AI-agents nemen werk over in uw processen. Weet u hoe die echt lopen?

Laatst bijgewerkt op 22 augustus 2026

De vraag komt vaak van buitenaf. Een aandeelhouder of bestuurslid wil weten wat uw AI-plan is. Een leverancier toont een agent die vlot een offerte opmaakt of een orderstroom afhandelt. De demo oogt overtuigend. Eén vraag blijft dan meestal onbesproken: op welk proces gaat die agent handelen, en klopt dat proces wel? In een recente briefing van MIT Technology Review Insights komt precies dat punt terug. AI is maar zo sterk als het proces eronder.

Een agent handelt, een dashboard toont

Het verschil met de rapportering die u kent, is groot. Een dashboard toont u een cijfer. U beslist zelf wat u ermee doet. Een AI-agent is software die met AI zelf een reeks stappen zet om een taak af te werken, binnen de grenzen die u meegeeft.

Dat verandert wat een fout kost. Een fout in een dashboard beïnvloedt een menselijke beslissing, met nog een moment om in te grijpen. Een fout in een handelende agent kan rechtstreeks worden uitgevoerd en zich bij grote volumes snel herhalen. Daarom horen de controles dichter bij de actie te zitten, niet alleen in de rapportering achteraf.

Waarom de demo overtuigt en de praktijk tegenvalt

Een demo draait op een proces zoals het hoort te lopen. Netjes, in één rechte lijn, zonder uitzonderingen. Uw echte proces ziet er anders uit. Een inkooporder wordt goedgekeurd via een omweg omdat de vaste goedkeurder afwezig is. Een factuur wordt manueel aangepast omdat het ERP een uitzondering niet aankan. Een planning wordt via telefoon bijgestuurd, buiten het systeem om. Die varianten en omwegen zijn hoe het proces echt werkt, ook al staan ze in geen enkel handboek. Een agent die alleen het schoolvoorbeeld kent, handelt fout zodra hij zo’n afwijking tegenkomt.

Wil van der Aalst, de grondlegger van process mining, vat het scherp samen. Wie niet weet wat er echt in zijn processen gebeurt, mag niet verwachten dat AI zijn belangrijkste problemen oplost. Zonder betrouwbare gegevens en voldoende zicht op de procescontext kan een agent plausibel handelen zonder dat zijn actie operationeel juist is. De technologie is lang niet altijd het grootste probleem. Vaak ontbreekt vooral het inzicht in het proces waarin de oplossing moet werken.

Dat is ook een veelvoorkomende reden waarom AI-pilots stranden. Vaak niet op de techniek, maar op de kloof tussen het veronderstelde en het echte proces. We schreven eerder uit waarom pilots stranden en welke randvoorwaarden daarbij ontbreken.

Waar procesinzicht vandaan komt

Voor u een agent op een proces zet, hebt u een feitelijk beeld van dat proces nodig. Bij processen met voldoende volume en digitale sporen is process mining daarvoor een sterk middel. Process mining reconstrueert het geregistreerde proces uit de sporen die orders, facturen en handelingen achterlaten in uw ERP en andere systemen. Het toont de werkelijke procesvarianten die in de data zichtbaar zijn, niet het ene schema op papier.

Wat dat blootlegt: de echte varianten, de plekken waar werk blijft liggen, en de stappen die stelselmatig worden overgeslagen. Wat buiten de systemen gebeurt, ziet process mining niet rechtstreeks. Daarvoor blijven interviews en observatie nodig, om te begrijpen waarom afwijkingen ontstaan. Samen geven data en proceskennis het scherpste beeld van waar een agent iets kan overnemen, en waar hij vooral bestaande rommel zou automatiseren. Meer over hoe process mining marge en tijd zichtbaar maakt, leest u op de pijler procesverbetering.

Waarom dit voor een AI-agent extra weegt

Bij rapportering kunt u een fout achteraf rechtzetten. Bij een handelende agent wilt u de fout vooraf voorkomen. Een agent heeft betrouwbare gegevens, duidelijke procesregels en voldoende context nodig om correct te handelen. Elke actie moet steunen op wat echt gebeurt, niet op een aanname.

Daar hoort een afspraak bij: wat mag de agent zelf beslissen, en wat gaat naar een mens? Zeker in kernprocessen is dat geen detail. Ook juridisch loont die begrenzing. De Europese AI Act werkt met risicocategorieën. Vooral wanneer een systeem als hoog risico geldt, gelden specifieke verplichtingen, onder meer rond risicobeheer, logging, documentatie en menselijk toezicht. Niet elke bedrijfsagent valt onder die categorie. Maar voor elke agent blijft het verstandig om vast te leggen wat hij mag doen en hoe u zijn acties controleert.

Hoe u de juiste opportuniteit kiest

Zodra u het proces feitelijk in beeld hebt, wordt de keuze concreter. Niet elke AI-opportuniteit is de moeite. Beoordeel elke kans op drie zaken: de verwachte opbrengst, de zekerheid van die inschatting en de vereiste inspanning. Werk voor de opbrengst met een realistische bandbreedte. Zo weet u vóór u bouwt welke agent een businesscase heeft en welke een experiment blijft.

Beyond KPI vertrekt daarom niet bij de agent, maar bij de vraag hoe uw proces echt loopt. Dennis werkt sinds 2015 met process mining en koppelt dat procesinzicht aan een nuchtere businesscase. Technologie is het middel, niet het startpunt.

Overweegt u AI-agents in uw bedrijf? Breng eerst het proces in beeld waarop ze zouden handelen, de kern van de aanpak voor AI en automatisering bij Beyond KPI. Een AI-scan van uw AI-opportuniteiten scoort ze op opbrengst, zekerheid en inspanning, zodat u weet waar een agent rendeert en waar mensenwerk nodig blijft. Wilt u het breder bekijken, plan een vrijblijvend gesprek.

Veelgestelde vragen

Wat is het verschil tussen een AI-agent en een chatbot?

Een chatbot geeft antwoord op een vraag. Een AI-agent zet zelf stappen om een taak af te werken, bijvoorbeeld een factuur matchen of een order klaarzetten, binnen de grenzen die u meegeeft. Hij handelt, hij informeert niet alleen.

Moet ik eerst al mijn processen in kaart brengen voor ik met AI-agents start?

Nee. Begin met één proces met voldoende volume, zoals order-to-cash of factuurverwerking. Eén helder proces is genoeg om te tonen of een agent er iets toevoegt.

Heb ik altijd process mining nodig voor ik een AI-agent inzet?

Niet altijd. Bij een klein, afgebakend proces kunnen workshops, transactiedata en observatie volstaan. Bij processen met veel volume, varianten en digitale sporen geeft process mining een scherper en objectiever beeld dan wat mensen uit hun hoofd kunnen reconstrueren.

Waarom niet gewoon het proces laten bekijken door een adviseur?

Interviews en workshops geven u het proces zoals mensen denken dat het loopt. Process mining vult dat aan met wat de data tonen: de varianten en knelpunten die in uw systemen zichtbaar zijn. De sterkste aanpak combineert beide, want elk van de twee ziet iets dat de andere mist.

Wanneer is een AI-scan zinvol?

Wanneer u meerdere AI-ideeën hebt en wilt weten waar u best begint. De scan weegt de opportuniteiten op wat ze opbrengen, hoe zeker die inschatting is en wat ze kosten, zodat u investeert in wat rendeert.

Dennis Houthoofd, oprichter Beyond KPI. 25+ jaar ervaring in finance, data en AI voor Vlaamse KMO's. Meer over Dennis.