Sneller én slimmer werken met AI-agents

Een AI-agent is slimme software die zelf aan de slag gaat. Op basis van een doel én de situatie maakt zo’n agent keuzes, net als een mens. Waar traditionele automatisering vaak een simpel stappenplan volgt, kijkt een AI agent net wat verder.

• Wat vraagt deze klant precies?
• Wat is hier de beste vervolgstap?
• En hoe kan ik dat meteen regelen?

AI-agents snappen gewone taal. Dankzij taalmodellen zoals GPT-4 kunnen ze e-mails lezen, samenvattingen maken, onderbouwen waarom iets slim is en zelfs de communicatie helemaal overnemen. 

Er zijn zat tools waarmee je processen kunt automatiseren. Maar N8N is voor ons de tool die alles samenbrengt waar wij blij van worden. Ten eerste is het open source, dus we hebben zelf de touwtjes in handen. Het is ook flexibel: we bouwen wat we willen, hoe we het willen. En nóg een voordeel: N8N koppel je makkelijk met andere apps, systemen én AI-tools. 
Met N8N bouwen we geen standaard ‘als-dit-dan-dat’-flows, maar echte digitale assistenten. Die halen zelf informatie op, denken na over de juiste stap en ondernemen direct actie, 
Of het nou gaat om productdata verrijken, leads beoordelen of supportverzoeken afhandelen: met N8N maken we het proces niet alleen sneller, maar ook slimmer. En dat maakt ons werk weer een stuk makkelijker én leuker.

We beginnen altijd met twee simpele vragen:

1. Wat is het probleem?
2. Hoeveel tijd kunnen we besparen als we dit slimmer aanpakken?

Samen met de klant duiken we in het proces. Waar schuurt het? Welke taken blijven maar terugkomen? Waar gaan dingen mis? En vooral: waar gaat onnodig veel tijd in zitten? Tijd die je liever aan iets beters besteedt?

Op basis daarvan bouwen we een AI-agent die precies dát werk uit handen neemt. Zo’n agent werkt meestal in vier stappen:

1. Informatie komt binnen, bijvoorbeeld via een formulier of mailbox
2. Die informatie wordt geanalyseerd, vaak door een taalmodel zoals GPT-4
3. De agent maakt een slimme keuze, op basis van logica of een slimme prompt
4. Er volgt een actie, zoals het versturen van een e-mail, aanpassen van data of aanmaken van een taak.  

Een belangrijk onderdeel hierbij is prompt engineering. Oftewel: duidelijk uitleggen aan het AI-model wat je wil dat het doet. Hoe beter de instructie, hoe beter de actie. 
Goede input = goede output. Of zoals ik het liever zeg: shit in = shit out. 
 

Wat we voor klanten maken, proberen we vaak eerst zelf uit. Flamingo’s, proefkonijnen… We zijn van alle markten thuis. Inmiddels hebben we een paar slimme AI-agents draaien die ons dagelijks helpen:

• Een content-assistent die blogideeën en outlines bedenkt (zoals deze 😉)
• Een transcript-agent die van onze meetings notulen maakt
• Een kennisagent die vragen beantwoordt op basis van onze documentatie
• Een social bot die automatisch socialmediaberichten maakt van geplaatste content, zoals blogs of nieuwe producten.

Wat we hierdoor leren, delen we weer met onze klanten. 

AI-agents zijn handig. Maar laten we eerlijk zijn: ze zijn niet foutloos. Zonder duidelijke instructies kunnen ze de plank volledig misslaan. Daarom zijn we scherp op een paar belangrijke dingen. Een goede prompt is goud waard: hoe duidelijker de uitleg, hoe beter het resultaat. Context is minstens zo belangrijk, zeker bij langere of complexere processen waar meerdere stappen of systemen meespelen. En natuurlijk, bij gevoelige informatie gaan privacy en beveiliging altijd voor.

Onze aanpak is simpel: we bouwen, proberen het uit en passen het aan totdat het echt werkt. Soms is het in één keer raak, soms moet het een paar keer over. Maar daar leren we van.

En hoewel we nu meestal meestal één agent voor één taak bouwen, is de volgende stap al in zicht: meerdere agents die samenwerken. Denk aan een digitaal team van slimme assistenten, elk met z’n eigen specialiteit, die samen een project draaien.

Benieuwd wat een AI-agent voor jou kan doen? We denken graag met je mee.