Agents die werk afmaken, binnen grenzen die jij bepaalt.
RobotCandy ontwerpt en bouwt agentsystemen voor organisaties. Dat is software waarin een AI-model zelf stappen kiest, tools gebruikt en werk afrondt in je bestaande systemen. Met vaste bevoegdheden, akkoord op de momenten die ertoe doen en een logboek van elke stap.
Voorbeeldrun met fictieve gegevens
Klantenservice-agent: dubbele incasso
Klaar om te starten
Vergunning van deze agent
- Mag lezen
- Mailbox klantenservice, boekhouding, handboek
- Mag voorstellen
- Creditnota, antwoord aan de klant
- Na akkoord
- Creditnota boeken, antwoord versturen
- Nooit
- Betalingen doen, klantgegevens wijzigen
- De agent start zo en werkt door tot het punt waar jouw akkoord nodig is.
Wanneer is een agent de juiste keuze?
Een agent is duurder om te bouwen en te beheren dan een vaste workflow. Die extra moeite loont alleen als het werk zich slecht in vaste regels laat vangen. In de verkenning toetsen we dat eerlijk. Soms is de uitkomst dat je geen agent nodig hebt.
Een agent past als
- de input elke keer anders is: mails, documenten, tickets of gespreksnotities;
- de volgende stap afhangt van wat er onderweg gevonden wordt;
- het werk informatie uit meerdere systemen combineert;
- medewerkers nu vooral zoeken, vergelijken en samenvatten voordat iemand beslist;
- je fouten kunt opvangen met een controle, een akkoord of een herstelactie.
Kies iets eenvoudigers als
- de stappen altijd hetzelfde zijn. Gewone automatisering is dan goedkoper en voorspelbaarder;
- één fout onherstelbare schade geeft en er geen mens tussen kan zitten;
- de data die de agent nodig heeft niet ontsloten is, of niet gebruikt mag worden;
- het volume zo laag is dat de bouw zich niet terugverdient;
- je eigenlijk een betere zoekfunctie of een chatbot op je eigen documenten zoekt.
Tools en bevoegdheden, vastgelegd in software
Een agent is zo betrouwbaar als de grenzen eromheen. Een model kan een instructie verkeerd lezen, maar een tool die het niet heeft, kan het ook niet gebruiken. Daarom leggen we per agent vast welke tools hij krijgt en op welk niveau hij ze mag gebruiken.
Lezen
De agent vraagt gegevens op in afgesproken bronnen, met een eigen account dat alleen leesrechten heeft.
Voorstellen
De agent bereidt een actie voor, zoals een boeking, een wijziging of een conceptmail. Een medewerker ziet precies wat er zou gebeuren.
Uitvoeren na akkoord
De actie gaat pas door als een bevoegde medewerker akkoord geeft. Jij bepaalt de drempels: bedrag, klanttype of risico.
Zelfstandig uitvoeren
Alleen voor acties met een laag risico die terug te draaien zijn en die zich in de pilot hebben bewezen.
Nooit
Sommige acties krijgt een agent niet, ook niet met akkoord. Denk aan betalingen of het verwijderen van klantgegevens. Die tools bestaan dan niet in zijn gereedschapskist.
Instructies uit documenten zijn geen opdrachten
Een mail of pdf kan tekst bevatten die de agent probeert te sturen. Daarom behandelen we alle invoer als onbetrouwbaar en geven we de agent alleen de tools die bij zijn taak horen.
Sleutels blijven buiten het model
Wachtwoorden en API-sleutels staan in de koppelingen, niet in prompts. Elke agent krijgt een eigen serviceaccount met minimale rechten, zodat je toegang per agent kunt intrekken.
Een plafond per run
Elke run heeft een maximum aan stappen, tijd en modelkosten. Loopt een agent vast, dan stopt hij en meldt hij dat, in plaats van door te draaien.
Weten wat je agent doet, ook na de livegang
Een demo werkt op tien voorbeelden. Productie krijgt elke dag nieuwe gevallen, andere formuleringen en systemen die even niet bereikbaar zijn. Deze maatregelen horen daarom bij elk systeem dat we opleveren.
- Een logboek per run
- Elke stap, tool-aanroep, invoer en uitkomst wordt vastgelegd. Ook weken later kun je nagaan waarom de agent iets deed.
- Terugcontrole na elke actie
- Na een wijziging leest de agent het resultaat terug uit het bronsysteem. Klopt het niet, dan stopt de run en krijgt een medewerker een melding.
- Een testset van echte gevallen
- Voor de livegang stellen we samen voorbeelden op met de gewenste uitkomst. Elke wijziging aan prompt, model of tool draait eerst tegen die set.
- Een vaste terugvalroute
- Kan of mag de agent niet verder, dan komt de zaak bij een medewerker terecht, met alles wat de agent al heeft uitgezocht.
- Meten wat goedgekeurd wordt
- Je ziet hoe vaak voorstellen ongewijzigd worden goedgekeurd, wat er wordt aangepast en waarom iets wordt afgewezen. Dat bepaalt of een agent meer ruimte krijgt.
- Overstappen op een ander model
- Modellen veranderen snel. Met de testset meet je een nieuw model op je eigen gevallen voordat je overstapt.
Van verkenning naar productie, in stappen die je kunt stoppen
Elke fase eindigt met iets dat je kunt beoordelen. Je beslist daarna of je doorgaat. Zo investeer je pas in productie als de agent op je eigen gevallen heeft laten zien wat hij kan.
Verkenning
We brengen het proces, de systemen en de risico's in kaart en kiezen één afgebakende taak. Je krijgt een ontwerp met bevoegdheden, akkoordmomenten en een eerste testset, en een eerlijk oordeel of een agent hier past.
Prototype op echte gevallen
Een werkende agent draait op historische of geanonimiseerde gevallen, zonder schrijfrechten. Je ziet wat hij goed doet en waar hij de fout in gaat, voordat hij iets in productie raakt.
Begeleide pilot
De agent werkt mee in het echte proces en elke actie loopt via akkoord. Je mensen beoordelen de voorstellen. Hun correcties verbeteren de testset.
Productie
Acties die zich hebben bewezen, krijgen meer ruimte. Monitoring, meldingen en de terugvalroute zijn ingericht en gedocumenteerd, zodat je eigen IT-afdeling weet wat er draait.
Beheer en uitbreiding
Modellen, systemen en processen veranderen. We houden de testset bij, volgen kwaliteit en kosten en breiden uit naar de volgende taak wanneer de eerste stabiel loopt.
Eerlijk over de inspanning
Het model is zelden het moeilijkste deel. Het meeste werk zit in de koppelingen met je systemen, in toegang tot de juiste data, in het vastleggen van wat een goede uitkomst is en in het inrichten van controle. Reken ook op tijd van je eigen mensen: proceskennis delen, testgevallen beoordelen en akkoord geven tijdens de pilot.
Een agentsysteem is daarna niet af. Het vraagt beheer, net als andere software waar je bedrijf op draait. Een volledig autonoom bedrijf beloven we niet. Wel software die een afgebakend deel van het werk betrouwbaar overneemt en de rest goed voorbereidt voor je mensen.
Gebouwd door RobotCandy
agentic-ai.nl is een website van RobotCandy, het softwarebedrijf van Jonathan IJzerman in Breda. Jonathan is softwareontwikkelaar sinds 2012. Hij ontwerpt de architectuur, bouwt zelf mee en blijft je aanspreekpunt.
RobotCandy werkt zelf AI-first. Teams van AI-agents bouwen onder menselijke regie aan productiesoftware, met vastgelegde architectuurbesluiten, code review en geautomatiseerde tests als vaste controle. Die werkwijze is ook de basis voor de agentsystemen die we voor klanten bouwen. Sinds 2022 bouwt en onderhoudt RobotCandy daarnaast ffRekenen, een rekenplatform voor het mbo.
Vertel welk werk een agent zou moeten doen
Beschrijf het proces of het probleem. Jonathan leest elke aanvraag zelf. In een eerste gesprek kijken we of een agent bij je vraagstuk past. Past het, dan stellen we een verkenning voor.
Weet je je budget nog niet? Kies dan "Weet ik nog niet". Dat is een prima startpunt.
Liever mailen? jonathan@robotcandy.nl