Verhoog de efficiëntie met Agentic Automation

Sinds het begin is het verhaal van automatisering er een van lineaire vooruitgang geweest. Van robotprocesautomatisering (RPA) tot intelligente documentverwerking (IDP):elke nieuwe innovatie heeft bedrijven productiever, winstgevender en wendbaarder gemaakt.

Maar nu gebeurt er iets groters. Een nieuwe technologie (agentische automatisering) verstoort deze cyclus van stapsgewijze verbeteringen en maakt een heruitvinding van de workflow mogelijk die we nog nooit hebben gezien.

In plaats van zich te concentreren op individuele taken, maakt agentische automatisering gebruik van robots, AI en orkestratie om volledige workflows van begin tot eind aan te pakken. De kern van agentische automatisering wordt gevormd door AI-agents:autonome software-entiteiten die hun omgeving kunnen waarnemen, door onbekend terrein kunnen navigeren en in een mum van tijd beslissingen kunnen nemen.

De blauwdruk voor het vastleggen van de waarde van agentische automatisering was het thema van onze recente driemaandelijkse webcast, UiPath Live :Het pad naar agentische automatisering. We hadden het voorrecht om de hersenen van een toppanel – AI-wetenschappers, automatiseringsexperts en een leider uit het bedrijfsleven – te mogen uitzoeken over wat deze transformatie voor bedrijven nu en in de toekomst betekent.

De meeste leiders hebben de omvang van het potentieel van agentische automatisering nog niet begrepen. Maar de selecte groep die dat wel heeft gedaan, is klaar om de grootste vruchten te plukken van deze baanbrekende technologie.

Drie gebieden waar agentische automatisering de manier waarop werk wordt gedaan opnieuw definieert

Hoewel traditionele automatisering van cruciaal belang blijft voor gestructureerde, op regels gebaseerde taken, gedijt agentische automatisering op plekken waar onvoorspelbaarheid heerst. Hier ziet u hoe het kloven overbrugt die ooit onoverbrugbaar leken.

1. Van regels naar redeneren

Hoeveel van uw bedrijfsprocessen zijn afhankelijk van input in verschillende formaten? Hoe zit het met minder dan perfecte gegevens?

Voor de meeste organisaties is het antwoord veel te veel.

Historisch gezien kampte automatisering met data-inconsistenties. Als informatie niet in een gestructureerd, gestandaardiseerd pakket arriveerde, moesten werknemers ingrijpen:gegevens tussen systemen vertalen, discrepanties opruimen en bestanden handmatig opnieuw formatteren. Hoewel hun tijd beter elders kon worden besteed, lieten deze onregelmatigheden hen geen andere keus. Dat wil zeggen, totdat AI-agenten in beeld kwamen.

AI-agenten gedijen in dubbelzinnigheid. Ze hebben geen perfecte gegevens nodig om te functioneren. Dr. Edward Challis, hoofd AI-strategie bij UiPath, legde aan UiPath Live-presentatoren Mary Tetlow en Geoff Anderson uit dat “agenten een heel krachtige manier bieden om taken aan te pakken waarbij gegevens voortdurend veranderen.” In plaats van van werknemers te eisen dat ze elke invoer handmatig structureren, kunnen AI-agenten een doel op hoog niveau nemen en bepalen wat de beste manier is om rommelige, onvolledige of inconsistente gegevens te verwerken.

Deze vaardigheid is vooral waardevol in sectoren waar dataformaten sterk variëren. Neem WEX, een wereldwijde aanbieder van financiële technologie die dagelijks een enorm volume aan zorgclaims verwerkt. Gestructureerde claims (schone digitale indieningen met gestandaardiseerde velden) worden eenvoudig afgehandeld door RPA. Maar veel andere komen in slordigere formaten binnen, zoals handgeschreven doktersaantekeningen of wazige formulieren. In het verleden moesten medewerkers deze chaos handmatig doorgronden voordat claims konden worden verwerkt, wat leidde tot frustrerende vertragingen voor klanten en hogere kosten voor WEX.

Nu verwerken AI-agenten deze variabiliteit automatisch. Ze extraheren de belangrijkste details, vergelijken deze met de nalevingsvereisten en escaleren alleen de meest complexe zaken naar menselijke teams.

2. Van taakautomatisering tot heruitvinding van de workflow

Variërende inputs vormen niet de enige barrière voor wijdverbreide bedrijfsautomatisering. Er is ook een overweldigende procescomplexiteit. Te veel voorwaardelijke 'if'-instructies, te veel variaties, te veel uitzonderingen... op een gegeven moment wordt het onpraktisch om dit soort workflows met traditionele methoden te automatiseren. “Het is gewoon te tijdrovend om het proces te definiëren dat automatisering voor elk scenario zou moeten uitvoeren”, merkte Dr. Challis op.

Agentische automatisering heeft een fundamenteel andere aanpak. In plaats van een script te volgen, redeneren agenten door problemen heen, waarbij ze bepalen wat belangrijk is, wat aandacht nodig heeft en wat autonoom kan worden verwerkt.

Maar ze werken niet geïsoleerd. AI-agenten zijn op hun best als ze deel uitmaken van een ecosysteem dat menselijke intuïtie, robotprecisie en aanpassingsvermogen van agenten combineert. Een agent kan bijvoorbeeld een complexe workflow opsplitsen in subtaken:RPA-bots verzorgen de gegevensinvoer, API's trekken realtime marktprijzen op en mensen lossen randgevallen op.

Dr. Challis vergeleek dit proces met het bakken van een cake. "Als je dat recept uitvoert, heb je veel keuze welke boter je gaat gebruiken, hoe je aan de boter komt, welke kom je gaat gebruiken," zei hij. “Dus er is die flexibiliteit tussen keuzevrijheid en een gedefinieerde routine van hoe dat proces zal worden uitgevoerd.”

Deze balans tussen structuur en aanpassingsvermogen is zeer geschikt voor een aantal hardnekkige bedrijfsuitdagingen. Anti-witwassystemen (AML) zijn bijvoorbeeld een essentieel onderdeel van de veiligheidskaders van financiële instellingen. Maar ze zijn verre van perfect:traditionele tools hebben de neiging compliance-teams te verdrinken in valse waarschuwingen. In sommige gevallen kunnen deze oplopen tot 90%, waardoor teams gedwongen worden veel lawaai te doorzoeken om de werkelijke risico's te identificeren.

AI-agenten blinken uit in het filteren van valse positieven om echte bedreigingen te identificeren. Ze doen dit door zowel gestructureerde als ongestructureerde gegevens te analyseren en patronen te ontdekken, zoals kleine, herhaalde overdrachten, die op echte risico’s wijzen. Zoals Live-gast Craig Le Clair, vice-president en hoofdanalist bij Forrester opmerkte, is aangetoond dat agenten het aantal valse positieven in dit proces met 60% verminderen. Hierdoor kunnen complianceteams zich concentreren op onderzoeken met hoge prioriteit, in plaats van te verzanden in onnodige beoordelingen.

2. Van coderen tot samenwerken

Om hun volledige waarde als samenwerkingspartners te realiseren, moeten werknemers in natuurlijke taal met AI-agenten kunnen communiceren. Grote taalmodellen (LLM's) zoals ChatGPT zouden dit soort samenwerking mogelijk maken, maar voor niet-programmeurs was de realiteit ingewikkelder.

Hoewel LLM's reageren op aanwijzingen in eenvoudige taal, vereist het verkrijgen van de juiste resultaten enige programmeerkennis, namelijk een diep begrip van probleemdecompositie en codevalidatie. Simpel gezegd:weten wat je moet vragen is slechts het halve werk. Je moet ook weten of wat je terugkrijgt juist is.

Ik ben een programmeur, dus als een LLM mij 100 regels code teruggeeft, kan ik dat lezen en uitzoeken of dat daadwerkelijk doet wat ik wil dat het doet. Aan de andere kant, als mijn vriend, die geen programmeur is, hetzelfde probeert te doen, is het erg moeilijk om erachter te komen of de uitvoer daadwerkelijk is wat ze wilde. Om dit zelfs maar te kunnen controleren, heb je veel expertise nodig.

Dr. Sarah E. Chasins, hoofdtoegepast wetenschapper bij UiPath

Agentische automatisering neemt deze barrière weg. Werknemers kunnen hun doelen beschrijven – zelfs als deze vaag zijn – en agenten deze richtlijnen in daden laten omzetten. Dit heeft een transformatie teweeggebracht voor WEX, omdat teams niet langer zakelijke vereisten hoeven te vertalen naar rigide logica.

In plaats van wekenlang elk deterministisch scenario te moeten doorlopen, kan ik mijn ontwikkelaars het doel vertellen dat ik wil. Wat is deze bedrijfsoutput waarnaar ik op zoek ben? En dan kan ik deze dingen daadwerkelijk zien samenwerken. Er is dus een openheid ontstaan tussen het product en de technische teams die we in het verleden bij traditioneel coderen niet hebben gehad.

Emily Krohne, directeur Enterprise Automation bij WEX

Deze mogelijkheden zijn indrukwekkend...maar hoe kan ik er zeker van zijn dat AI-agenten geen schurkenstaten zullen zijn?

Laten we de olifant in de kamer aanspreken:met de mogelijkheid om over systemen en processen heen te functioneren, hoe kan ik er zeker van zijn dat agenten doen wat ik wil dat ze doen?

Het is een terechte zorg. Agenten zijn niet-deterministisch en hun inherente onvoorspelbaarheid maakt deel uit van wat hen zo krachtig maakt. Voor het veilig implementeren van agentautomatisering zijn de juiste vangrails nodig om ervoor te zorgen dat agenten betrouwbaar, veilig en transparant kunnen werken.

Mensen op de hoogte houden

Agenten opereren met een zekere mate van autonomie, maar dat betekent niet dat ze ongecontroleerd moeten werken. In de meeste zakelijke toepassingen zullen ze dienen als beslissingsondersteunende instrumenten in plaats van als volledig autonome actoren. Dr. Challis maakte dit duidelijk:"De komende jaren zullen agenten wat onderzoek doen en voorstellen doen, maar een mens zal dit moeten beoordelen. Voordat er grote veranderingen worden doorgevoerd, zullen we een menselijk controlepunt hebben."

Continu toezicht

Zichtbaarheid is alles. Om ervoor te zorgen dat AI-agents werken zoals bedoeld, hebben organisaties realtime monitoring nodig, zowel tijdens het ontwerp als tijdens de uitvoering.

Zach Eslami, Senior Manager Product Management bij UiPath, onderstreepte dit punt:“[transparantie is] een belangrijk aspect om ervoor te zorgen dat uw agent zowel in een geïsoleerde omgeving als in de buitenwereld goed functioneert.” Organisaties hebben inzicht nodig in de manier waarop agenten beslissingen nemen, zodat ze hun prestaties in de loop van de tijd kunnen verfijnen en ervoor kunnen zorgen dat ze in lijn blijven met de bedrijfsdoelstellingen.

Het koppelen van AI-agents aan deterministische RPA-bots is een van de beste manieren om de controle te behouden. Terwijl agenten zich aanpassen en contextgestuurde beslissingen nemen, volgen RPA-bots strikte, op regels gebaseerde logica, waardoor een evenwicht ontstaat tussen flexibiliteit en voorspelbaarheid. “Wij geloven dat onze agenten een nieuw niveau van gecontroleerde keuzevrijheid demonstreren, omdat ze niet alleen met tools en applicaties interacteren”, legt Eslami uit. "Ze bedenken niet zelf plannen. Ze kunnen mensen en robots inzetten om een nieuw niveau van determinisme in hun productie te creëren en ervoor te zorgen dat ze werken op de manier die onze gebruikers en onze klanten verwachten."

Samenwerken met vertrouwde leveranciers

Vertrouwen is de basis van effectieve bedrijfsautomatisering. Vertrouw niet alleen op de technologie, maar ook op de partnerschappen die deze tot leven brengen. Krohne zei dat de “geschiedenis van WEX met UiPath RPA-tools ons in staat stelt agenten sneller te schalen.”

Wanneer AI-agents bovenop een bestaande automatiseringsinfrastructuur worden geïntroduceerd, voelen ze zich niet ontwrichtend. In plaats daarvan worden ze een natuurlijk verlengstuk van wat bedrijven al doen:het verbeteren van workflows zonder deze te herzien. Eslami versterkte dit punt:"Uiteindelijk zien we dat agenten bovenop het bestaande UiPath Platform™ kunnen bouwen. Dat betekent dat ze gebruik kunnen maken van alle geweldige automatiseringstools die we beschikbaar hebben."

Maar het leggen van de basis is slechts de eerste stap. Om het volledige potentieel van agentische automatisering te ontsluiten, hebben bedrijven een manier nodig om AI-agenten op schaal te bouwen, in te zetten en te beheren.

UiPath Agent Builder geeft teams de tools om agenten te ontwerpen die tegemoetkomen aan hun zakelijke behoeften. Met ingebouwde monitoring en governance kunnen ondernemingen met vertrouwen AI-agenten inzetten, in de wetenschap dat ze vanaf dag één zullen werken zoals bedoeld. Sluit u vandaag nog aan op de wachtlijst van Agent Builder en wees een van de eersten die het volgende tijdperk van automatisering verkent.

En voor een nog diepere duik in het heden en de toekomst van agentische automatisering, bekijk de volledige UiPath Live:The Path to Agentic Automation-aflevering, nu beschikbaar op aanvraag.