Microsoft Copilot wordt binnen steeds meer organisaties onderdeel van het dagelijks werk. Medewerkers gebruiken AI om teksten te schrijven, informatie samen te vatten, documenten te analyseren of sneller antwoorden te vinden. Maar ondertussen dient de volgende ontwikkeling zich alweer aan: AI-agents.
Waar Copilot vooral bekend is als een assistent die een medewerker helpt bij het uitvoeren van werkzaamheden, kunnen AI-agents een actievere rol krijgen binnen processen. Ze kunnen informatie gebruiken, verschillende stappen uitvoeren en gekoppeld worden aan andere systemen. Daarmee verschuift de vraag van hoe kan AI mij helpen bij mijn werk? steeds meer naar welke onderdelen van ons werk kunnen we slimmer organiseren met AI?
Een AI-agent kun je zien als een digitale assistent die is ingericht rondom bepaalde taken of processen. De agent krijgt instructies, kan gebruikmaken van relevante kennis en kan, afhankelijk van de inrichting, ook acties uitvoeren.
Binnen Microsoft Copilot Studio kunnen bijvoorbeeld generatieve AI, kennis en acties worden gecombineerd. Agents kunnen bovendien gekoppeld worden aan workflows, connectors, API's en andere bedrijfssystemen. Hierdoor kunnen ze verder gaan dan alleen het beantwoorden van een vraag.
Dat betekent overigens niet dat iedere agent volledig zelfstandig werkt. Er zijn grote verschillen in wat een agent kan en hoeveel ruimte deze krijgt om acties uit te voeren. Een relatief eenvoudige agent kan medewerkers bijvoorbeeld helpen om informatie uit een kennisbank te vinden. Een uitgebreidere agent kan verschillende stappen binnen een bedrijfsproces ondersteunen.
Het verschil wordt duidelijker wanneer we kijken naar de manier waarop je AI gebruikt.
Stel dat je een lange verzameling documenten hebt en daarvan een samenvatting nodig hebt. Je kunt Copilot vragen om de belangrijkste informatie eruit te halen en er bijvoorbeeld een concepttekst van te maken. Je geeft een opdracht, Copilot ondersteunt je en vervolgens ga je zelf verder met het resultaat.
Bij een agent ligt de nadruk meer op een specifieke taak of een proces. Een agent kan worden ingericht met bepaalde kennis, instructies en acties en zo ondersteuning bieden bij werkzaamheden die vaker terugkomen. Microsoft beschrijft bijvoorbeeld dat agents workflows en bedrijfssystemen kunnen aanspreken om daadwerkelijk acties uit te voeren.
Het is daarbij niet zo dat Copilot en agents twee volledig losstaande oplossingen zijn. Agents maken juist steeds meer deel uit van de Copilot-omgeving. Microsoft biedt binnen Copilot bijvoorbeeld agents als Researcher en Analyst, die ieder gericht zijn op specifieke werkzaamheden zoals onderzoek en data-analyse.
De ontwikkeling gaat dus niet simpelweg van Copilot naar een vervanger van Copilot. Het gaat om een volgende stap waarbij AI steeds specifieker wordt ingezet voor bepaalde werkzaamheden en processen.
Tot nu toe draait het gebruik van generatieve AI voor veel medewerkers voornamelijk om prompts. Je stelt een vraag of geeft een opdracht en AI helpt je verder. Met de komst van agents komt er een ander vraagstuk bij.
Welke werkzaamheden voeren medewerkers iedere dag of iedere week opnieuw uit? Welke informatie hebben zij daarvoor nodig? Welke stappen worden steeds in dezelfde volgorde doorlopen? En waar zitten handelingen die mogelijk slimmer ingericht kunnen worden?
Juist daar kunnen agents interessant worden.
Denk bijvoorbeeld aan een medewerker van een servicedesk die veel dezelfde vragen ontvangt. Een agent kan worden ingericht om beschikbare kennis te gebruiken bij het beantwoorden van zulke vragen. Of denk aan administratieve processen waarbij informatie verzameld en vervolgens in andere systemen verwerkt moet worden.
Daarmee komt AI dichter bij de processen achter het dagelijkse werk te staan.
De mogelijkheden verschillen sterk per organisatie en afdeling. Binnen IT kan een agent bijvoorbeeld ondersteuning bieden rondom terugkerende vragen en beschikbare technische kennis. HR kan kijken naar interne vragen waarvoor informatie uit bestaande organisatiebronnen nodig is. Bij sales kan een agent interessant zijn wanneer voor bepaalde werkzaamheden telkens informatie moet worden verzameld of verwerkt.
Ook Microsoft zelf maakt dit inmiddels concreet. Binnen Microsoft Copilot zijn bijvoorbeeld Researcher en Analyst beschikbaar. Researcher is gericht op uitgebreid onderzoek en het verzamelen van informatie, terwijl Analyst ondersteuning biedt bij het analyseren van data en het verkrijgen van inzichten.
Daarnaast biedt Microsoft Copilot Studio mogelijkheden om eigen agents te ontwikkelen en deze te verbinden met bedrijfsgegevens en andere systemen. Microsoft positioneert het platform voor het maken, aanpassen, implementeren en beheren van agents.
Dat maakt de technologie interessant voor veel verschillende processen, maar betekent niet dat iedere handmatige taak automatisch een geschikte kandidaat is.
Bij nieuwe technologie ontstaat al snel de neiging om te kijken waar deze overal kan worden toegepast. Bij AI-agents is het juist belangrijk om eerst naar het proces zelf te kijken.
Soms is het gebruik van Copilot al voldoende om een medewerker sneller te laten werken. In andere situaties kan een bestaande automatisering of bijvoorbeeld Microsoft Power Platform beter aansluiten. Bij procesautomatisering is het belangrijk om te beseffen dat dagelijkse processen vaak uit relatief eenvoudige, terugkerende stappen bestaan en niet automatisch om een groot maatwerktraject vragen.
Het uitgangspunt zou daarom niet moeten zijn: waar kunnen we een AI-agent inzetten?
Een betere vraag is: waar lopen medewerkers tegen terugkerend handmatig werk aan en welke oplossing past daar het beste bij?
Pas daarna kun je bepalen of een agent daadwerkelijk toegevoegde waarde heeft.
Naarmate AI meer gebruikmaakt van organisatiegegevens en een actievere rol krijgt binnen processen, wordt de inrichting van de IT-omgeving belangrijker.
Dat zien we nu al bij Microsoft 365 Copilot. Copilot werkt met de informatie waartoe een gebruiker toegang heeft. Daardoor vragen een bredere implementatie en het gebruik van organisatiegegevens om aandacht voor onder andere security, governance en beheer.
Bij agents komt daar nog een belangrijke vraag bij: wat mag een agent precies doen?
Een agent die alleen informatie gebruikt om een antwoord te geven, heeft een andere rol dan een agent die gekoppeld is aan een workflow of bedrijfssysteem. Microsoft Copilot Studio biedt mogelijkheden om agents aan bedrijfsgegevens en hulpmiddelen voor het uitvoeren van acties te koppelen.
Daarom blijft ook bij agents de basis belangrijk. Welke informatie is beschikbaar? Wie heeft toegang tot die informatie? Welke systemen worden gekoppeld? En welke acties wil je wel of juist niet door AI laten uitvoeren?
Voor organisaties die verder willen kijken dan het dagelijkse gebruik van Copilot is Microsoft Copilot Studio een belangrijk onderdeel van het Microsoft-landschap.
Copilot Studio is het platform van Microsoft voor het ontwikkelen en beheren van agents. Organisaties kunnen er agents mee ontwikkelen die reageren op natuurlijke taal, gebruikmaken van bedrijfskennis en taken uitvoeren via onder andere flows en API's.
Daarmee ontstaat een bredere ontwikkeling binnen de digitale werkplek. AI is niet meer alleen beschikbaar op het moment dat een medewerker een prompt invoert, maar kan steeds gerichter worden gekoppeld aan de manier waarop een organisatie werkt.
AI-agents gaan de komende tijd een steeds grotere rol spelen binnen het Microsoft-landschap. Toch betekent dat niet dat organisaties nu zoveel mogelijk processen moeten automatiseren.
Voor veel organisaties begint de volgende stap veel eenvoudiger: inzicht krijgen in de werkzaamheden die medewerkers uitvoeren. Waar gaat veel tijd verloren aan terugkerende handelingen? Waar moet steeds opnieuw dezelfde informatie worden opgezocht? En waar zou AI daadwerkelijk iets toevoegen?
Copilot heeft laten zien hoe AI individuele medewerkers kan ondersteunen in hun dagelijkse werk. Met agents komt daar een nieuwe mogelijkheid bij: AI gericht inzetten rondom specifieke werkzaamheden en processen.
Juist daarom is dit een goed moment om niet alleen te kijken naar wat AI vandaag kan, maar vooral naar waar AI binnen de organisatie daadwerkelijk van toegevoegde waarde kan zijn.
