‘Bij hypes en innovaties wordt al snel geroepen dat het over een revolutie gaat, maar we zitten nu echt in een revolutie. Ik ben al 25 jaar bezig met AI. Wat er nu gaande is, heb ik nog niet eerder meegemaakt. Zo’n versnelling.’
Reinier van Leuken, senior director productmanagement bij Salesforce, heeft het over AI-agents. De groei daarin is ‘waanzinnig explosief’, zegt hij tegen MT/Sprout. Volgens recent onderzoek van Salesforce is 93 procent van de cio’s van plan om AI-agents binnen twee jaar in te zetten.
De vraag die het meest aan hem gesteld wordt? ‘Wanneer kunnen we beginnen.’ AI-agents zijn na chatbots als ChatGPT dus de next big thing. Hoogste tijd om ze te ontleden voor de niet-techneuten. Zes vragen en antwoorden.
#1 Wat is het verschil tussen AI-taalmodellen en AI-agents?
Heel eenvoudig uitgelegd: een traditioneel AI-taalmodel is een kleuter die woorden, beelden, muziek, softwarecode en dergelijke napapegaait zonder precies te weten wat de betekenis ervan is. Het reageert passief op prompts – vragen – die mensen ingeven en geeft antwoord.
Een AI-agent is een kind op een fietsje waar de zijwieltjes net van zijn afgehaald. Het kan zelfstandig fietsen, weet dat het op de weg moet blijven, moet trappen om vooruit te komen en leert ervan als het onderuit gaat. En dit alles zonder dramatische huilbuien over geschaafde knietjes.
Zo kan het dus zelf beslissen om voortaan aan het stuur te draaien wanneer de weg een bocht maakt. Ook kan het met andere kinderen samen fietsen en zich zo laten voortduwen of trekken.
Agentic AI
Wat is dan agentic AI? Een poging om de discussie over wat nu een AI-agent is en wat niet te ondervangen. Onder agentic valt de technologie die zelfstandig kan plannen, doen en beslissen, maar ook kan samenwerken en leren. Zolang het maar duidelijk is dat het ‘echt een niveau hoger’ is dan een taalmodel, benadrukt Van Leuken.
‘Een taalmodel, denk aan een ChatGPT, doet niks als jij niet tegen dat model praat. Die zit gewoon te wachten tot je een keer aanklopt. Zo’n AI-agent doet allerlei dingen zelf, voert allerlei processen gewoon uit zonder menselijke tussenkomst. De voorraden in een magazijn bijvoorbeeld opvolgen, en bijbestellen wanneer dat nodig is.’
Lees ook: Werk slimmer met AI, deze tips maken je veel productiever
#2 Waarom is er juist dit jaar zoveel over te doen?
Dat heeft te maken met drie razendsnelle ontwikkelingen in 2024, legt Carl Rannaberg, co-founder van AI-bouwer Vyce, uit op Medium. De grote AI-taalmodellen – die van OpenAI en Anthropic bijvoorbeeld – hebben flinke vooruitgang geboekt in redeneren.
Ze slagen erin om via meerdere redeneringen tot diverse oplossingen te komen en daaruit het meest betrouwbare antwoord te kiezen. Visueel kunnen ze ook al veel meer, en dat is handig voor het verwerken van screenshots en het begrijpen van interfaces. Zo kunnen ze computers ‘controleren’, denk aan zelf cursors verplaatsen of menu’s aanklikken.
Bovendien is er vooruitgang geboekt in geheugen en context. Ze kunnen meer onthouden, waardoor ze langere en complexere taken kunnen uitvoeren. Waarom is dit nu belangrijk? Die taalmodellen zijn ‘het brein’ van AI-agents, een fundamentele bouwsteen dus.
Jens Löhmar, cto Europa en Dach-landen voor AI-platform Workday, wijst op enkele externe factoren die de adoptie van AI-agents versnellen: het gebrek aan personeel bij bedrijven, maar ook het tekort aan de juiste vaardigheden. ‘AI-agents helpen de verminderde productiviteit die daardoor ontstaat op te vangen.’
#3 Waar worden AI-agents voor gebruikt?
Bij noodweer moeten heel wat vliegtuigen aan de grond blijven. Dat betekent drommen mensen die op de luchthaven staan te wachten op informatie, op nieuwe vluchten, op een plek om te overnachten.
Luchtvaartmaatschappijen zetten steeds vaker AI-agents in voor ‘zo’n piekmoment’, weet Van Leuken. Zo’n agent kijkt wie er allemaal geraakt zijn door het cancelen van al die vluchten. Boekt een aantal vluchten meteen om, maar voor andere lukt dat niet. Voor die passagiers wordt gezocht naar een plek om te overnachten.
‘De AI-agent gaat dan ook zelf communiceren met AI-agents van grote hotelketens. Zo van: ik moet 130 mensen kwijt in een straal van 20 kilometer rond de luchthaven. Wat kun jij voor ons betekenen? Bij de afhandeling van dat soort situaties zien we die agents echt enorm opkomen.’
Randstad begint in de VS
Randstad begint in de VS met het koppelen van de AI-rekruteringsagent van Workday aan de miljoenen kandidaten in hun bestand. Löhmar legt uit dat AI nu al zorgt voor het matchen van kandidaten aan vacatures. De AI-agent helpt bij het beschrijven van vacatures, zorgt dat die op de verschillende websites komen te staan en screent kandidaten.
‘De agent monitort ook of er al voldoende sollicitanten zijn voor de volgende stap. Maakt een ranking, vraagt of er iemand uitgenodigd moet worden voor een interview. Als het gesprek heeft plaatsgevonden, hoe zit het met de feedback van de manager? Het gaat eigenlijk niet om al die verschillende taken, maar om het stroomlijnen van het hele proces.’
Löhmar is ook enthousiast over de AI-agent die businessprocessen onder de loep neemt. ‘Voor veel bedrijven zijn die processen niet echt op de juiste manier geconfigureerd. Onze AI-agent zal dit dus proactief oppikken, ze onder de aandacht brengen, aanbevelingen geven voor een andere manier van configureren of andere implementaties.’
Andere toepassingen
- AI-agents worden ingezet voor het ontwikkelen van software, ze schrijven code, kunnen uit de voeten met commando’s en browsen op het web.
- Ze klussen wat af in de klantenservice. Als bijvoorbeeld bestellingen worden veranderd, regelen ze nieuw transport en storten eventueel geld terug.
- Voor marketing en sales identificeren ze mogelijke klanten, beoordelen ze leads, maken analyses van campagnes, maar ook content in 28 talen.
- AI-agents ploegen duizenden juridische documenten door, splitsen zaken op, coördineren en zorgen voor compliance over verschillende rechtsgebieden.
- In de financiële wereld zorgen ze voor marktanalyses, doen ze aanbevelingen voor investeringen en managen ze heel eenvoudige portfolio’s.
- Wetenschappelijk literatuuronderzoek is minutenwerk voor ze, maar ze ontwerpen ook protocollen, voorspellen uitkomsten van experimenten en verfijnen resultaten.
- De boekhouding wordt dan weer geholpen met de salarisadministratie, de contracten met leveranciers, de financiële audits.
#4 Wat kunnen AI-agents nog niet?
‘We staan nog maar aan het begin’, benadrukt Löhmar. Het potentieel van AI-agents is dan wel enorm, maar niet eindeloos. ‘Puur menselijke vaardigheden, zoals creatief zijn, het vermogen om samen te werken, het inlevingsvermogen, daar kan AI de komende jaren echt niet tippen aan mensen.’
Van Leuken vraagt bedrijven om na te denken wat ze zouden doen, wanneer ze een beroep kunnen doen op een ‘ongelimiteerde’ werkkracht. ‘Denk niet aan de e-mail die AI voor je kan schrijven, dat kan een taalmodel nu al. Denk veel meer outside the box. Wat zou je dan willen ondernemen?’
‘Veel bedrijven komen daar nu niet aan toe, omdat ze daar praktisch gewoon niet de beschikbare capaciteit voor hebben.’ Een arts kan niet elke dag alle patiënten bellen om te vragen hoe het gaat. Daar is geen tijd voor. ‘Een AI-agent kan wel continu monitoren hoe het gaat na de operatie, met de revalidatie of met de medicatie. En als er een zorgelijke situatie ontstaat, kan die agent ook de arts inschakelen.’
Lees ook: Niemand praat over de hoge prijs die we voor AI betalen
#5 Hoe worden ze in toom gehouden?
AI-agents zorgen ook voor een juridisch mijnenveld. Als straks honderden AI-agents samenwerken, wie is dan verantwoordelijk als er iets misloopt? Workday heeft daar net een governance oplossing voor gelanceerd, vertelt Löhmar.
Eén centraal systeem dat alle AI-agents in de gaten houdt, ook die van andere partijen. ‘Ze worden geregistreerd. Wat is hun identiteit, wat is hun rol, wat kunnen ze echt doen, hoe werken ze samen?’
Maar het gaat ook over veiligheid, ethiek, regulering en compliance, over de data waar ze toegang tot hebben, welke taken ze zelfstandig mogen uitvoeren, hoe ze die uitvoeren en hoe de gebruikers en de klanten dat ervaren, somt hij op. ‘Het is heel belangrijk om alles te loggen wat die AI-agents doen, zodat daar volledige transparantie op is.’
Mens aan het roer
Wat staat de mens toe, vult Van Leuken aan. ‘Er zijn veel mogelijkheden om instructies te geven, de scope te beschrijven van wat wel en niet mag, hoe de AI-agent zich dient te gedragen, om vangrails in te stellen. De mens staat altijd aan het roer.’
‘Veel van onze klanten hebben allerlei beleidsdocumenten, waaraan ook hun werknemers moeten voldoen. Hoe ze zich naar klanten opstellen, hoe ze communiceren, wat toelaatbaar geacht wordt. Die documenten worden eveneens ter beschikking gesteld aan de AI-agent. Die agent handelt dan ook volgens de protocollen en de waarden van het bedrijf.’
#6 Hoe succesvol zijn ze al?
Voor sterke businesscases die al jaren draaien, is het nog wat te vroeg. Maar er zijn wel wat cijfertjes te vinden. De rekruteringsagent van Workday heeft vorig jaar meer dan 700.000 vacatureaanvragen verwerkt. De wervingscapaciteit van klanten is daardoor met gemiddeld 54 procent toegenomen.
Een AI-agent van Salesforce behandelt voor hun onlinehelppagina ongeveer 32.000 klantgesprekken per week. Het oplossingspercentage bedraagt 83 procent. Slechts 1 procent van de klanten wil nog met een mens spreken.
Enkele anonieme resultaten van het AI-platform van Google: een telecombedrijf ziet het volume voor het callcenter met 40 procent dalen, bij een maakbedrijf zakken de doorlooptijden van de voorraad met 20 procent en bij een financiële instelling raken vacatures 30 procent sneller ingevuld.
Lees ook: Is Nederland blind voor de donkere kant van AI?
Onderzoekers zijn minder positief
Wie voorbij de marketinghype kijkt, ziet ook een ander verhaal. Bij AI-agents is het nog altijd oppassen geblazen voor ingebakken vooroordelen, slechte kwaliteit van data of kleine foutjes die gigantisch kunnen worden opgeschaald.
Wetenschappers van Apple hebben vorig jaar onderzoek gedaan naar de accuraatheid van de nieuwste taalmodellen van Meta en OpenAI. Ze hebben die eenvoudige wiskundige vragen gegeven.
Niveau basisschool, maar met een addertje onder het gras, namelijk afwijkende informatie. Een van die vragen luidt als volgt: Oliver plukt 44 kiwi’s op vrijdag en 58 kiwi’s op zaterdag. Op zondag plukt hij twee keer zoveel kiwi’s als op vrijdag.
Vijf van die kiwi’s zijn een beetje kleiner dan gemiddeld. Hoeveel kiwi’s heeft Oliver? Meer dan twintig taalmodellen blijken die vijf kleine kiwi’s af te trekken van het totaal. Ze begrepen de vraag dus eigenlijk niet.
Fragiel kaartenhuis
De onderzoekers concluderen dat ze ‘geen bewijs hebben gevonden van logisch redeneren’. De antwoorden zijn eerder het resultaat van ‘het matchen van patronen’. Ze vergelijken de taalmodellen met een fragiel kaartenhuis, omdat alleen al het ‘veranderen van namen de resultaten kan veranderen’.
Onderzoekers van de Amerikaanse Cornell University hebben vorig jaar AI-agents getest in TheAgentCompany, een fictief softwarebedrijf. Compleet met interne websites, documenten, projectbeheer en een chatplatform voor medewerkers.
De AI-agents hebben realistische taken gekregen, van coderen en projectbeheer tot financiële analyse en HR-taken. Ze moeten op het web surfen, programma’s uitvoeren en communiceren met gesimuleerde collega’s om klussen te klaren.
Kloof is nog niet gedicht
De best presterende AI-agent voert 24 procent van de taken met succes zelfstandig uit. De agenten blinken uit in software-engineering, ze doen het ook beter dan verwacht met eenvoudige administratieve of financiële taken. Maar met het browsen door complexe websites, of het navigeren door officepakketten, heeft de agent veel moeite.
Soms speelt de AI-agent ook vals om de moeilijke onderdelen van een taak te skippen. Het onderzoek ‘onthult een kritieke kloof tussen de huidige AI-capaciteiten en de complexiteit van echt werk’.
Lees ook: Topvrouw Cisco wil dat werkvloer beter voorbereid wordt op AI
