Wanneer is een proces geschikt voor een AI-agent?

Niet elk proces wordt beter van een AI-agent. Sommige processen zijn te vaag, te politiek of te risicovol voor een eerste toepassing. Andere processen zijn juist geschikt omdat ze vaak terugkomen, genoeg context hebben en duidelijke grenzen kennen. De kunst is niet om de spannendste use case te kiezen. De kunst is om het eerste proces te kiezen waar een agent veilig werk kan raken.

De vijf signalen dat een proces geschikt is voor een agent

Een proces is meestal geschikt voor een AI-agent wanneer vijf dingen tegelijk kloppen.

Het eerste signaal is herhaling. Werk dat één keer per kwartaal gebeurt, is zelden een goed startpunt. Werk dat dagelijks of wekelijks terugkomt, geeft genoeg volume om te testen, corrigeren en verbeteren. Denk aan supporttickets, orderafwijkingen, finance controles, rapportagevoorbereiding of terugkerende documentchecks.

Het tweede signaal is context. Een agent moet iets kunnen weten over de situatie. Dat kan uit een CRM, ERP, ticketingsysteem, inbox, spreadsheet, kennisbank of documentmap komen. Als alle relevante kennis alleen in het hoofd van één medewerker zit, is het proces nog niet klaar.

Het derde signaal is een duidelijke output. De agent moet weten wat goed werk betekent. Prioriteit bepalen, een samenvatting maken, een afwijking markeren, een voorstel doen of een case klaarzetten voor review zijn duidelijke outputs. "Help ons slimmer werken" is dat niet.

Het vierde signaal is een eigenaar. Iemand moet kunnen zeggen: dit klopt, dit klopt niet, dit moet anders. Zonder eigenaar wordt feedback willekeurig. Dan verbetert de agent niet.

Het vijfde signaal is begrensd risico. Een eerste agent moet kunnen stoppen, escaleren of goedkeuring vragen. Als elke fout direct geld kost, klantimpact heeft of rechten wijzigt, moet menselijke controle vooraf in het ontwerp zitten.

De drie signalen dat het te vroeg is

Een proces is te vroeg voor een AI-agent wanneer niemand het proces kan uitleggen. Als medewerkers elke keer anders werken en er geen eigenaar is, bouw je geen agent. Je bouwt verwarring in software.

Het is ook te vroeg wanneer de data niet bereikbaar is. Dat betekent niet dat alle data perfect moet zijn. Het betekent wel dat de agent de minimale context moet kunnen lezen: tickets, orders, klantrecords, documenten, regels of historische beslissingen.

Het derde waarschuwingssignaal is onduidelijk risico. Als niemand weet wanneer een mens moet meekijken, wordt de eerste versie te gevaarlijk of te voorzichtig. Beide zijn slecht. Te gevaarlijk komt niet door review. Te voorzichtig raakt geen werk.

McKinsey benadrukt bij agentic AI dat organisaties niet alleen naar technologie moeten kijken, maar ook naar workflows, data en operating model. Voor kleinere en middelgrote bedrijven is dat geen reden om groot te starten. Het is juist reden om smal te starten met één proces waar die onderdelen zichtbaar zijn.

Hoe je het klein genoeg maakt voor een eerste build

Een geschikt proces hoeft niet in één keer volledig geautomatiseerd te worden. De eerste agent kan een deel van het werk doen.

Bij support kan de eerste versie tickets lezen, samenvatten en prioriteit voorstellen. Bij finance kan de agent afwijkingen markeren en bewijsstukken klaarzetten. Bij operations kan hij orderuitzonderingen groeperen en de waarschijnlijke oorzaak tonen. Bij planning kan hij signaleren welke cases aandacht nodig hebben.

Dat klinkt minder ambitieus dan een volledig autonome agent. Maar het is veel bruikbaarder. Je ziet waar de context tekortschiet, welke uitzonderingen terugkomen en welke beslissingen mensen niet willen uitbesteden.

Een goede eerste build heeft daarom een scherpe zin:

"De agent doet X, op basis van Y, en vraagt om menselijke goedkeuring bij Z."

Als die zin niet te schrijven is, is het proces nog niet scherp genoeg.

Wat een Quickscan hierover moet opleveren

Een Quickscan moet niet eindigen met een lijst van AI-ideeën. Hij moet per proces aangeven of het geschikt is voor een agent en waarom.

De output hoort minimaal te laten zien:

• hoe vaak het proces voorkomt;
• welke input en systemen nodig zijn;
• wie eigenaar is;
• welke output de agent moet leveren;
• waar de agent moet stoppen;
• welke acties goedkeuring nodig hebben;
• wat de kleinste bruikbare eerste versie is.

Daarna kun je kiezen: bouwen, kleiner maken, eerst data ontsluiten of het proces bewust laten liggen.

Dat laatste is geen mislukking. Het is vaak het bewijs dat je serieus naar implementatie kijkt. Agentic AI wordt pas waardevol wanneer het proces het systeem kan dragen.