Veel bedrijven zijn niet klaar voor AI-agents: wat jij op je werk kunt regelen

Inhoudsopgave
Wat het onderzoek zegt
Het onderzoek komt van Freshheads, een bureau dat digitale platforms bouwt, onder bijna zeshonderd mensen die bij een digitale strategie betrokken zijn. Met een actie van een agent bedoelt het bureau zaken als iets bestellen of reserveren, een product opvragen of informatie wijzigen. De helft van de beslissers zegt dat hun data en processen nog niet goed genoeg gestructureerd zijn. Slechts veertien procent heeft gegevens over gebruikers, producten en transacties volledig en betrouwbaar op orde voor AI-toepassingen.
Twee kanttekeningen. Dit is een enquête van een bedrijf dat zijn brood verdient met dit soort platforms, en de uitkomst past daar goed bij. We konden het volledige rapport niet inzien, dus de vraagstelling kennen we niet. En het gaat over wat beslissers zelf aangeven, niet over een meting van hun systemen. Het cijfer zegt dus vooral iets over zicht en vertrouwen, niet over hoeveel agents er echt rondlopen.
Emerce plaatst het naast eigen rondvragen onder webwinkels, die zich volgens experts weinig bewust zijn van de waarde van gestructureerde data, juist in de aanloop naar de feestdagen. Mede-eigenaar Wout Withagen van Freshheads vat de kern samen in een persbericht: agents kijken niet naar een mooie voorkant maar naar “je data, je API’s en je koppelingen”.
Vier vragen die je intern kunt stellen
Je hoeft geen ontwikkelaar te zijn om hier verschil te maken. Vaak weet niemand het antwoord omdat niemand het heeft gevraagd. Deze vragen volgen uit wat het onderzoek als gat aanwijst.
Zien we dit eigenlijk? De eerste vraag is voor wie de statistieken of de serverlogs beheert. Kunnen we automatische bezoekers onderscheiden van mensen, en is er iets te zien aan bestellingen of formulieren die opvallend snel worden ingevuld? Is het antwoord nee, dan is dat al de uitkomst, en dan hoor je bij die ene derde.
Laten we agents binnen? Sommige sites blokkeren ze, soms zonder dat iemand dat bewust besloot, bijvoorbeeld via beveiligingsinstellingen. Waarom een agent daardoor vastloopt, lees je in ons stuk over websites die de deur sluiten. Beide keuzes zijn te verdedigen. Wat niet handig is, is dat niemand weet welke keuze er ligt.
Klopt wat er over onze producten of diensten vastligt? Dit is de vraag die het dichtst bij dagelijks werk ligt. Een mens leest om een onvolledige productpagina heen, een agent ziet alleen wat in de gegevens staat. Kijk dus of prijs, voorraad, maten en voorwaarden als losse gegevens beschikbaar zijn en niet alleen in lopende tekst of een plaatje staan. Hoe dat er bij een webwinkel uitziet, lees je in ons stuk over kopen via een chatbot.
Wie is er verantwoordelijk als het misgaat? Een agent kan volgens de omschrijving ook informatie wijzigen. Spreek af wie erover gaat als een agent namens een klant iets verkeerds bestelt of aanpast, en wat de klantenservice dan doet. In het onderzoek valt dit onder governance. In de praktijk is het een afspraak van een paar regels, die pas lastig wordt als hij er niet is.
En je eigen gebruik op het werk
Het onderzoek gaat over agents die van buiten op een platform komen. De verwarring met agents die jij zelf op je werk gebruikt, ligt voor de hand, maar dat is een andere vraag. Daar gaat het om welke tools zijn toegestaan en welke gegevens erin mogen. Dat is hetzelfde gesprek als bij elke andere AI-tool, en dat kun je gelijk meenemen. In ons stuk over welke AI je op je werk mag gebruiken staat waar je op kunt letten, en in dit stuk wat een werkgever van je mag eisen.
Hoe breng je het ter sprake? Het helpt om niet met een plan te beginnen, maar met één vraag aan één persoon. Vraag de beheerder van de site of hij weet hoeveel automatisch verkeer er binnenkomt. Het antwoord geeft meteen aan of er iets te regelen valt, en met de cijfers uit dit onderzoek heb je een aanleiding die niet van jou hoeft te komen.





