Notitie
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen u aan te melden of de directory te wijzigen.
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen de mappen te wijzigen.
Deze richtlijnen bieden een gestructureerd framework om organisaties te helpen AI-agents te implementeren als onderdeel van hun bredere STRATEGIE voor AI-acceptatie. Het behandelt de unieke overwegingen die AI-agents introduceren. De reeks belicht Microsoft 365-agenten en richtlijnen voor het bouwen van aangepaste agenten door Microsoft Foundry en Microsoft Copilot Studio. Het bevat ook strategieën voor het ontwerpen van een gegevensarchitectuur voor de hele organisatie ter ondersteuning van AI-agents op schaal.
Via deze richtlijnen krijgen leiders bruikbare inzichten in vier belangrijke gebieden: (1) plan voor agents, (2) agents beheren en beveiligen, (3) buildagents en (4) agents gebruiken (zie afbeelding 1.).
Afbeelding 1. Het acceptatieproces van de AI-agent van Microsoft.
Wat is een AI-agent?
Een AI-agent is een flexibel softwareprogramma dat gebruikmaakt van generatieve AI-modellen om invoer te interpreteren, zoals systeemevenementen, gebruikersberichten of andere agentberichten, redeneren door problemen en beslissen over de meest geschikte acties. In tegenstelling tot traditionele toepassingen die afhankelijk zijn van vaste regels, organiseren agents werkstromen dynamisch op basis van realtime context. Dankzij deze aanpassing kunnen ze dubbelzinnigheid en complexiteit beheren die deterministische software niet kan. Agents zijn gebouwd op vijf kernonderdelen:
Generatief AI-model fungeert als de redeneringsengine van de agent. Het verwerkt instructies, integreert hulpprogramma-aanroepen en genereert uitvoer, hetzij als berichten naar andere agents of als bruikbare resultaten.
Instructies definiëren het bereik, de grenzen en gedragsrichtlijnen voor de agent. Duidelijke instructies voorkomen scope-creep en zorgen ervoor dat de agent zich aan bedrijfsvoorschriften houdt.
Ophalen biedt de grondgegevens en context die nodig zijn voor nauwkeurige antwoorden. Toegang tot relevante, hoogwaardige gegevens is essentieel voor het verminderen van halluinaties en het waarborgen van relevantie.
Acties zijn de functies, API's of systemen die de agent gebruikt om taken uit te voeren. Hulpprogramma's transformeren de agent van een passieve informatie-retriever naar een actieve deelnemer in bedrijfsprocessen.
Geheugen slaat de gespreksgeschiedenis en -status op. Geheugen zorgt voor continuïteit tussen interacties, waardoor de agent gesprekken met meerdere paden en langlopende taken effectief kan afhandelen.
Verschil met retrieval-augmented generation (RAG)
Standaard RAG-toepassingen volgen een deterministisch ophaalproces om query's te beantwoorden. AI-agents gebruiken een generatief model om te bepalen welke kennis en hulpprogramma's bij elke stap moeten worden gebruikt. Deze adaptieve benadering maakt redenering in meerdere stappen en complexe probleemoplossing mogelijk, maar introduceert ook niet-deterministisch gedrag dat robuuste tests en governance vereist.
Zie Wat is een agent? en wat is een werkstroom? voor technische definities.
Waarom AI-agents?
Door AI-agents te gebruiken, worden specifieke organisatieresultaten bepaald. Als u deze voordelen begrijpt, kunt u investeringen rechtvaardigen en gebruiksvoorbeelden prioriteren.
Efficiëntie: Agents automatiseren terugkerende taken met weinig waarde. Het vermindert handmatige inspanning en operationele kosten, waardoor resources zich kunnen richten op strategische initiatieven.
Snelheid: agenten kunnen informatie verwerken en snel beslissingen nemen, waardoor de levertijden van de service en reactiesnelheid op marktwijzigingen kunnen worden verbeterd.
Schaalbaarheid: agents verwerken fluctuerende werkbelastingen en deze elasticiteit ondersteunt pieken in de groei- en seizoensgebonden vraag.
Deze voordelen leiden tot meetbare resultaten, zoals lagere operationele kosten, verbeterde klanttevredenheid en snellere innovatie. Voor leiders betekent dit dat AI-agents niet alleen een technologie-investering zijn. Ze zijn een strategische hefboom voor groei en concurrentievermogen. Zie Bedrijfsplan voor AI-agents voor meer zakelijke rationale en gebruiksvoorbeelden.
Agenttypen
Organisaties implementeren doorgaans drie categorieën agents. Elke categorie biedt een ander niveau van autonomie en bedrijfsimpact.
Productiviteitsagenten. Deze agents richten zich op het ophalen ensynthese van informatie om besluitvorming te versnellen. Ze gebruiken kennishulpmiddelen om gegevens uit verschillende bronnen te tekenen en op te halen voor de gebruiker. Deze mogelijkheid verhoogt de nauwkeurigheid van werknemers en vermindert de tijd die wordt besteed aan het zoeken naar informatie in scenario's zoals klantenserviceondersteuning en intern kennisbeheer.
Actieagenten. Deze agents voeren specifieke taken uit binnen gedefinieerde werkstromen, zoals het bijwerken van records of het activeren van processen. Ze gebruiken kennishulpmiddelen in combinatie met actiehulpprogramma's om taken uit te voeren. Deze aanpak stroomlijnt bewerkingen en vermindert handmatige gegevensinvoerfouten in gebruiksvoorbeelden zoals het maken van servicetickets en systeembewaking.
Automatieagenten Deze agents beheren complexe processen met meerdere stappen met minimaal toezicht. Ze gebruiken kennistools en actietools, plus triggers die bepalen wanneer actie moet worden ondernomen, gestopt of geëscaleerd. Deze autonomie maakt schaalbare automatisering mogelijk voor scenario's zoals optimalisatie van de toeleveringsketen, hoewel er strikte governance nodig is om de toegenomen complexiteit te beheren.
Volgende stappen
Als u het potentieel van AI-agents wilt realiseren, moet u de acceptatiestrategie afstemmen op specifieke bedrijfsresultaten. In de volgende secties wordt uitgelegd hoe u interne en klantgerichte impact kunt maken en teams kunt begeleiden om agents effectief te gebruiken.