Veel bedrijven hebben intussen nagedacht over of geëxperimenteerd met Agentic AI. Met de komst van AI-agents is een nieuw hoofdstuk begonnen in het GenAI-tijdperk. In bedrijven die dat goed doen, werken agents en mensen nauw samen om betrouwbare impact voor de business te creëren. Maar net als met elke technologie zit de uitdaging niet in het opzetten van pilots. De echte vraag is hoe we onze experimenten omzetten in oplossingen die op bedrijfsniveau waarde opleveren, ofwel de last mile naar een Agentic Enterprise.
Die laatste mijl naar de massale adoptie van Agentic AI in organisaties zijn we vandaag volop aan het afleggen. En dat doen we niet alleen, want wereldwijd werkt een ecosysteem met Salesforce-partners aan de integratie van AI-agents in de bedrijfsprocessen van klanten. Het bouwen van prototypes is niet zo moeilijk meer, maar hoe implementeer je zo’n archetype in een bedrijfscontext?
Een belangrijke bedenking hierbij is dat de laatste mijl niet draait om het voorbereiden van AI voor gebruik op een werkplek. Wel moeten we die werkplek zelf klaarstomen voor AI. Zodat AI-agents én menselijke medewerkers samen kunnen werken. De KPI’s blijven dezelfde: de klantervaring verbeteren, omzet genereren en de efficiëntie verhogen. Daarbij is het niet de bedoeling dat AI-agents medewerkers vervangen. De technologie zal jobs wel grondig transformeren en ervoor zorgen dat we die KPI’s op een andere, meer doeltreffendere manier bereiken.
Context en controle
Hoe begin je hier dan precies aan? Om agents te onboarden die je vertrouwt in de interactie met je klanten, zijn enkele factoren cruciaal. Zo moet een Agentic AI-model eerst toegang hebben tot de bedrijfscontext. Een LLM kan niet veel doen als het niet over de data beschikt die nodig is om een uitdaging op te lossen. Vaak is dat het eerste struikelblok, aangezien gegevens opgeslagen zitten in verschillende systemen en formats. De data moet uiteraard betrouwbaar en relevant zijn.
Daarnaast willen organisaties natuurlijk ook een zeker niveau van controle inbouwen. Creatieve modellen kunnen heel krachtig zijn, op voorwaarde dat die creativiteit zich binnen de grenzen van de bedrijfsregels ontplooit. Governance is daarom nog een andere factor die bepalend is voor het succes van een Agentic Enterprise. Je moet weten wat je agents doen en kunnen ingrijpen zodra er iets dreigt mis te gaan. Om die reden blijft het belangrijk om altijd menselijke supervisie te behouden. En tot slot moet AI effectief meedraaien in de workflow van de teams in de organisatie.
Om de laatste mijl af te leggen, stellen bedrijven zichzelf verschillende vragen. Hoe krijgt een LLM toegang tot de juiste context? Hoe begrijpt het model de data en hoe weet het welke gegevens betrouwbaar zijn? Hoe krijgt AI begrip van de manier waarop de business werkt? Hoe weet het model met welke regels het rekening moet houden? Hoe kan het handelingen automatiseren? En misschien wel de belangrijkste vraag: hoe betrek je klanten en medewerkers bij je AI-initiatieven?
AI-agents in de praktijk
Het is de missie van Salesforce om partners en klanten in deze vraagstukken te ondersteunen. Ons dataplatform en de Customer 360-apps zorgen ervoor dat LLM’s over de strategische context beschikken om te begrijpen hoe de business van een organisatie in elkaar zit. We leveren ook de controle waar bedrijven naar op zoek zijn en de orkestratie die ervoor zorgt dat individuele agents samenwerken in gecoördineerde workflows.
Klein beginnen is meestal de boodschap. Je kunt niet van de eerste keer alles doen, dus ga liever op zoek naar laaghangend fruit waar je snel impact kunt creëren met Agentic AI. Het zal enerzijds het vertrouwen in de technologie vergroten en anderzijds de weg vrijmaken voor nieuwe projecten. Verschillende Salesforce-partners hebben intussen knappe dingen gerealiseerd bij early adopters van AI-agents. Laten we enkele voorbeelden bekijken.
- Axepta BNP Paribas levert elektronische betaaloplossingen aan zowel kleine handelaars als grote supermarkten. Wanneer klanten een contract voor een betaalterminal willen beëindigen, gaat dat gepaard met een reeks controles en administratieve stappen. Voor medewerkers nam de afhandeling van zo’n dossier, afhankelijk van de complexiteit, 20 tot 30 minuten in beslag.
Onze partner asUgo werkte samen met Axepta BNP Paribas een oplossing uit op basis van Agentforce. Zo doen AI-agents vandaag niet alleen alle controles, maar ze bereiden ook het volledige proces voor om een contract stop te zetten en de communicatie met de klant in goede banen te leiden.
Het hele proces duurt gemiddeld nog drie minuten. Dat resulteert in een indrukwekkende workload-reductie van 80%. De vrijgekomen tijd kunnen medewerkers nu investeren in activiteiten met meer toegevoegde waarde, zoals het verder uitbouwen van de business en het versterken van klantrelaties.
- Een toonaangevende Belgische speler in aluminium oplossingen voor de bouwsector werkte samen met Delaware aan een op agents gebaseerde oplossing die salesmensen moet ondersteunen om afspraken te plannen met partners. Dat is voornamelijk interessant tijdens grote events, zoals beurzen waarop die partners komen kennismaken met de nieuwste producten van het bedrijf.
Om te vermijden dat vertegenwoordigers tijd verliezen met het vastleggen van meetings, maakt het bedrijf gebruik van de mogelijkheid om campagnes met Whatsapp-berichten op te zetten via Marketing Cloud. Zodra een partner op een uitnodiging reageert, neemt een AI-agent het gesprek over en wordt efficiënt een afspraak in de agenda van de sales geschoven.
- Electrolux Professional Group is een wereldleider in professionele oplossingen voor de voedings-, was- en drankenindustrie.. Het bedrijf digitaliseerde een tijd geleden zijn B2B-activiteiten met een e-commerceplatform voor dealers, partners, agents en techniekers. Dankzij een oplossing uitgewerkt met de hulp van EPAM geven AI-agents partners via dat kanaal toegang tot transparante, realtime antwoorden op belangrijke vragen over hun bestellingen of de beschikbaarheid van producten. Al die repetitieve vragen kostten de servicemedewerkers tot voor kort veel tijd en frustraties.
Dankzij integratie met het ERP-systeem kan een agent nu al zo’n 20% van de cases oplossen via selfservice, zonder dat er een menselijke medewerker tussen moet komen. Die medewerkers kunnen zich op hun beurt toeleggen op complexere vragen die hun expertise vereisen.
Al deze voorbeelden tonen hoe Agentic AI de business en de mensen in het bedrijf effectief sterker maakt zodra de laatste mijl is afgelegd. Het komende jaar wordt dan ook bijzonder belangrijk in de evolutie naar zo’n Agentic Enterprise. Hou je vast, want de adoptie en groei gaan razendsnel.
Dit is een ingezonden bijdrage van Maarten Laukens, Deputy Country Leader & Solution Engineering Manager bij Salesforce. Klik hier voor meer informatie over de oplossingen van het bedrijf.