Pas op voor de AI-overdeschuttinggooi-manager

Veel bedrijven die serieus met Agentic AI aan de slag gaan, bouwen op dit moment ongeveer dezelfde structuur. Bovenaan staat één hoofd-agent die fungeert als een soort managing director. Met die agent bespreek je je vragen, opdrachten en prioriteiten. Vervolgens zet die agent allerlei sub-agents aan het werk, die ieder hun eigen taak uitvoeren. De ene agent doet onderzoek, de andere analyseert cijfers, weer een andere schrijft teksten, verwerkt transacties of handelt klantvragen af. Voor de mens is dat bijzonder aantrekkelijk, want je hebt nog maar één aanspreekpunt en krijgt tegelijkertijd de slagkracht van een heel digitaal team.

Dat klinkt efficiënt, en dat is het vaak ook. Zeker in customer service is de verleiding groot. Eén hoofd-agent kan een klantvraag binnenkrijgen, een sub-agent de orderhistorie laten controleren, een andere agent het retourbeleid laten raadplegen en weer een andere agent een passend antwoord laten formuleren. Toch zit er een serieus risico in deze manier van organiseren. Hoe meer taken je via één hoofd-agent laat lopen, hoe groter de black box wordt. Je ziet nog wel wat de hoofd-agent aan je terugkoppelt, maar je hebt nauwelijks zicht op wat daaronder gebeurt. Je weet niet precies welke sub-agent welke informatie heeft gebruikt, welke aannames zijn gedaan, waar fouten zijn ontstaan en hoe verschillende agents hun werk onderling op elkaar hebben afgestemd. Juist omdat je alleen met die ene hoofd-agent praat, verdwijnen veel van de natuurlijke controlemomenten uit het proces.

De valkuil van de overdeschuttinggooi-manager

Daarmee ontstaat een merkwaardige parallel met een type manager dat veel mensen uit organisaties zullen herkennen: de overdeschuttinggooi-manager. Dat is de manager die een opdracht van boven krijgt en die vervolgens zo snel mogelijk doorschuift naar het team. Er wordt iets doorgemaild, gedelegeerd of in een overleg neergelegd, waarna anderen het verder mogen uitzoeken. In customer service zie je dat bijvoorbeeld wanneer een complexe klantklacht simpelweg wordt doorgeschoven naar een ander team, zonder dat iemand echt eigenaarschap neemt. De manager bespaart daarmee tijd, maar raakt tegelijkertijd steeds verder verwijderd van het echte werk. Uiteindelijk weet hij nauwelijks meer wat zijn team precies doet, hoe beslissingen tot stand komen en waar de risico's zitten.

Met Agentic AI kunnen we precies dezelfde fout maken. We kunnen een systeem bouwen waarin we zelf alleen nog opdrachten aan de bovenkant invoeren en aan het einde een resultaat ontvangen. Alles daartussen besteden we uit aan agents. Een klant meldt bijvoorbeeld dat zijn bestelling voor de derde keer verkeerd is geleverd. De hoofd-agent zet verschillende sub-agents aan het werk, controleert de historie, bekijkt de compensatieregels, laat een antwoord schrijven en start misschien automatisch een nieuwe verzending. Aan het einde zien wij alleen dat de case is opgelost. Dat lijkt misschien het ultieme bewijs van efficiëntie, maar in feite dreigen we dan de digitale variant van de dozenschuiver te worden. We voegen inhoudelijk steeds minder toe en zijn tegelijkertijd volledig afhankelijk van een systeem waarvan we steeds minder begrijpen.

Een belangrijke denkfout is dat we de samenwerking tussen mens en agent vooral proberen te optimaliseren op tijdsbesparing. Iedere menselijke interactie wordt dan al snel gezien als iets wat uiteindelijk moet verdwijnen. Hoe minder overleg, hoe beter. Hoe minder controle, hoe slimmer het systeem. Hoe meer autonomie, hoe volwassener de toepassing. In customer service vertaalt zich dat al snel naar doelen als minder menselijke afhandeling, minder escalaties en een zo hoog mogelijk percentage volledig geautomatiseerde klantcontacten. Maar goed management werkt in de menselijke wereld ook niet zo. Een goede manager probeert niet ieder contactmoment met zijn team te elimineren. Een goede manager wil juist begrijpen wat er speelt, wil discussie, wil tegengas, wil keuzes kunnen beoordelen en wil op cruciale momenten zelf betrokken blijven. Waarom zouden we bij agents ineens aannemen dat iedere vorm van interactie inefficiënt is?

Niet blinde autonomie, maar bewuste samenwerking

De interessante vraag is daarom niet hoeveel werk een agent zelfstandig kan uitvoeren, maar welke vorm van samenwerking tussen mens en agent past bij een specifiek proces. Dat geldt zeker binnen customer service, waar een eenvoudige vraag over de status van een pakket iets heel anders vraagt dan een klacht van een trouwe klant die na meerdere fouten dreigt te vertrekken. Daar bestaan verschillende modellen voor, en die hoeven helemaal niet allemaal zo autonoom mogelijk te zijn.

Zes modellen voor mens-agent samenwerking

De meest eenvoudige vorm is de agent als hulp op verzoek. In dat model doet de mens het grootste deel van het werk zelf en wordt de agent alleen op specifieke momenten ingeschakeld. Een customer service medewerker kan de agent bijvoorbeeld vragen om een conceptantwoord op te stellen, de historie van een klant samen te vatten, een relevant artikel uit de knowledge base te vinden of een ingewikkelde klacht nog eens na te kijken. De agent heeft geen zelfstandige beslissingsbevoegdheid en wordt alleen actief wanneer jij daar bewust om vraagt. Dat klinkt misschien weinig revolutionair, maar voor processen waarin expertise, verantwoordelijkheid en nuance belangrijk zijn, kan dit juist een uitstekende vorm van samenwerking zijn.

Een stap verder is de agent als werkvoorbereider. In dat model doet de agent al het voorbereidende werk. Hij verzamelt informatie, maakt analyses, stelt documenten op en zet acties klaar, maar op het moment dat er echt een beslissing moet worden genomen, komt de agent bij de mens terug voor goedkeuring. Binnen customer service kan de agent bijvoorbeeld de volledige historie van een klant analyseren, controleren welke leveringen zijn misgegaan, het geldende compensatiebeleid erbij halen en vervolgens voorstellen om een refund te geven of een product opnieuw te versturen. De medewerker hoeft dan alleen nog te beoordelen of dat inderdaad de juiste oplossing is. De agent neemt dus veel werk uit handen, terwijl de verantwoordelijkheid voor belangrijke keuzes expliciet bij de mens blijft liggen. Je bespaart veel tijd, zonder dat de mens uit het proces verdwijnt.

Een derde vorm is de agent als sparringspartner. Hierbij zijn er meerdere momenten in het proces waarop mens en agent actief met elkaar samenwerken. Neem bijvoorbeeld een complexe klantklacht waarbij al meerdere contacten zijn geweest en de klant inmiddels aangeeft te willen vertrekken. De agent kan alle eerdere gesprekken, transacties en contactmomenten analyseren en verschillende mogelijke oplossingen voorstellen. Vervolgens ga je samen in gesprek over wat verstandig is. Is een standaardcompensatie voldoende? Moet er een persoonlijk gebaar worden gemaakt? Is er misschien een structureel probleem dat eerst moet worden opgelost? De agent helpt denken en formuleren, maar uiteindelijk kiest de mens welke oplossing wordt aangeboden en hoe die aan de klant wordt gecommuniceerd. In dit model probeer je interactie dus niet te minimaliseren. Je gebruikt de agent juist om de kwaliteit van die interactie te verhogen.

Een vierde model is werken met vaste beslis- of controlemomenten. De agent krijgt hierbij veel ruimte om zelfstandig te werken, maar er zijn vaste momenten waarop mens en agent weer bij elkaar komen. Een customer service manager kan bijvoorbeeld iedere vrijdag met de agent bespreken welke soorten vragen zijn binnengekomen, welke klachten toenemen, welke uitzonderingen de agent heeft gemaakt, welke refunds zijn gegeven en op welke momenten klanten alsnog moesten worden geëscaleerd naar een medewerker. Je controleert dan niet iedere individuele klantcase, maar bouwt wel bewust momenten in waarop je zicht houdt op het grotere geheel. Het lijkt daarmee eigenlijk op een regulier managementoverleg, alleen zit er aan de andere kant van de tafel een agent.

De vijfde vorm is een model waarin de agent volledig zelfstandig mag handelen zolang hij binnen vooraf afgesproken grenzen blijft. Alleen bij uitzonderingen wordt de mens betrokken. Binnen customer service kan een agent bijvoorbeeld zelfstandig een retour goedkeuren, een bestelling aanpassen of een compensatie geven tot vijftig euro. Boven dat bedrag moet een medewerker akkoord geven. Je kunt ook andere grenzen instellen, bijvoorbeeld dat een klant met drie eerdere klachten altijd door een mens moet worden beoordeeld, dat een juridische dreiging direct wordt geëscaleerd of dat de agent hulp vraagt zodra hij onvoldoende zekerheid heeft over de juiste oplossing. In dit model verschuift de rol van de mens van het beoordelen van iedere taak naar het ontwerpen en bewaken van de regels waarbinnen de agent mag handelen.

De meest extreme vorm is volledige autonomie. De agent analyseert, beslist en voert zelfstandig uit, terwijl de mens alleen af en toe steekproefsgewijs controleert of alles goed gaat. Voor sterk gestandaardiseerde processen met beperkte gevolgen kan dit prima werken. Denk bijvoorbeeld aan eenvoudige vragen over openingstijden, de status van een bestelling of het opnieuw versturen van een factuur. Het wordt echter gevaarlijk wanneer volledige autonomie automatisch als het einddoel van iedere Agent-AI-toepassing wordt gezien. Maximale autonomie is namelijk niet hetzelfde als een volwassen toepassing.

Bewust ontwerpen voor interactie

Welke samenwerkingsvorm het beste past, hangt volledig af van het proces. Een eenvoudige vraag over een levering vraagt om een andere inrichting dan een escalatie van een ontevreden klant, een refund met grote financiële impact of een klacht die mogelijk reputatieschade kan veroorzaken. Juist daarom moeten organisaties veel bewuster nadenken over de vraag waar de mens in het proces moet blijven. Wanneer moet een agent escaleren? Op welke momenten willen we expliciete goedkeuring? Wanneer willen we juist inhoudelijk sparren? Welke beslissingen mogen volledig automatisch worden genomen? Welke informatie moet altijd zichtbaar blijven? En op welke momenten willen we bewust opnieuw controleren of het systeem nog doet wat we verwachten?

Dat zijn geen vervelende beperkingen rondom Agentic AI. Dat is juist waar het echte ontwerp begint. We moeten daarom af van het idee dat Agentic AI vooral succesvol is wanneer de mens er zo weinig mogelijk mee hoeft te praten. Soms is juist die interactie het belangrijkste onderdeel van het hele systeem. Zeker in customer service, waar een klantcontact niet alleen een taak is die moet worden afgehandeld, maar ook een signaal kan zijn dat er iets misgaat in een product, proces of dienstverlening. Wie alleen optimaliseert op tijdsbesparing, loopt het risico een organisatie te bouwen waarin de agents steeds slimmer worden en de mens steeds minder begrijpt wat er eigenlijk gebeurt.

Dan heb je misschien een indrukwekkend digitaal team, een hoofd-agent die alles coördineert en tientallen sub-agents die dag en nacht voor je werken, maar zelf ben je gereduceerd tot degene die af en toe een opdracht over de digitale schutting gooit en daarna wacht op het resultaat. Je agenda is leeg, je klantenservice draait door en je hebt nauwelijks nog zicht op het werk. Je kunt tenslotte ook een zieloze manager zijn van robots.