Welke data heb je nodig voor AI-agents in bedrijfsprocessen?

Een AI-agent heeft niet alle data van je bedrijf nodig. Hij heeft de juiste context nodig voor één taak. Dat verschil lijkt klein, maar het bepaalt of een agent nuttig wordt of alleen algemene antwoorden geeft. In agentic implementatie gaat data niet over zoveel mogelijk bronnen aansluiten. Het gaat over de minimale context waarmee een agent veilig werk kan voorbereiden of uitvoeren.

Context is kleiner dan je denkt

Veel bedrijven denken dat eerst het hele datahuis op orde moet zijn. Dat is zelden waar. Voor een eerste agent heb je meestal geen perfecte enterprise data layer nodig. Je hebt genoeg betrouwbare context nodig voor één proces.

Voor support kan dat betekenen: tickettekst, klanttype, orderstatus, eerdere contacten en interne policy. Voor operations: orderregels, voorraadstatus, leveringsafspraken en uitzonderingsregels. Voor finance: facturen, bedragen, contractafspraken, goedkeuringsgrenzen en historische correcties.

De vraag is dus niet: "Welke data hebben we allemaal?"

De vraag is:

"Welke informatie heeft de agent nodig om deze taak goed genoeg voor te bereiden, en wanneer moet hij stoppen?"

Dat maakt de scope kleiner en beter testbaar.

De vijf soorten data die vaak nodig zijn

De eerste soort is procesdata. Dat zijn tickets, orders, taken, cases, documenten of aanvragen. Zonder procesdata weet de agent niet waar hij aan werkt.

De tweede soort is contextdata. Dat zijn klantgegevens, productinformatie, contractregels, accountstatus, voorraad, planning of historische communicatie. Contextdata bepaalt of een voorstel relevant is.

De derde soort is kennisdata. Denk aan interne werkinstructies, policies, handleidingen, uitzonderingsregels, juridische kaders of kwaliteitsnormen. Dit is vaak de data die nu in documenten, Slack-threads of hoofden van medewerkers zit.

De vierde soort is beslisdata. Dat zijn thresholds, prioriteitsregels, escalatiecriteria, goedkeuringslimieten en voorbeelden van eerdere beslissingen. Zonder beslisdata blijft de agent vaag.

De vijfde soort is feedbackdata. Correcties, goedkeuringen, afwijzingen en opmerkingen zijn nodig om te zien waar de agent beter moet worden.

IBM beschrijft AI-agents als systemen die kunnen plannen, tools gebruiken en acties nemen binnen een omgeving. Die omgeving is in een bedrijf bijna altijd gemaakt van systemen, documenten, rechten en regels. Een agent zonder die omgeving is geen operationele agent. Het is een interface met tekst.

Welke toegang een agent wel en niet moet krijgen

Toegang is belangrijker dan veel bedrijven denken. Een agent moet niet automatisch overal bij kunnen.

Begin met lezen, niet schrijven. Laat de eerste versie informatie ophalen, samenvatten, classificeren of voorstellen doen. Schrijfrechten komen pas later, en alleen waar de actie begrensd is.

Maak onderscheid tussen:

• lezen: informatie ophalen uit systemen;
• voorstellen: een actie of beslissing voorbereiden;
• klaarzetten: een concept of taak aanmaken;
• uitvoeren: een actie definitief doorzetten.

Elke stap heeft een ander risiconiveau. Een agent die een ticket samenvat, is niet hetzelfde als een agent die een klantmail verstuurt of een order wijzigt.

Daarom moet toegang rolgebaseerd zijn. De agent mag niet meer kunnen dan het proces nodig heeft. Als een medewerker bepaalde klantdata niet mag zien, moet de agent die data ook niet krijgen.

Hoe je begint zonder dat je hele datahuis perfect is

Een eerste agent kan vaak starten met imperfecte data, zolang de beperkingen bekend zijn.

Je kunt beginnen met exports, API-koppelingen, een beperkte database, een documentset of een handmatig aangeleverde dataset. Dat is niet ideaal voor de lange termijn, maar het kan genoeg zijn om te testen of de workflow klopt.

Wat niet werkt, is doen alsof rommelige data geen probleem is. Als orderstatussen inconsistent zijn, productnamen afwijken of policies elkaar tegenspreken, moet de agent dat niet verbergen. Hij moet onzekerheid kunnen tonen of escaleren.

NIST koppelt AI-risico aan betrouwbaarheid, transparantie en beheersing. In praktische termen betekent dat: weet welke bron is gebruikt, hoe actueel die bron is en wanneer de agent niet zeker genoeg is.

Een nuttige eerste build legt daarom vast:

• welke bronnen gebruikt zijn;
• hoe actueel ze zijn;
• welke velden ontbreken;
• welke aannames de agent maakt;
• welke cases naar mensen gaan.

Wat je vastlegt voor beheer

Een agent is geen eenmalige koppeling. Als processen, producten of regels veranderen, moet de context veranderen.

Leg daarom vanaf het begin vast wie eigenaar is van:

• brondata;
• interne regels;
• toegangsrechten;
• feedback;
• foutcorrecties;
• nieuwe uitzonderingen.

ISO/IEC 42001 benadert AI als managementsysteem. Voor een middelgroot bedrijf hoeft dat niet meteen een zwaar complianceprogramma te zijn. Het betekent wel dat beheer expliciet moet zijn.

Een agent die vandaag goed werkt, kan over drie maanden slechte voorstellen doen als policies veranderen, systeemvelden verdwijnen of medewerkers correcties niet terugkoppelen.

De minimale contextlaag voor een eerste agent bestaat daarom uit drie dingen: bronnen, rechten en feedback. Zonder bronnen heeft de agent geen context. Zonder rechten is hij onveilig. Zonder feedback wordt hij niet beter.

Daar begint agentic implementatie meestal echt.