Waar zet je een AI-agent voor in? Toepassingen voor kmo en mkb

Welke taken neemt een AI-agent over?

Taken die je nu aan een medewerker zou uitleggen met "kijk wat er binnenkomt, zoek het uit en zet het klaar". Een AI-agent is software die zo'n taak zelfstandig in meerdere stappen uitvoert, met toegang tot de systemen die daarvoor nodig zijn. Hieronder staan de toepassingen die ik bij klanten heb gebouwd, elk met de case erbij.

Hoe zo'n agent intern werkt, met taalmodel, tools en geheugen, lees je in Hoe werkt een AI-agent?

Hoe beantwoordt een agent aanvragen en maakt hij offertes?

DaimoonMedia doet muziekmarketing voor artiesten en krijgt honderden reacties op uitnodigingen. Elke artiest verdient een persoonlijk antwoord, en liefst snel. De agent die ik bouwde, leest de inbox elke minuut en kiest per mail wat er moet gebeuren: een video sturen, een formulier, een offerte, of de mail doorzetten naar eigenaar Tom.

Een ingevuld formulier wordt een pakketadvies en een persoonlijke offerte. Follow-ups gaan vanzelf, tot er antwoord komt. Antwoorden gaan in de toon van Tom, met een menselijke vertraging. Grote budgetten gaan altijd naar Tom zelf, elke mail staat in een logboek en met één knop zet hij alles op pauze. In twee weken gingen er meer dan 1.700 mails door het systeem.

Kan een agent kandidaten selecteren?

Ja, als een recruiter de laatste stap zet. Bij recruitmentbureau CrossJob in Midden-Brabant stonden de belangrijkste velden in het kandidatenbestand leeg, en vacatures werden met de hand gezocht. Het systeem haalt nu elke twee uur nieuwe vacatures op, filtert dubbelen en vacatures die niet passen, en haalt skills en ervaring uit losse cv-tekst.

Per vacature kiest het de beste drie kandidaten, met een score en een onderbouwing. Er staan conceptmails klaar voor kandidaat en opdrachtgever, en een recruiter verstuurt zelf. Voor de privacy gaat alleen werkervaring naar de AI. Inmiddels zijn 1.727 cv's automatisch uitgelezen. Meer over deze toepassing lees je in Recruitment automatiseren met AI.

Kan een agent een planning maken?

Ja, ook een lastige. Montgó Lifestyle is een behandelkliniek in Dénia, aan de Costa Blanca. Elke gast heeft een eigen behandelplan en elke therapeut een eigen beschikbaarheid. De planningsagent leest behandelplannen, beschikbaarheid en sessietypes uit Google Sheets, houdt rekening met verplichte en onverenigbare combinaties en plant eerst wat het lastigst te plannen is.

Het resultaat is een rooster per gast en per therapeut. Wat niet past, komt op een lijst voor de zorgcoördinator, die het zelf afhandelt. Zij krijgt een mail bij de start en als het rooster klaar is. Hoe je planning aanpakt, lees je in Planning en roosters automatiseren.

Wat hebben goede toepassingen gemeen?

Als ik de cases naast elkaar leg, zie ik steeds dezelfde kenmerken:

• Er komt steeds iets binnen. Een mail, een vacature, een kenteken, een behandelplan. De agent heeft een vast startpunt.
• Elke keer is het net iets anders. Een vaste regel per situatie schrijven lukt niet, omdat de inhoud steeds verschilt.
• De uitkomst is te controleren. Een concept, een taak, een rooster of een winkelwagen. Een mens ziet in één oogopslag of het klopt.
• De dure stap blijft bij een mens. Versturen, bestellen, grote budgetten en uitzonderingen.

Past jouw taak hierin, dan is de kans groot dat een agent helpt.

Wanneer is een AI-agent niet de juiste keuze?

Een agent is niet altijd het antwoord, en soms is hij zelfs de duurste route. In deze gevallen raad ik iets anders aan:

• Het werk volgt altijd dezelfde stappen. Dan is een vaste automatisering eenvoudiger, goedkoper en voorspelbaarder. Bij Huidopleiding controleert een systeem na elke toets de aankoop, maakt een PDF-certificaat en meldt de cursist aan in het register van ProCert of SKIN. Dat zijn vaste stappen met duidelijke regels, en uitzonderingen gaan naar Olivier.
• Het komt zelden voor. Een taak die eens per kwartaal een uur kost, is het bouwen en beheren niet waard.
• Het proces ligt nog niet vast. Als iedereen het anders doet, weet de agent ook niet wat goed is. Leg eerst vast hoe het moet.
• Een fout is niet terug te draaien. Betalingen, juridische beslissingen of iets waar iemands gezondheid van afhangt. Laat een agent daar hooguit voorbereiden.
• Er is geen digitale bron. Een agent heeft iets nodig om mee te werken: een mailbox, een spreadsheet, een systeem of een website.
• Het gaat vooral om antwoorden. Wie een vraag goed wil beantwoorden, heeft vaak genoeg aan een AI-assistent. Bij Succesvol Leren zoekt een assistent het beste antwoord uit ruim 450 standaardmails en schrijft een concept dat Larissa goedkeurt. Bij Nicoline Schipper beantwoordt een assistent Messenger-vragen in haar stijl: 680 berichten in twee weken.

Het verschil tussen een vaste automatisering, een chatbot en een agent lees je in Chatbot, automatisering of AI-agent: wat is het verschil? Wat een agent kost, staat in Wat kost een AI-agent laten bouwen?

Hoe kies je je eerste toepassing?

Begin met de taak die het vaakst terugkomt en waar je nu het meest naar kijkt met "dit kan toch slimmer". Kies er één, laat de agent eerst naast je huidige manier van werken draaien en breid uit als het goed loopt. Bij mail is de veiligste start een concept dat jij verstuurt, zoals in Mails automatisch laten beantwoorden met AI.

Wil je weten welke taak in jouw bedrijf het meest geschikt is? Op AI-agent laten bouwen lees je hoe ik werk. Stuur me een WhatsApp of plan een gratis videocall, dan kijken we er samen naar.

Veelgestelde vragen

Wat zijn voorbeelden van AI-agents in het mkb?

Een agent die een centrale mailbox verdeelt over afdelingen, een agent die aanvragen beantwoordt en offertes maakt, een agent die per vacature de beste kandidaten kiest en een agent die een weekrooster maakt. Telkens zet een mens de laatste stap.

Voor welke bedrijven is een AI-agent geschikt?

Voor kmo's en mkb-bedrijven met terugkerend werk dat elke keer net anders is, zoals mail, aanvragen, planning of selectie. Mijn agents draaien onder meer bij een metaalbedrijf, een garage, een recruitmentbureau, een muziekmarketingbureau en een kliniek.

Wanneer kies je beter geen AI-agent?

Als het werk altijd dezelfde stappen volgt, zelden voorkomt, nog niet vastligt of geen digitale bron heeft. Dan is een vaste automatisering of een betere werkafspraak vaak slimmer.

Kan een AI-agent werken in software zonder koppeling?

Soms wel. Een agent kan door een website klikken zoals een medewerker. Bij Garagebedrijf van Hoof zoekt een agent zo in de webshop van de groothandel het juiste oliefilter op kenteken.

Jurgen Claassens bouwt AI-automatiseringen voor ondernemers, mkb en kmo. Vijftien jaar operations bij Vattenfall, daarna mede-eigenaar van sales- en marketingbureaus. Bekijk zijn projecten.