Wanneer is een proces geschikt voor een AI-agent?

Niet elk bedrijfsproces 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, context nodig hebben en duidelijke grenzen kennen.

De kunst is niet om de spannendste AI use case te kiezen. De kunst is om het eerste proces te kiezen waar een agent veilig werk kan raken.

De korte beslisregel

Een proces is geschikt voor een AI-agent wanneer het terugkerend is, context uit systemen of documenten nodig heeft, een duidelijke output heeft, beoordeeld kan worden door een eigenaar en veilig kan stoppen bij onzekerheid.

Als je die zin niet voor een proces kunt invullen, is het proces waarschijnlijk nog niet klaar.

De scorecard voor AI use case selectie

Gebruik deze scorecard voordat je een agent laat bouwen.

1. Herhaling

Een proces dat een keer per kwartaal gebeurt, is zelden een goed startpunt. Een proces dat dagelijks of wekelijks terugkomt, geeft genoeg volume om te testen, corrigeren en verbeteren.

Sterke signalen:

• dezelfde taak komt vaak terug;
• medewerkers gebruiken vergelijkbare stappen;
• fouten of vertragingen stapelen zich op;
• het proces kost structureel aandacht van ervaren mensen.

Voorbeelden zijn tickets triageren, orderafwijkingen beoordelen, finance controles voorbereiden, rapportages maken of documenten toetsen aan interne regels.

2. Context

Een AI-agent moet iets kunnen weten over de situatie. Die context kan komen uit CRM, ERP, ticketing, inbox, spreadsheets, documenten, kennisbanken of eerdere beslissingen.

Verspreide data is normaal. Onbereikbare data is een probleem.

Een proces is sterker wanneer:

• de minimale bronnen bekend zijn;
• de agent actuele records kan lezen;
• interne regels of voorbeelden beschikbaar zijn;
• onzekerheid zichtbaar gemaakt kan worden.

Als alle kennis alleen in het hoofd van een medewerker zit, moet je eerst die kennis expliciet maken.

3. Duidelijke output

De agent moet weten wat hij moet opleveren.

Goede outputs:

• prioriteit bepalen;
• samenvatting maken;
• afwijking markeren;
• vervolgstap voorstellen;
• bewijsstukken klaarzetten;
• conceptantwoord voorbereiden;
• rapportage-afwijkingen signaleren.

Slechte outputs:

• "help ons slimmer werken";
• "automatiseer support";
• "maak finance efficienter";
• "doe iets met onze data".

Zonder duidelijke output kun je geen kwaliteit meten.

4. Eigenaarschap

Een proces zonder eigenaar is geen goede eerste AI-agent. Iemand moet kunnen zeggen wat goed is, wat fout is en welke uitzonderingen belangrijk zijn.

De eigenaar hoeft niet technisch te zijn. Hij of zij moet wel feedback kunnen geven op:

• foute classificaties;
• ontbrekende context;
• verkeerde prioriteiten;
• onveilige voorstellen;
• uitzonderingen die terugkomen.

Zonder eigenaar wordt de agent een systeem waar iedereen iets van vindt en niemand verantwoordelijk voor is.

5. Begrensd risico

De eerste agent moet kunnen stoppen, escaleren of goedkeuring vragen. Vooral bij geld, klantimpact, rechten, persoonsgegevens en contractuele conclusies moet controle vooraf duidelijk zijn.

Een proces is sterker wanneer:

• fouten herstelbaar zijn;
• bedragen of impact begrensd zijn;
• uitzonderingen herkenbaar zijn;
• menselijke goedkeuring logisch in de workflow past;
• er gelogd kan worden wat de agent heeft gedaan.

Wanneer een proces 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 alles perfect moet zijn. Het betekent wel dat de agent 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 juist zo voorzichtig dat hij geen werk raakt.

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

Hoe je een proces klein genoeg maakt

Een geschikt proces hoeft niet in een 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 rapportage kan hij afwijkingen signaleren voordat een mens de analyse afrondt.

Een goede eerste build heeft daarom een scherpe zin:

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

Voorbeelden:

• De agent leest inkomende tickets, gebruikt klant- en ordercontext en vraagt goedkeuring voordat een klantantwoord wordt verstuurd.
• De agent vergelijkt facturen met contractregels en escaleert bedragen boven een afgesproken grens.
• De agent groepeert orderuitzonderingen op oorzaak en zet alleen voorstellen klaar voor review.

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-ideeen. 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 vaak het bewijs dat je serieus naar implementatie kijkt. Agentic AI wordt pas waardevol wanneer het proces het systeem kan dragen.