties opstelt, facturen reconcilieert of inkomende leads kwalificeert. Eén taak, goed gedaan, gemeten, dan uitgebreid.
Een smalle scope maakt de agent ook auditeerbaar. Wanneer er iets misgaat — en dat zal gebeuren — kunnen we exact traceren welke stap gefaald heeft, in plaats van onze schouders op te halen bij een black box.
Ontwerp voor falen, niet alleen voor succes
Demo's tonen alleen het happy path. Productie bestaat voor 80% uit edge cases. Dus ontwerpen we eerst de faalscenario's:
- Vertrouwensdrempels die onzekere gevallen naar een mens routeren in plaats van te gokken
- Guardrails die beperken wat de agent kan zeggen en doen
- Human-in-the-loop checkpoints voor alles wat onomkeerbaar of kostbaar is
- Logging en observability zodat elke beslissing kan worden herzien
Een goed ontworpen agent kent de grenzen van zijn eigen competentie. Die bescheidenheid is wat hem inzetbaar maakt in een echte bedrijfsomgeving.
Verankerd in jouw data en jouw tools
Een agent die niet kan handelen is gewoon een chatbot. De waarde komt van hem te verbinden met de systemen waar werk daadwerkelijk plaatsvindt — het CRM, het ERP, het ticketingsysteem, de kennisbank. Dat betekent ophalen uit betrouwbare, actuele content en de mogelijkheid om echte acties te triggeren met de juiste rechten.
Dit integratiewerk is niet glamoureus en het is precies waar demo's snijden in de hoeken. Wij behandelen het als de kern van het project, niet als een bijzaak.
Meet alsof je het meent
We instrumenteren elke agent vanaf dag één met een bedrijfsmetriek: opgeloste tickets zonder escalatie, bespaarde uren per week, conversieverbetering, kosten per transactie. Als die cijfers niet bewegen, slaagt het project niet — hoe goed de technologie ook aanvoelt.
We draaien agents ook in schaduwmodus voordat ze een klant raken, waarbij we hun output vergelijken met menselijke beslissingen totdat we de nauwkeurigheid vertrouwen. Pas dan laten we ze live draaien, en zelfs dan houden we een menselijk vangnet.
Het cumulatieve rendement
De beloning voor deze discipline is niet een eenmalige winst. Een smalle, betrouwbare, goed gemeten agent wordt een fundament. Zodra één taak is geautomatiseerd en vertrouwd, is de volgende sneller te leveren omdat de infrastructuur, guardrails en monitoring al bestaan. Waarde groeit cumulatief — stilletjes, zonder theater.
Dat is het verschil tussen een AI-experiment en een AI-capaciteit. De ene vermaakt een zaal. De andere verandert hoe het bedrijf werkt.
Als je overweegt waar een AI-agent zijn waarde echt kan verdienen in jouw activiteiten, praten we er graag over — eerlijk, inclusief waar dat niet het geval zou zijn. Laten we eerst de hoogst-waardige taak in kaart brengen.
