AI-tools
AWS en Microsoft bouwen aan samenwerkende AI-agenten voor bedrijven
AWS en Microsoft tonen hoe ze AI-systemen bouwen waarin meerdere gespecialiseerde AI-agenten samenwerken op bedrijfsdata.
Op basis van AWS Machine Learning en Microsoft
Samengesteld met AI-assistentie uit de onderstaande bronnen, onder redactie van Frederiek Pascal. Hoe dit werkt
In het kort
- AWS toont een systeem waarin drie AI-agenten samenwerken: één verdeelt vragen, twee voeren gespecialiseerde taken uit met verschillende AI-modellen.
- Microsoft beschrijft hoe een Canadees en twee Amerikaanse ziekenhuizen AI-agenten inzetten voor documentatie, patiëntenstromen en IT-infrastructuur, met besparingen tot 45 miljoen dollar bij één ziekenhuis.
- Voor Vlaamse kmo's is dit voorlopig geen kant-en-klaar product, wel een signaal dat 'AI-agenten die samenwerken' de volgende stap wordt na losse chatbots.
- Geen van beide bronnen geeft onafhankelijke cijfers over kosten of betrouwbaarheid buiten de eigen praktijkvoorbeelden.
Twee grote technologiebedrijven lieten deze week zien hoe ze AI verder duwen dan losse chatbots. Amazon Web Services (AWS) publiceerde een technische handleiding over het bouwen van systemen waarin meerdere AI-agenten samenwerken en elk hun eigen taak krijgen. Microsoft deelde intussen praktijkverhalen van een Canadees en twee Amerikaanse ziekenhuizen die AI-agenten inzetten voor documentatie, patiëntenplanning en IT-beheer. Beide verhalen gaan over hetzelfde thema: bedrijven bouwen AI-systemen die niet één taak doen, maar een heel proces overnemen door meerdere gespecialiseerde onderdelen te laten samenwerken.
Dat klinkt abstract, maar de kern is eenvoudig. In plaats van één AI-model alles te laten doen, verdeel je het werk. Een ‘orkestrator’ bepaalt wat een gebruiker vraagt en stuurt de vraag door naar de juiste specialist. Die specialist gebruikt vervolgens het AI-model dat het beste past bij die taak, soms een duur en krachtig model, soms een goedkoper model dat voor die specifieke klus voldoende is. Dat is precies wat AWS in zijn voorbeeld demonstreert: een systeem dat vragen over budgetten en over beleggingen elk naar een andere AI-motor stuurt.
Wat heeft een kmo hier nu al aan?
Op dit moment weinig, en dat is belangrijk om eerlijk te zeggen. Het AWS-voorbeeld is een technische blauwdruk voor software-ontwikkelaars, met programmeercode en cloudconfiguratie die niet voor niet-technische gebruikers bedoeld is. Er bestaat vandaag geen kant-en-klaar pakket dat een Vlaamse zaakvoerder zelf kan installeren. Wat het wel toont, is de richting: de grote cloudbedrijven bouwen actief aan de bouwstenen waarmee softwarebedrijven straks bedrijfsbrede AI-agenten kunnen maken, bijvoorbeeld voor klantendienst, boekhouding of planning. Of en wanneer die bouwstenen ook bij kleinere bedrijven terechtkomen, laten de bronnen in het midden.
Wat leren de ziekenhuisvoorbeelden van Microsoft?
De Microsoft-voorbeelden zijn concreter over resultaten, al blijven het cijfers van de leverancier zelf over eigen klanten. Bij Peterborough Regional Health Centre in Canada daalde de wachttijd voor een ziekenhuisbed met 43 procent nadat het ziekenhuis achttien losse computersystemen samenbracht in één datasysteem waarop AI-agenten kunnen werken. Franciscan Health in de Verenigde Staten verhuisde zijn patiëntendossiersysteem naar de cloud van Microsoft en rapporteert volgens de eigen cijfers 45 miljoen dollar besparing over vijf jaar en 33 procent lagere infrastructuurkosten. Brown University Health, ook in de VS, bouwde meer dan twintig AI-agenten die onder meer artsen helpen bij het opzoeken van beleidsregels en het vinden van de juiste specialist.
De rode draad is dat AI-agenten pas goed werken als de onderliggende data op orde is. Peterborough startte niet met een AI-model, maar met het opruimen van data die over achttien systemen verspreid zat. Dat is een les die evenzeer voor een Vlaamse kmo geldt: een AI-agent die klantendossiers of voorraadgegevens moet raadplegen, is maar zo goed als de gegevens waarop hij draait. Bedrijven met versnipperde Excel-bestanden en losse systemen zullen weinig baat hebben bij een AI-agent, hoe geavanceerd ook.
Wat betekent dit voor de kosten?
Beide bronnen tonen dat het combineren van meerdere AI-modellen precies bedoeld is om kosten te beheersen: je gebruikt een duur, krachtig model alleen waar het nodig is, en een goedkoper model voor de rest. Vandaag moet je als kmo nog zelf kiezen welk AI-abonnement of welke tool je gebruikt; het AWS-voorbeeld toont dat het technisch mogelijk is om software die keuze per taak te laten maken. Onafhankelijke cijfers over hoeveel dat concreet bespaart, geven de bronnen niet: alle cijfers komen van de leveranciers zelf, over hun eigen klanten of eigen producten.
Waar draait dit precies, en maakt dat uit?
Het AWS-voorbeeld werkt met datacenters in de Verenigde Staten en India. Microsoft laat in zijn ziekenhuisverhalen niet weten in welk land de gegevens precies verwerkt worden. Voor de beschreven praktijkgevallen speelt dat weinig rol, want het gaat om Amerikaanse en Canadese organisaties die met hun eigen lokale wetgeving werken. Voor een Vlaamse ondernemer die ooit met vergelijkbare AI-agenten wil werken, blijft de locatie van gegevensverwerking wel een aandachtspunt zodra dit soort systemen breder beschikbaar komt, zeker bij verwerking van klant- of personeelsgegevens.
Wat betekent dit voor jou
Kosten en dataopslag komen apart in beeld
- Kmo die met AI-tools werkt Nu al let je best op of een AI-tool automatisch het goedkoopste geschikte model kiest, want die functie wordt stap voor stap de norm en kan je factuur drukken.
- Bedrijf met versnipperde data in Excel of losse systemen De praktijkvoorbeelden tonen dat AI-agenten pas nuttig worden na het opruimen van data, dus opruimwerk aan klant- of voorraadgegevens is een investering die zich later terugbetaalt.
- Wie gevoelige klant- of personeelsgegevens verwerkt Het AWS-voorbeeld draait vandaag op datacenters in de VS en India, dus vraag bij toekomstige AI-agentproducten expliciet na waar de gegevensverwerking gebeurt voor je ze inzet.
Veelgestelde vragen
Kan ik als kmo nu al zo'n AI-agentensysteem gebruiken?
Niet rechtstreeks. Het AWS-voorbeeld is bedoeld voor softwareontwikkelaars en vereist programmeerkennis. Er bestaat nog geen kant-en-klaar product voor niet-technische gebruikers. De bronnen laten niet zien of en wanneer deze technologie in gewone bedrijfssoftware terechtkomt, dus daar kunnen we niets over voorspellen.
Wat is een AI-agent precies?
Een AI-agent is een AI-systeem dat niet enkel antwoordt op vragen, maar zelfstandig taken uitvoert, zoals gegevens opzoeken, een berekening maken of een actie ondernemen. In de besproken voorbeelden werken meerdere agenten samen: één verdeelt het werk, andere voeren specifieke deeltaken uit met het model dat daar het best voor past.
Bespaart dit systeem echt geld?
De leveranciers zelf claimen besparingen, zoals 45 miljoen dollar bij één Amerikaans ziekenhuis, maar dat zijn eigen cijfers zonder onafhankelijke controle. Het onderliggende principe, goedkopere AI-modellen inzetten waar een duur model niet nodig is, kan wel degelijk kosten drukken, maar concrete, onafhankelijk geverifieerde bedragen ontbreken in de bronnen.
Waar staan de servers die deze AI-systemen draaien?
AWS geeft aan dat zijn voorbeeldsysteem draait op datacenters in de Verenigde Staten en India. Microsoft vermeldt in zijn ziekenhuisverhalen niet in welk land de gegevens verwerkt worden. Voor de huidige Amerikaanse en Canadese praktijkgevallen speelt dat vandaag geen rol, maar zodra vergelijkbare systemen bij Europese bedrijven terechtkomen, is dat wel iets om na te vragen.
Moet ik als ondernemer nu al iets doen met deze informatie?
Concrete actie is niet nodig, want er bestaat nog geen toepassing voor kmo's. Wat wel nuttig is: begin met het opruimen en centraliseren van je bedrijfsgegevens, want de voorbeelden tonen dat AI-agenten pas goed werken op geordende data. Dat is een investering die sowieso loont, met of zonder AI-agenten.