Als iets me is opgevallen de afgelopen maanden, dan is het dat de wittebroodsweken van AI wel voorbij zijn. Natuurlijk helpen de ChatGPT’s van deze wereld ons regelmatig om ons werk te versnellen en te veraangenamen, maar je hoort ook steeds meer kritische geluiden. En dan heb ik het niet alleen over hallucinaties en het gebrek aan inclusiviteit, maar ook over opmerkingen als: ‘Oké, we experimenteren leuk met AI, maar waarom komt er weinig concreets uit?’
levensvatbaar
Dat zie je vaker: vol enthousiasme stort een organisatie zich op een nieuwe ontwikkeling of techniek, maar uiteindelijk wordt er nooit een levensvatbaar product opgeleverd. De reden is vaak het gebrek aan een goed plan en een doordachte procedure om iets op te leveren dat niet alleen werkt, maar ook blíjft werken, privacy serieus neemt, wordt gemonitord en - op basis van resultaten - kan worden bijgestuurd of teruggetrokken. Alleen met een doordacht plan dek je jezelf in tegen een debacle. Handboek AI-agents in de praktijk helpt je met zo’n plan als je zelf een agent wilt bouwen en inzetten.
eisen
Ik geloof namelijk niet dat het grootste risico van AI in de techniek zit. Die ontwikkelt zich razendsnel en veel tools worden elke maand beter. Het grootste risico zit in onze aanpak. We behandelen AI-agents te vaak als een proefje: even iets bouwen, even testen, even delen in een demo. Dat is leuk en soms zelfs nuttig, maar een agent die in een organisatie echte waarde levert, moet voldoen aan dezelfde eisen als ieder ander product: duidelijke doelen, verantwoordelijkheden, beheer, veiligheid en een route naar productie.
praktische werkwijze
Daarom is de kernboodschap van mijn boek simpel: zonder plan is succes eerder toeval dan resultaat. En met ‘plan’ bedoel ik geen dik document dat in een map verdwijnt. Ik bedoel een praktische werkwijze die je dwingt om de juiste keuzes te maken vóórdat je gaat bouwen, terwijl je ook al nadenkt over wat er ná de oplevering gebeurt.
In het handboek werk ik dat uit in een aanpak die je kunt gebruiken als checklist én als gesprekstool met collega’s uit business, IT, security, privacy en compliance. In deze preview geef ik alvast zes ankers die in vrijwel elk succesvol agentproject terugkomen.
Eén: begin bij het probleem, niet bij de mogelijkheden.
‘Een agent die e-mails beantwoordt’ klinkt aantrekkelijk, maar welk probleem los je op? Is de doorlooptijd te lang, is de kwaliteit wisselend, is de werkdruk te hoog? Als je het probleem scherp maakt, kun je ook bepalen welke taken je automatiseert en welke je bewust níet automatiseert.
Twee: definieer succes in meetbare termen.
Zonder meetlat kun je achteraf alles succes noemen. Spreek vooraf af wat je verwacht: tijdwinst, foutreductie, klanttevredenheid, lagere kosten, betere vindbaarheid of minder escalaties. Koppel daar randvoorwaarden aan, zoals een maximale foutmarge, verplichte controles of escalatie naar een medewerker.
Drie: ontwerp de agent als een proces, niet als een chatbot.
Veel mislukte agents zijn eigenlijk chatbots met een prompt. Een productieve agent heeft een workflow: stappen, beslismomenten, input en output én een duidelijk einde. Denk in taken als ophalen, vergelijken, samenvatten, voorstellen, uitvoeren en loggen. Een agent die ‘alles kan’, is in de praktijk vaak een agent die niets betrouwbaar kan.
Vier: regel de data, tools en grenzen.
Waar haalt de agent informatie vandaan? Welke bronnen zijn toegestaan? Welke systemen mag hij benaderen? Hoe voorkom je dat hij privédata naar buiten lekt of vertrouwelijke informatie gebruikt op een manier die niet mag? Hier komen prompts, RAG, toegangsbeheer en logging samen. Dit is ook het punt waarop veel pilots stranden, omdat de organisatie er pas dan achter komt dat de benodigde data niet op orde is.
Vijf: bouw veiligheid en kwaliteit in vanaf dag één.
Denk aan menselijke controle waar het moet, automatische checks waar het kan en altijd een noodrem. Laat een agent geen acties uitvoeren zonder duidelijke grenzen. Test met realistische scenario’s, inclusief uitzonderingsgevallen. En leg vast wat je doet als de agent het niet weet: stoppen, doorvragen of doorzetten met een waarschuwing.
Zes: maak beheer onderdeel van de oplevering.
Een agent die vandaag goed werkt, kan volgende maand slechter presteren door gewijzigde data, nieuwe regels, een aangepast model of veranderde processen. Daarom hoort monitoring erbij: prestaties, fouten, drift, gebruik, kosten en incidenten. En soms is de beste beslissing om een agent terug te trekken. Niet omdat AI faalt, maar omdat je professioneel omgaat met risico’s en opbrengsten.
brug tussen inspiratie en implementatie
Met dit soort afspraken voorkom je dat AI een speeltje blijft. Je bouwt iets dat waarde levert en dat je kunt verantwoorden. Dat is precies wat ik met Handboek AI-agents in de praktijk wil bereiken: een brug tussen inspiratie en implementatie, tussen ‘we hebben iets gebouwd’ en ‘het draait stabiel in productie’.
Ik heb het boek geschreven voor iedereen die AI-agents niet alleen wil uitproberen, maar echt wil inzetten: van product owners en innovators tot IT-teams, security, privacy en management. Als je één ding meeneemt uit deze preview, laat het dan dit zijn: de snelheid waarmee je kunt bouwen is indrukwekkend, maar de manier waarop je oplevert bepaalt of je er blijvend iets aan hebt.
Handboek AI-agents in de praktijk is bedoeld voor professionals die AI-agents niet als experiment, maar als volwaardig product willen inzetten. Het boek biedt houvast bij ontwerp, governance, veiligheid en beheer - van idee tot productie. Bestel het boek via Managementboek en zet de stap van ‘iets bouwen’ naar duurzaam resultaat.
Over Bob van Duuren
Bob van Duuren is oprichter en directeur van Van Duuren Media, uitgeverij van boeken over ict, fotografie, management en (populaire) psychologie. Hij schrijft al ruim 35 jaar boeken over een groot aantal computeronderwerpen, waarbij zijn affiniteit bij internet, programmeren, grafische toepassingen en AI ligt. Hij geeft sinds 2002 leiding aan Van Duuren Media.