Data Strategie

Van prompts naar werk: blueprint voor agent-gebaseerde bedrijven

Snowflake Blog
Van prompts naar werk: blueprint voor agent-gebaseerde bedrijven

Samenvatting

Snowflake beschrijft hoe AI-agenten van losse prompts naar beheerde rollen met data, toezicht en menselijke verantwoording gaan.

AI-agenten krijgen een functieomschrijving

Snowflake beschrijft een aanpak waarin bedrijven AI-agenten niet langer alleen als prompts behandelen, maar als rollen binnen een organisatie. Een prompt beschrijft een taak; een functieomschrijving legt ook verantwoordelijkheden, plaats in het proces en toezicht vast.

De aanpak bestaat uit drie stappen. Eerst bepalen teams welke taken automatisering verdienen en prioriteren ze toepassingen vóór de bouw start. Daarna bereiden ze een handboek voor: gestructureerde, actuele en toegankelijke data vormen de basis voor de agent. Snowflake meldt dat 65% van de onderzochte bedrijven moeite heeft met het doorbreken van datasilo’s voor AI en 62% met het AI-gereed maken van data.

De bouw van een agent kan volgens een geïnterviewde energieleverancier ongeveer 20 minuten duren. Het verzamelen van data uit verspreide bronnen en het maken van embeddings kostte daar weken.

AI-agenten vragen ander toezicht

De bron beschrijft drie menselijke rollen: de designer bouwt het proces en de agent, de controller bewaakt de uitvoering en controleert de uitkomsten, en de auditor toetst risicovolle processen onafhankelijk. De eindverantwoordelijkheid blijft bij mensen.

Een mondiale autofabrikant testte trainingsagenten vóór introductie in vijf rondes met 170 vragen. Een muziek technologiebedrijf controleert alle agentuitvoer handmatig voordat die wordt vrijgegeven. De bron noemt bovendien een verschil tussen bouwen en invoeren: vier weken voor de bouw tegenover acht tot negen maanden tot daadwerkelijk gebruik.

Voor BI-professionals verschuift het werk daarmee van alleen datalevering naar het ontwerpen van gecontroleerde processen, meetpunten en verantwoordingslijnen. De bron stelt dat in afdelingen die agenten op grotere schaal inzetten een rol voor AI-manager ontstaat.

AI-agenten: concrete takeaway

Leg vóór elke agent een functieomschrijving vast met doel, databronnen, toegestane acties, controlepunten en een aangewezen menselijke eigenaar. Meet de uitkomsten vóór introductie en plan onafhankelijke controle zodra het proces risico’s bevat.

Lees het volledige artikel
Meer over Data Strategie →