Ontwikkeling van agents gaat sneller dan je denkt 

Nog geen jaar geleden ging het tijdperk van de AI-agent serieus van start, maar de ontwikkelingen zijn nu al bijna niet meer bij te houden. Misschien ben je net pas begonnen met je AI-activiteiten en ben je nog aan het uitzoeken hoe een agent je ROI kan verbeteren. Hoe dan ook kun je het gevoel krijgen dat je al veel hebt gemist als je hoort over de geavanceerde implementaties van sommige ondernemingen. Toch is het traject naar complexe orkestraties minder overweldigend dan je misschien denkt. 

Bij de ontwikkeling van agents gaat het om het totale effect, waarbij het ene niveau overloopt in het volgende. Het is bovendien geen rechtlijnig traject. Zelfs als je autonome agents hebt geïmplementeerd, is de kans groot dat je nog steeds eenvoudige, informatieverzamelende agents nodig hebt om basistaken uit te voeren.

Om je te helpen met de planning van je AI met agents, hebben we een model voor ontwikkeling van agents van vier niveaus samengesteld. Laten we dat eens bekijken.

Niveau 1: agents die informatie verzamelen

Agents van niveau 1 kunnen informatie verzamelen en aanbevelingen doen. Dit kan bijvoorbeeld een agent zijn die klanten helpt via een externe website, of een interne agent die medewerkers ondersteunt bij hun werkzaamheden. Stel dat je met een klant hebt afgesproken voor een etentje, maar je weet niet meer precies wat het onkostenbeleid van je bedrijf is. Een medewerkersagent kan dan snel het beleid doorzoeken en aangeven hoeveel je mag uitgeven en of alcohol wordt vergoed. De agent kan je zelfs herinneren om na afloop van het etentje de onkosten te declareren.

Een agent voor klanten functioneert op een vergelijkbare manier en helpt je bij het oplossen van eenvoudige problemen. Stel je voor dat een klant van een luchtvaartmaatschappij informatie opvraagt over het annuleringsbeleid van een vliegticket. Mogelijk is de klant lid van het waarderingsprogramma. Een agent kan kennisartikelen doorzoeken en toegang krijgen tot CRM-records om de juiste annuleringsinformatie te verstrekken op basis van de status van de klant. Ook kan de agent de klant eraan herinneren om het loyaliteitstegoed binnen een bepaalde periode te gebruiken.      

Deze use cases klinken misschien eenvoudig, maar agents van niveau 1 leveren je bedrijf enorm veel meerwaarde op en vormen de basis voor meer geavanceerde implementaties. Dit is de fase waarin bedrijven hun algehele AI-strategie bepalen, governance en regels opzetten en beginnen met het samenbrengen van meerdere databronnen.

Op niveau 1 gebruikt je agent de Atlas Reasoning Engine om de intentie van de gebruiker te begrijpen en te classificeren en om de informatie op te halen die nodig is om de vraag van de gebruiker te beantwoorden. Maar wat als we willen dat onze agent de volgende logische stap zet en een nieuwe vlucht voor ons moet boeken?

Niveau 2: eenvoudige orkestratie, één domein

Vanaf niveau 2 laten agents zien waartoe ze werkelijk in staat zijn. Op niveau 1 konden ze al informatie ophalen en aanbevelen, maar op niveau 2 kunnen agents ook handelen op basis van de gevonden data en autonoom taken met een lage complexiteit uitvoeren. Op niveau 2 kan je agent dus acties orkestreren, zoals accountdata samenvatten en een vlucht annuleren. 

Laten we even teruggaan naar het voorbeeld van de luchtvaartmaatschappij. Onze agent van niveau 1 kon vragen over het annuleringsbeleid van tickets beantwoorden en de loyaliteitsstatus van de klant bepalen, maar we moesten nog steeds zelf de annulering verwerken en een alternatieve vlucht boeken. Een agent van niveau 2 kan dat allemaal voor ons doen. Deze agent kan dus gebruikmaken van statische kennisartikelen, maar ook via een API direct verbinding maken met het reserveringssysteem van de luchtvaartmaatschappij en een nieuw vliegticket voor onze klant boeken. 

Achter de schermen werken bedrijven met ontwikkeling van agents van niveau 2 aan schaalvergroting: ze stemmen hun AI-strategie af op de belangrijkste bedrijfsdoelstellingen en implementeren acties om het hele bedrijf te leren omgaan met AI. In dit stadium zijn formele governance en goed gedefinieerde beveiliging en privacybescherming essentieel, omdat agents steeds meer toegang en autonomie krijgen en de basis leggen voor hun ontwikkeling op niveau 3.  

Level 3: complexe orkestraties, meerdere domeinen

Waar de acties op niveau 2 nog eenvoudig zijn, maken we het op niveau 3 een stuk complexer voor onze agents. Een agent van niveau 3 levert service op conciërgeniveau en orkestreert end-to-end workflows met geharmoniseerde data voor meerdere domeinen. Deze agents kunnen zelfstandig redeneren, de beste vervolgacties bepalen en hun plan uitvoeren. En dat allemaal zonder directe menselijke bemoeienis.

In ons voorbeeld met de luchtvaartmaatschappij kon de agent van niveau 2 zelfstandig een vliegticket annuleren en zelfs een nieuwe vlucht boeken. Maar wie regelmatig vliegt, weet dat de volgende stap in deze workflow misschien wel de belangrijkste is: de stoelkeuze. Laten we eens naar onderstaand voorbeeld kijken:  

Omdat onze agent al toegang heeft tot het CRM-record van de klant, kan de agent zien dat deze diens stoel doorgaans upgradet naar premium. Op basis van deze informatie biedt de agent proactief een upgrade naar een stoel aan het gangpad aan. Deze upsell wordt dynamisch ‘getriggerd’ door de unieke CRM-data van de klant. Stel je nu eens voor dat uit de klantgegevens blijkt dat de klant graag via Brussels Airport reist. Dankzij de door acties getriggerde functionaliteit biedt de agent een hierop afgestemd vluchtplan aan, indien dit beschikbaar is.  

Maar de agent is nog niet klaar. We moeten de klant nog wel laten betalen voor de upgrade. Op niveau 2 beperkte de agent zich nog tot een enkel domein (reserveringen). Op niveau 3 kan de agent echter meerdere systemen gebruiken om de transactie te voltooien, inclusief de facturering. Natuurlijk vereist deze extra toegang ook een betere beveiliging. In bovenstaand voorbeeld gebruikt de Einstein Vertrouwenslaag automatisch data-anonimisering om het creditcardnummer van de klant te maskeren. 

Een ontwikkeling van agents naar niveau 3 is op dit moment het meest geavanceerde niveau, maar we kunnen wel alvast bekijken wat er in de toekomst met niveau 4 mogelijk zou kunnen zijn.

Niveau 4: orkestraties met meerdere agents

Voor niveau 4 is het doel een actief ecosysteem van AI-agents die naadloos samenwerken met andere agents in afzonderlijke tech stacks. Het is belangrijk om te weten dat nog niemand deze fase van ontwikkeling van agents heeft bereikt. Dat komt vooral doordat de open standaarden die hiervoor nodig zijn, pas sinds kort vorm beginnen te krijgen.   

Om te schetsen hoe dit eruit zou kunnen zien, grijpen we terug op ons voorbeeld met de luchtvaartmaatschappij. Onze agent van niveau 3 heeft de klant met succes geüpgraded naar een stoel aan het gangpad en dit op dient creditcard in rekening gebracht. Maar hoe kunnen we nog een stapje verdergaan met deze interactie? 

De meeste reizigers nemen na de landing een taxi naar hun eindbestemming. Het is dus heel goed voor te stellen dat agents van niveau 4 in de nabije toekomst automatisch contact maken met de agent van een taxibedrijf om reizigers in de aankomsthal op te vangen. Ze zouden zelfs contact kunnen zoeken met de agent van het hotel om ervoor te zorgen dat de kamer klaar is als de klant wil inchecken.

Deze visie op interoperabiliteit en onderlinge afstemming van agents lijkt misschien toekomstmuziek, maar bedenk eens hoe snel we de eerste drie ontwikkelingsniveaus van agents al hebben gerealiseerd. Als de innovaties zich net zo snel blijven aandienen als de afgelopen jaren, is deze mogelijkheid misschien dichterbij dan we denken. Begin vandaag nog aan je traject met agents. Je kunt meteen aan de slag met een agent van niveau 1 en beginnen met het automatiseren van dagelijkse processen. Blijf je agents vervolgens ontwikkelen en verzamel feedback. Voor je het weet heb je je Agentforce terugverdiend!