Een groeiend verhaal in de technologie-industrie suggereert dat AI-agents de traditionele SaaS-applicaties zullen vervangen – waarbij ze autonoom bedrijfssoftwareworkflows zullen afhandelen, terwijl ze hele categorieën zullen comprimeren.
Maar terwijl AI-agenten snel in ondernemingen worden ingezet, begrijpt dit kader verkeerd hoe bedrijfssystemen daadwerkelijk werken.
Artikel gaat hieronder verder
Senior Directeur Customer Engineering, Internationaal bij Elastic.
Zonder de juiste relevantie en operationele onderbouwing kan AI taken slecht uitvoeren. In plaats van betrouwbare en nauwkeurige uitkomsten kan het hallucinaties genereren; resultaten die plausibel lijken maar onvolledig, misleidend of ronduit onjuist zijn.
Dit is een riskante onderneming. Fouten kunnen snel door de bedrijfsvoering heen dringen: een verkeerd ingeschat kredietrisicomodel kan frauduleuze transacties goedkeuren, waardoor het bedrijf wordt blootgesteld aan financiële verliezen en toezicht door de toezichthouders. Hulpverleners in de gezondheidszorg kunnen aanbevelingen opvolgen die onbedoeld de privacyregels schenden of schadelijke medische richtlijnen geven.
Zelfs strategische beslissingen, zoals inkoop in de toeleveringsketen, kunnen ontsporen als voorspellende modellen markttrends verkeerd interpreteren, wat resulteert in omzetverlies, verspilling van middelen en publieke reacties.
Kortom, zonder de juiste context kan AI gebrekkige beoordelingen maken en slechte beslissingen nemen. En de gevolgen zijn reëel: financiële verliezen, inbreuken op de regelgeving en schade aan de merkreputatie.
Dit onderstreept het voortdurende belang van menselijk toezicht en een doordachte inzet. AI-systemen hebben meer nodig dan alleen ruwe modelmogelijkheden. Ze vereisen een omgeving die relevantie koestert, operationele afstemming waarborgt en het bestuur handhaaft.
Om dit aan te pakken moeten organisaties goed kijken naar de manier waarop zij AI voorbereiden om te werken en deze op zijn best laten presteren. Voor velen ligt de oplossing in een aanpak die bekend staat als ‘context engineering’.
Wat AI-agenten eigenlijk missen
Bij context-engineering gaat het erom AI-agenten te geven wat ze nodig hebben om betrouwbaar te presteren in echte bedrijfsomgevingen. Analisten bij Gartner definiëren het als “het ontwerpen en structureren van de relevante gegevens, workflows en omgeving, zodat AI-systemen de bedoelingen kunnen begrijpen, betere beslissingen kunnen nemen en contextuele, bedrijfsgerichte resultaten kunnen leveren.”
Overweeg een medewerker van de klantenondersteuning die een factureringsgeschil behandelt. Om nuttig te kunnen reageren heeft het toegang nodig tot de accountgeschiedenis van de klant, recente transactielogboeken, productdocumentatie en het huidige terugbetalingsbeleid van het bedrijf – allemaal in één keer en in de juiste volgorde van prioriteit. Zonder die technische context zal zelfs een zeer capabel model antwoorden opleveren die op zijn best algemeen en in het slechtste geval misleidend zijn.
Veel AI-agenten beschikken tegenwoordig over krachtige modellen, maar ontberen consistente toegang tot de operationele context. Ze vervangen niet de onderliggende platforms, datastores of operationele systemen waarop bedrijven vertrouwen; ze zitten er bovenop en zijn slechts zo goed als de context die deze systemen bieden.
Het oplossen hiervan gaat niet alleen over betere modellen. Het vereist een platform dat gestructureerde en ongestructureerde gegevens kan verenigen, de meest relevante signalen uit verschillende systemen kan ophalen en ingenieurs inzicht kan geven in de manier waarop output wordt gegenereerd, zodat ze hiaten kunnen identificeren en met vertrouwen kunnen itereren.
Organisaties die context-engineering effectief implementeren, kunnen een groot deel van de wrijving wegnemen die wordt veroorzaakt door het beheren van meerdere tools, terwijl ze ervoor zorgen dat AI-agenten betrouwbaar opereren in complexe, realistische omgevingen.
Kortom, context-engineering omvat elke laag van de stapel. Als het werkt, wordt AI een krachtige, betrouwbare laag bovenop bestaande bedrijfssystemen, en geen vervanging.
Zorg voor de juiste context en AI ondersteunt uw hele organisatie
Context-engineering gaat niet alleen over het verminderen van hallucinaties of het vergroten van de betrouwbaarheid, hoewel dat er wel toe doet. Als het goed wordt gedaan, stelt het ontwikkelaars in staat complexe, uit meerdere stappen bestaande AI-workflows te bouwen, agenten af te stemmen op specifieke domeinen zoals medische, juridische en financiële diensten, en tegelijkertijd te garanderen dat de resultaten voldoen aan de eisen op het gebied van toon, redeneerstijl en compliance.
Het geeft mensen ook een cruciale, voortdurende rol. Relevantie en context zijn niet statisch; ze evolueren naarmate de bedrijfsomstandigheden, regelgeving en gebruikersbehoeften veranderen. Daarom hebben AI-leiders feedbackloops, monitoring en menselijk toezicht nodig, zodat agenten zich kunnen aanpassen, naleving kunnen handhaven en waarde kunnen blijven leveren.
De conclusie is duidelijk: zorg voor de juiste context en je verbetert meer dan alleen de AI-output. Je verbetert de beslissingen, efficiëntie en veerkracht van de mensen en teams die er mee werken, zonder de fundamentele systemen te vervangen die daaraan ten grondslag liggen.
Ik heb meer dan 70 beste AI-tools geprobeerd.
