Met de opkomst van AI komen er allerlei termen om de hoek kijken die te maken hebben met kunstmatige intelligentie, maar die nog wel wat uitleg kunnen gebruiken. Zo zijn er bijvoorbeeld AI-modellen en AI-agenten, maar wat zijn de verschillen en hoe gebruik je zoiets nou in de organisatie?
Om te begrijpen wat een AI-agent is, is het eerst belangrijk om te weten wat een AI-model is. Zo’n model, of soms meerdere modellen bij elkaar, vormt namelijk de basis voor zo’n ‘agent’. AI-modellen zijn er in allerlei vormen en maten, met elk hun unieke eigenschappen. Sommige zijn vooral goed in het voeren van gesprekken of genereren van teksten en met andere AI-modellen creëren gebruikers weer afbeeldingen in een handomdraai na het ingeven van een prompt.
Modellen als ChatGPT van OpenAI, Claude van Anthropic of Gemini van Google zijn simpelweg programma’s of algoritmes die zijn getraind met grote hoeveelheden data. Daardoor is het mogelijk voor zulke modellen om patronen te herkennen en te leren, waardoor ze specifieke taken kunnen uitvoeren. Daarnaast worden AI-modellen gebruikt om voorspellingen te doen of beslissingen te nemen, waarbij de menselijke tussenkomst minimaal is.
En wat is dan precies een AI-agent?
Een AI-agent maakt dus gebruik van AI-modellen, die je kunt zien als bouwstenen voor het grotere geheel. Daarbij kan een agent ook weer gebruikmaken van verschillende ‘modules’, vaak ook componenten of subsystemen genoemd. Modules die een geheel vormen, oftewel een systeem, wordt ook wel omschreven als agent-architectuur.
In het algemeen zijn er vier tot vijf kernmodules aanwezig bij elke AI-agent, die worden aangevuld met gespecialiseerde modules. Je kunt onder andere denken aan standaardmodules voor perceptie, redenatie, geheugen, plannen of actiegerichtheid. Specialistische ‘bouwstenen’ zijn onder andere in te zetten om te communiceren met andere AI-agenten (of menselijke gebruikers) of om een extra beveiligingslaag toe te voegen waardoor een agent binnen de ethische en veilige grenzen blijft.
Het grootste verschil tussen een AI-model en AI-agent is autonomie. Een agent kan namelijk zelfstandig beslissingen nemen zonder tussenkomst van een mens, biedt interactie met de omgeving, kan taken plannen en actie ondernemen om zo een doel te bereiken.
AI-agenten verzamelen gegevens uit hun omgeving met behulp van data-invoer of bijvoorbeeld bronnen als microfoons en camera’s. Die gegevens worden vervolgens gebruikt om de volgende stappen te bepalen die nodig zijn om het gestelde doel te bereiken. Daarvoor moeten wel bepaalde acties worden uitgevoerd, bijvoorbeeld het besturen van een systemen of het versturen van specifieke berichten. Zo worden de gestelde doelen gerealiseerd, waarbij de AI-agent zelf kiest wat er voor stappen nodig zijn om die doelen te bereiken.
Om het nog lastiger te maken, moet je niet alleen naar de naam kijken van een AI-model of AI-agent om te bepalen waar je mee te maken hebt. Het is namelijk zo dat bijvoorbeeld Claude en Copilot beide functies vervullen. Zo is Claude een AI-model, maar als je er gebruik van maakt kun je de stempel AI-agent juist weer gebruiken.
Inzet AI-agenten in bedrijven
Dat terzijde, AI-agenten worden steeds meer gebruikt in verschillende bedrijfstakken. Zo kun je denken aan klantenservices, waarbij chatbots en virtuele assistenten ook ingezet kunnen worden bij complexe vraagstukken van klanten. In de gezondheidszorg kunnen agenten bijvoorbeeld worden ingezet bij de analyse van medische dossiers en het zoeken op onvolkomenheden daarin. Daarnaast kun je denken aan het optimaliseren van behandelplannen of de ondersteuning van artsen bij besluitvorming.
In de IT- en softwareontwikkeling kunnen agenten onder andere helpen bij incidentbeheer en systeembewaking, maar ook bij de implementatie van code. Bij financiële organisaties worden AI-agents al veel gebruikt voor het geven van gepersonaliseerde financiële adviezen, fraudedetectie of het beoordelen van kredieten. Ook in de retail- en marketingsector worden agenten al veel gebruikt, waarbij je kunt denken aan het personaliseren van de klantervaringen. In logistiek en supply chain management worden AI-agents ingezet om processen te automatiseren, inventarissen te plannen of het optimaliseren van routes.
Voor- en nadelen van AI-agenten
Er zijn verschillende voordelen, maar ook nadelen van de inzet van AI-agents in een organisatie te benoemen. Het grootste voordeel is misschien wel de verhoogde efficiëntie of productiviteit. Agenten worden niet moe, kunnen worden ingezet voor het automatiseren van repetitieve, tijdrovende taken en daardoor blijft er voor menselijke werknemers meer tijd over voor ingewikkelde, creatieve of bijvoorbeeld strategische taken.
De analyse van grote hoeveelheden gegevens, wordt tevens veel sneller uitgevoerd door een AI-agent dan mensen dat kunnen. Ook qua inzichten of aanbevelingen werkt een agent fijner, waardoor er beter beslissingen kunnen worden genomen. Het kan kosten besparen op operationeel gebied om zo’n agent in te zetten, want er is minder handmatige arbeid benodigd. AI-agents zijn goed in te zetten wanneer dat nodig is, waarmee de schaalbaarheid veel fijner is dan met menselijk personeel. Naast het kunnen inschakelen op piekmomenten, zijn ze ook nog eens 24/7 beschikbaar, wat een grote plus is voor de uptime van een dienst.
Als je als bedrijf AI-agenten wil inzetten, moet je je wel bewust zijn van verschillende heikelpunten. Zo is de implementatie van AI-agents gekoppeld aan benodigde investeringen, die vaak niet mals zijn. Tevens is het in gebruik nemen van zo’n AI-agent een complex proces, waarbij je de juiste (dure) expertise nodig hebt.
Er wordt gewerkt met bedrijfsgevoelige informatie, dus je moet altijd opletten op misbruik en datalekken. Net als bij de inzet van AI-browsers in een organisatie spelen ethiek en bias tevens een belangrijke rol. Waarom een agent een bepaalde keuze maakt is niet altijd hetzelfde als een mens gedaan zou hebben. Tevens kan het zo zijn dat de gebruikte dataset, waarmee de gebruikte AI-modellen zijn getraind, onbedoeld vooroordelen kan bevatten. Wordt zo’n agent gebruikt bij besluitvorming, dan kan dat leiden tot onjuiste resultaten.
Het automatiseren van taken kan ervoor zorgen dat specifieke mensen niet meer nodig zijn of omgeschoold moeten worden. Tot slot zijn AI-agenten niet in staat om menselijke empathie na te bootsen, waardoor ze niet voor elke taak de juiste oplossing zijn.