AI-agents voor bedrijven: wat ze zijn en wat ze opleveren

Het verschil met een chatbot, in één zin

Een chatbot praat, een agent doet. Dat klinkt als een marketingzin, maar het onderscheid is praktisch. Vraag een chatbot hoe je een offerte opstelt en je krijgt een keurige uitleg in zes stappen die je daarna zelf uitvoert. Geef een agent dezelfde opdracht en hij haalt de klantgegevens uit je CRM, zoekt de juiste prijzen erbij, vult je offertesjabloon in en zet het concept klaar in je mail. De uitleg was gratis advies, het resultaat is werk dat af is.

Technisch zit het verschil in twee dingen: een agent heeft toegang tot gereedschap, zoals je mail, je agenda of je boekhouding, en hij mag meerdere stappen achter elkaar zetten zonder dat je hem tussendoor bijstuurt. Dat maakt hem nuttiger en tegelijk risicovoller, want een fout blijft niet in een chatvenster hangen maar landt in een systeem waar klanten hem zien. Wat een gewone chatbot wel en niet kan, lees je in beste AI-chatbot voor bedrijven.

Waar het in het mkb nu al werkt

De toepassingen die zich vandaag terugverdienen zijn opvallend saai, en dat is precies waarom ze werken. Het zijn taken met een duidelijk begin en einde, een vaste uitkomst en veel herhaling. Binnenkomende mail sorteren en van een concept-antwoord voorzien. Bonnetjes en facturen uitlezen en klaarzetten in de boekhouding. Offertes samenstellen uit vaste bouwstenen. Klantvragen beantwoorden die drie systemen raken, zoals de vraag waar een bestelling blijft.

Wat deze taken gemeen hebben: je kunt vooraf opschrijven wat goed is. Zodra dat niet lukt, zoals bij een klacht waar gevoel bij komt kijken of een offerte voor maatwerk, is de agent de verkeerde keuze. De vuistregel die wij bij klanten hanteren: kun je het proces in tien regels uitleggen aan een nieuwe medewerker, dan kan een agent het waarschijnlijk aan. Heb je er een gesprek van een half uur voor nodig, dan niet.

• Mail sorteren, labelen en van een concept-antwoord voorzien
• Facturen en bonnetjes uitlezen en klaarzetten in de boekhouding
• Offertes samenstellen uit vaste bouwstenen en actuele prijzen
• Statusvragen van klanten beantwoorden over meerdere systemen heen
• Nieuwe leads verrijken en in het juiste hokje in je CRM zetten

Wat het kost en wat het oplevert

De kosten vallen uiteen in drie posten. De bouw van het proces, eenmalig, doorgaans vanaf 1.500 euro per proces. Het verbruik van het AI-model, wat per taak vaak neerkomt op centen tot enkele tientallen centen. En het beheer, want een agent die aan je systemen hangt heeft onderhoud nodig zodra die systemen veranderen. Die laatste post wordt het vaakst vergeten en is precies de reden dat losse experimenten na een paar maanden stilvallen.

Aan de opbrengstkant reken je niet in bespaarde uren maar in doorlooptijd en fouten. Een offerte die binnen een uur de deur uit gaat in plaats van na twee dagen wint aantoonbaar vaker. Facturen die dezelfde dag zijn geboekt geven een actueler beeld van je cijfers. Dat zijn de effecten die blijven, ook als de tijdsbesparing tegenvalt omdat je de output nog controleert. Een bredere rekensom voor tien processen staat in AI voor het mkb.

De risico's die je vooraf afdekt

Een agent die mag handelen kan ook fout handelen, en dat is een ander soort risico dan een chatbot die onzin vertelt. Drie dingen regel je daarom voordat je live gaat. Ten eerste: grenzen aan wat hij mag. Lezen is veilig, wijzigen is riskant, verzenden naar buiten is het riskantst. Begin met lezen en voorbereiden, en laat het definitieve verzenden bij een mens tot je maanden foutloos draait.

Ten tweede: een spoor van wat er is gebeurd. Je wilt achteraf kunnen zien welke stappen zijn gezet en op basis waarvan, anders kun je een fout niet herleiden en dus niet repareren. Ten derde: de AVG. Een agent die klantgegevens verwerkt valt gewoon onder de privacywetgeving, dus je legt vast welke gegevens waar terechtkomen en sluit een verwerkersovereenkomst met je leverancier. Dat is geen formaliteit maar de reden dat een project bij de accountant of je grootste klant alsnog sneuvelt.

Zo begin je zonder geld te verbranden

Kies één proces, en het liefst een saai proces met veel herhaling en weinig uitzonderingen. Meet eerst wat het nu kost aan tijd en doorlooptijd, want zonder nulmeting kun je achteraf niet hardmaken of het iets heeft opgeleverd. Bouw daarna de kleinst mogelijke versie die echt iets afmaakt, laat hem een maand meelopen naast de huidige werkwijze, en beslis dan pas of je uitbreidt.

Wat je niet moet doen is beginnen met het proces dat het meeste pijn doet. Dat is bijna altijd het proces met de meeste uitzonderingen, precies waar een agent op stukloopt, en een mislukking daar kost je het draagvlak voor alle volgende stappen. Begin klein, laat het werken, en gebruik dat resultaat om intern ruimte te maken. Wil je weten welke processen zich bij jou lenen, dan brengen we dat in kaart in een AI-consultancytraject, inclusief een eerste werkende automatisering.