AI-medewerker versus AI-systeem: wat koop je eigenlijk?

Een functieomschrijving zegt te weinig over hoe het werk georganiseerd is.

Een AI-marketeer kan content maken, campagnes uitvoeren en over resultaten rapporteren. Dat is een nuttige manier om een toepassing te beschrijven. Een koper ziet zo waar die in het team zou passen. De meeste vragen over de dagelijkse werking blijven onbeantwoord.

Welke klantinformatie gebruikt de AI? Mag die een advertentiebudget aanpassen? Wat gebeurt er als het CRM en de campagnebriefing elkaar tegenspreken? Wie controleert of een campagne echt gestart is? Wie houdt het systeem actueel wanneer het bedrijf verandert?

Dat is het onderscheid dat ertoe doet wanneer je een AI-medewerker met een AI-systeem vergelijkt. De medewerker vertelt je welke taak de AI moet uitvoeren. Het systeem maakt duidelijk hoe dat werk wordt uitgevoerd, gecontroleerd en door de tijd heen verbeterd.

Het zijn twee manieren om een aankoop te beoordelen, geen technische categorieën die elkaar uitsluiten. Een product dat als AI-medewerker wordt verkocht, kan integraties, goedkeuringen, monitoring en doorlopend beheer omvatten. Bij iets dat een AI-systeem heet, moet je team mogelijk nog altijd het meeste zelf verbinden en onderhouden. De naam alleen vertelt niet wat inbegrepen is.

Eén campagne maakt het werk rond de rol zichtbaar.

Neem een denkbeeldige B2B-campagne. Het bedrijf wil relevante aanvragen voor een bepaalde dienst. Een AI-marketeer schrijft de teksten, selecteert een doelgroep en stelt voor om de campagne te starten. Het materiaal ziet er goed uit. De volgende vragen gaan over het bedrijf dat dit materiaal vertegenwoordigt.

Voor de actuele beschrijving van de dienst is een leidende bron nodig. De doelgroep vraagt om afgesproken criteria. Bestaande klanten en mensen die de boodschap niet mogen ontvangen, moeten correct worden behandeld. Bevoegdheden om geld uit te geven en publicaties goed te keuren, hebben expliciete grenzen nodig. Een goed geschreven instructie kan op zichzelf niet verhinderen dat een tool een ongeoorloofde handeling uitvoert.

Na goedkeuring moet de campagne nog op de juiste platformen terechtkomen. Een tool die meldt dat een verzoek is aanvaard, bevestigt daarmee niet noodzakelijk dat de campagne live staat. Als een verbinding halverwege uitvalt, moet het systeem weten welk werk al is uitgevoerd en wat nog moet gebeuren voordat het opnieuw probeert.

Dat werk eromheen bepaalt of je met het delegeren van de campagne moeite bespaart of die alleen verplaatst. Als iemand voortdurend informatie tussen tools moet kopiëren, gegevens moet vergelijken en elke handeling moet nakijken, hoort die werklast mee in de aankoopbeslissing.

Een stellige melding dat het werk klaar is, is nog geen bewijs.

Een agent kan overtuigend beschrijven wat die heeft gedaan zonder dat de bedoelde verandering heeft plaatsgevonden. Het bruikbare bewijs zit in de uiteindelijke toestand: de juiste campagne bestaat, de doelgroep klopt, het goedgekeurde budget is ingesteld en de verzendstatus is bekend.

Anthropic maakt in zijn richtlijnen voor agentevaluaties expliciet onderscheid tussen een uitvoeringsverslag en het uiteindelijke resultaat. Een van de voorbeelden is controleren of een reservatie echt bestaat, in plaats van afgaan op de melding van een agent dat die de boeking heeft gemaakt. Voor onze campagne betekent dat de gegevens op de betrokken platformen nakijken.

Controles moeten ook passen bij de verantwoordelijkheid. Een controle op merkconsistentie, een uitsluiting uit de doelgroep en een bestedingslimiet zijn verschillende tests. Sommige kun je rechtstreeks in software afdwingen. Andere vragen om beoordeling en inzicht. Eén geslaagde controle bewijst niet dat de hele campagne klopt.

Vraag vóór je aankoop wat de leverancier kan tonen als een handeling mislukt. Een bruikbaar antwoord beschrijft de bekende toestand, de herstelpoging en wie verantwoordelijk is als het systeem niet verder kan. Een aantrekkelijk dashboard zonder dat bewijs laat je team dezelfde onzekerheid handmatig uitzoeken.

Feedback wordt nuttig wanneer die een volgende beslissing verandert.

Stel dat onze denkbeeldige campagne veel leads oplevert, terwijl sales telkens hoort dat de dienst niet past bij het probleem dat kopers ermee verwachtten op te lossen. De campagne kan efficiënt aanvragen opleveren en toch de verkeerde belofte communiceren.

Het systeem heeft een route nodig waarlangs die informatie de volgende marketingbeslissing bereikt. Sales registreert het bezwaar met voldoende context om het te begrijpen. Iemand beoordeelt of het om een terugkerend patroon, een probleem met de doelgroepselectie of een beperkt aantal uitzonderingen gaat. Een voorgestelde aanpassing van de briefing wordt beoordeeld, waar nodig doorgevoerd en getoetst aan latere resultaten.

Dat zou leren in een gesloten feedbacklus moeten betekenen in een aankoopgesprek. Het betekent niet noodzakelijk dat een model opnieuw wordt getraind. Feedback verzamelen verbetert het systeem ook niet automatisch. De aanpassing kan betrekking hebben op goedgekeurde kennis, doelgroepregels, boodschappen, de werking van tools of een testgeval.

Dezelfde zorgvuldigheid geldt voor kennis die veroudert. Als prijzen veranderen, bepaal dan welke bron actueel is, welk actief materiaal ervan afhangt en welke controles opnieuw moeten gebeuren. Een correctie moet ergens terechtkunnen. Een aangeduide verantwoordelijke moet kunnen uitleggen wat erdoor veranderd is.

Beoordeel het commerciële resultaat zorgvuldig. Meer leads, meer reacties of lagere productiekosten kunnen nuttige signalen zijn. Of het systeem het bedrijf heeft geholpen, hangt ook af van de kwaliteit van de leads, de conversie en het werk dat nodig is om de output te verwerken. Een drukbezette agent toont dat verband niet vanzelf aan.

Delegeer je werk of haal je een tool in huis die voortdurend toezicht vraagt?

Sommige beslissingen moeten bij mensen blijven. Een markt kiezen, een belangrijke claim goedkeuren of een commerciële uitzondering aanvaarden kan rechtstreekse menselijke verantwoordelijkheid vragen. Een leverancier moet kunnen uitleggen waar dat oordeel waarde toevoegt en wanneer het systeem erom zal vragen.

Dat is iets anders dan iemand die telkens een vastgelopen uitvoering moet redden. Opnieuw context invoeren, controleren of een handeling is uitgevoerd en dezelfde vermijdbare fout corrigeren, zijn operationele kosten. Die moeten vóór de aankoop zichtbaar zijn, naast kosten voor inrichting, software, gebruik en onderhoud.

Het doel is niet om menselijke betrokkenheid overal te schrappen. Het gaat om een verstandige werkverdeling en een helder beeld van de resterende werklast. Vraag wat een gewone week van je team vergt: welke beoordelingen, hoeveel uitzonderingen, welke toegang en wiens tijd. Maak onderscheid tussen gemeten praktijkgegevens, schattingen en toezeggingen.

Die waarnemingen moeten na verloop van tijd helpen om verantwoordelijkheden aan te passen. Een terugkerende uitzondering kan een verbetering van het systeem rechtvaardigen. Een nieuw commercieel risico kan strengere controle vragen. Meer autonomie moet passend blijven bij de taak, in plaats van een doel op zich te worden.

Vraag om je eigen proces te zien, ook de moeilijke onderdelen.

Kies één echt proces in je bedrijf en vraag de leverancier om het in een gecontroleerde demonstratie te doorlopen. Spreek af wat een geslaagd resultaat is, welke informatie het systeem mag gebruiken en wat het mag veranderen. Gebruik representatieve gegevens zonder onnodig echte klantgegevens of uitgaven te wijzigen.

Neem twee bronnen die elkaar tegenspreken en een handeling die mislukt. Vraag welke bron voorrang krijgt, wanneer het systeem stopt, wat er vóór een nieuwe poging gebeurt en welk bewijs bewaard blijft. Verander daarna een relevante invoer, zoals een goedgekeurde prijs, en bekijk hoe de volgende output daarop reageert.

Sluit af met de verantwoordelijkheden. Wie actualiseert de kennis? Wie onderzoekt een defecte integratie? Wie controleert het gedrag nadat een model of instructie verandert? Wat moet je team onderhouden, wat onderhoudt de leverancier en wat gebeurt er als die samenwerking eindigt?

Een beheerd product kan deze vragen al goed beantwoorden. Een ingestelde workflow kan volstaan voor een afgebakende, voorspelbare taak. Een complexere agentarchitectuur is niet automatisch een betere aankoop. Ook Anthropic raadt aan te beginnen met de eenvoudigste aanpak die bij de taak past.

Bij AiDU beginnen we met hoe het werk moet verlopen. Daarna bepalen we welke taken agents kunnen uitvoeren en waar mensen moeten beslissen. Kopers mogen verwachten dat die werkafspraken begrijpelijk zijn, ongeacht wie het systeem levert.

Koop de toepassing met een helder beeld van het systeem, het resterende werk en wie voor beide verantwoordelijk is.