Gepresenteerd door EdgeVerve
Voordat we het hebben over Global Business Services (GBS), moeten we even een stapje terug doen. Kan agentische AI, het type AI dat doelgericht actie kan ondernemen, niet alleen GBS transformeren, maar elke vorm van onderneming? En is dat al gebeurd?
Zoals bij veel nieuwe technologieën is de retoriek in dit geval de inzet voorbijgestreefd. Hoewel 2025 “het jaar van de agentische AI zou moeten zijn”, bleek dat niet zo te zijn, aldus Taryn Plumb, redacteur van VentureBeat. Steunend op de input van Google Cloud en het geïntegreerde ontwikkelomgeving (IDE)-bedrijf Replit, rapporteerde Plumb in een VentureBeat-bericht van december 2025 dat wat er ontbreekt zijn de fundamenten die nodig zijn om te kunnen opschalen.
Gezien de ervaring met generatieve (gen)AI op basis van het Large Language Model (LLM), is deze uitkomst niet verrassend. In een onderzoek uitgevoerd in februari 2025 Shared Services & Outsourcing Network (SSON)-topantwoordde 65% van de GBS-organisaties dat ze een GenAI-project nog moesten voltooien. Je kunt gerust zeggen dat de adoptie van de meer recentelijk gearriveerde AI zich nog in de kinderschoenen bevindt voor bedrijven, inclusief GBS.
De rol van agentische AI in Global Business Services
Er zijn niettemin goede redenen om ons te concentreren op het enorme potentieel van agentische AI en de toepassing ervan op de ABS-sector.
Ontdaan van alle hypes ontsluit Agentic AI mogelijkheden in de orkestratielaag van softwareworkflows die voorheen niet praktisch waren. Het doet dit via een reeks technieken, waaronder (maar niet vereist) LLM’s. Hoewel ondernemingen inderdaad bepaalde fundamentele zaken missen die nodig zijn om AI op grote schaal in te zetten, zijn deze voorwaarden niet buiten bereik.
Wat GBS en Global Capability Centers (GCC’s) betreft, deze hebben al een make-over ondergaan, van backoffice-uitbreidingen naar steeds strategischere zakelijke partners. Agentic AI is een natuurlijke match omdat een van de standaardgebruiksscenario’s betrekking heeft op IT-operaties of klantenserviceagenten, functionaliteit die al binnen het bestaande GBS- en GCC-stuurhuis ligt.
Dus ja, agentische AI zou de GBS-sector potentieel kunnen transformeren. Marktleiders kunnen het beste een stap verder gaan in de richting van een geschaalde implementatie door een methodische aanpak te volgen.
Vijf stappen voor het inzetten van agentische AI in GBS
Agentic AI is niet het enige spel in de stad. Zoals opgemerkt is er GenAI, dat voornamelijk wordt gebruikt voor het maken van inhoud. Maar als we de reikwijdte verbreden, kunnen we ook wijzen op voorspellende AI en document-AI, die respectievelijk worden gebruikt voor prognoses en data-extractie. (Voor geen van beide zijn LLM’s vereist.) Blootstelling aan reeds bestaande AI is een goed voorteken voor de toekomst van agentische AI.
Ten eerste ondersteunen deze vormen van AI elkaar wederzijds en zijn ze gestapeld (in plaats van in silo’s) in moderne systemen. Vooral Agentic AI is gepositioneerd om gebruik te maken van de anderen. Ten tweede kunnen leiders in de industrie, nadat ze de hype-cyclus van GenAI hebben meegemaakt, geneigd zijn om een meer afgemeten – en productieve – benadering van agentische AI te hanteren.
In plaats van overhaast een pilot uit te voeren, zou de sector er goed aan doen zich zorgvuldig voor te bereiden (stappen 1-3). In combinatie met het juiste testproject (stap 4) kunnen deze acties de weg vrijmaken voor een opgeschaalde inzet van agentische AI (stap 5):
Ken uw processen. Bedrijfsvoering kan ingewikkeld zijn. Neem een vooraanstaand internationaal expeditie- en logistiekbedrijf, waarvan de duizenden fulltime medewerkers in de zeven GBS-centra meer dan 80 processen ondersteunden met zeer complexe, handmatig intensieve workflows met grote regionale verschillen. Alleen door eerst bestaande processen en workflows te begrijpen, maakt een organisatie als deze een kans om deze te heroverwegen of te herwerken.
Ken uw gegevens. Nauw verwant zijn de gegevens waarvan workflows afhankelijk zijn. Hoe stromen deze gegevens van begin tot eind? Hoe zien de leidingen eruit? Waar zijn de belangrijkste API’s? Zijn de gegevens gestructureerd of ongestructureerd? Bevatten de bronnen dataplatforms (registratiesystemen) en vectordatabases (contextengines), die beide AI-agenten nodig hebben om goede beslissingen te nemen? Welk soort gegevensbeheer en -beveiliging zijn de boventoon? Hoe kunnen deze veranderen in een agentisch AI-scenario?
Identificeer het probleem. In het geval van het hierboven genoemde rederijbedrijf stelden de complexiteit en variatie van de workflows, evenals de handmatige intensiteit ervan, het bedrijf bloot aan aanzienlijke kosten, het vervallen van Service Level Agreements (SLA’s), slechte klantervaring en verhoogde compliance- en juridische risico’s. Eenmaal benoemd, wordt een probleem logischerwijs een potentiële use case met afzonderlijke doelstellingen.
Test een operationeel model. Tot de opties behoren onder meer het consolideren van de inspanningen in een Centre of Excellence (COE), het democratiseren van de ontwikkeling door middel van door burgers geleide benaderingen, en het samenwerken via Build-Operate-Transform-Transform-Transfer (BOTT)-modellen. Zonder structurele duidelijkheid zijn zelfs veelbelovende AI-pilots moeilijk uit te breiden buiten hun oorspronkelijke domein. Het model moet ook de werkelijkheid weerspiegelen. Waarschijnlijk zijn er meerdere, parallelle agenten betrokken bij het nastreven van gecoördineerde doelen, en wordt Agentic AI nog steeds beperkt door omgeving, complexiteit, risico’s en bestuur.
Opschalen. Succesvolle pilots leiden tot hun eigen volgende stappen. Neem de gefragmenteerde ervaring van een grote multinationale bank in Australië. Na het automatiseren van verschillende niet-kernprocessen via Automation COE, realiseerde de bank zich dat ze de meest complexe workflows moest analyseren en verbeteren. Het selecteerde een over-the-top softwareplatform waarmee het in minder dan 14 maanden meer dan 100 ontdekkingsprojecten kon voltooien. Pilots kunnen dus uitgroeien tot ondernemingsbrede initiatieven.
Hoe agent AI eruit ziet op ondernemingsschaal
Alleen schaalgrootte kan echte impact opleveren. De rederij, met zijn zeven GBS-centra, beschikte uiteindelijk over technologie die datapijplijnen kon opbouwen, complexe documenten kon digitaliseren, op regels gebaseerde redeneringen kon toepassen op landspecifieke uitzonderingen en het werk tussen teams kon orkestreren. Die basis leidde tot een AI-first-transformatie van ongeveer 16 initiatieven, exponentiële groei in automatisering en aanzienlijke efficiëntiewinsten.
Door capaciteiten op de orkestratielaag te ontketenen – waardoor contextuele perceptie, samenwerking tussen domeinen en autonome actie in lijn met governance mogelijk worden gemaakt – kan AI de activiteiten, zowel AI als mensen, een boost geven.
Denk aan een inkoopproces. Hoewel document-AI gegevens uit inkooporders kan extraheren, waardoor bepaalde handmatige controles worden vermeden, kan een AI-agent ook het leveranciersrisico evalueren, nalevingsnormen vergelijken, de beschikbaarheid van budgetten verifiëren en zelfs onderhandelingen initiëren, terwijl hij auditlogboeken bijhoudt voor rapportage over de regelgeving. In een financieel adviesscenario kan een AI-agent, terwijl voorspellende AI trends kan analyseren, verdere actie ondernemen en professionals in bepaalde bedrijfseenheden bijstaan bij gerichte strategische investeringen.
Houd er rekening mee dat de agent het menselijk oordeel niet vervangt, maar dit uitbreidt, waardoor beslissingen sneller, consistenter en op grotere schaal worden genomen.
Van standalone automatisering tot agentische ecosystemen in GBS
GBS bevindt zich in een unieke positie om de onderneming naar het tijdperk van agentische AI te leiden. Door zijn ontwerp bevindt GBS zich op het kruispunt van processen en gegevens van meerdere bedrijfseenheden. Financiën, HR, supply chain en IT vloeien allemaal voort uit het shared services-model. Dit centrale uitkijkpunt maakt GBS tot een ideaal lanceerplatform voor het creëren van agentische AI-ecosystemen.
Een ecosysteem verschilt van zelfstandige automatisering. Agenten voeren taken niet geïsoleerd uit. In plaats daarvan werken ze als onderdeel van een onderling verbonden systeem. Ze delen inzichten, leren van elkaar en coördineren om de resultaten op ondernemingsniveau te optimaliseren. Ingezet binnen een GBS of GCC kan Agentic AI hun voortdurende transformatie versnellen, waardoor ze een stap verder kunnen gaan in de automatisering en kunnen opereren op het niveau van end-to-end procesorkestratie.
N. Shashidar is SVP & Global Head, Product Management bij EdgeVerve.
Gesponsorde artikelen zijn inhoud die is geproduceerd door een bedrijf dat voor de post betaalt of een zakelijke relatie heeft met VentureBeat, en deze is altijd duidelijk gemarkeerd. Voor meer informatie kunt u contact opnemen met sales@venturebeat.com.
