AI-agenten in het dagelijkse werk: wat gebeurt er eigenlijk binnen de tools die we gebruiken?

Er wordt veel gesproken over AI op dit moment, bijna te veel om bij te houden. Maar achter het rumoer schuilt een verschuiving die oprecht van invloed is op de dagelijkse werkzaamheden van MSP's: AI-agenten verhuizen naar de tools die we al gebruiken, in plaats van te leven in een apart tabblad dat je moet openen. Dat is precies waarom het belangrijk is om te begrijpen hoe ze onder de motorkap werken, niet alleen dat ze bestaan.

Dat is de verschuiving die Acronis goed illustreert met zijn AI-gestuurde servicedesk, en het dient als een goed voorbeeld van wat een AI-agent in de praktijk eigenlijk betekent.

Een concreet voorbeeld: van waarschuwing tot opgelost ticket

Stel je een veelvoorkomend scenario voor. Een back-up mislukt, er gaat een waarschuwing af en een technicus moet het ticket openen, het apparaat controleren, de back-upgeschiedenis doorlopen, zoeken naar vergelijkbare eerdere gevallen, een oplossing bedenken en tenslotte een update aan de klant schrijven. Geen van deze stappen is op zichzelf moeilijk, maar herhaal dit voor veel klanten en tickets en het kost tijd die naar iets waardevollers zou kunnen gaan.

Met AI direct ingebouwd in de ticketingworkflow ziet de stroom er anders uit. De waarschuwing creëert of update het ticket automatisch, en de AI kan samenvatten wat er is gebeurd, vergelijkbare of dubbele tickets naar boven halen, opmerken of het probleem deel uitmaakt van iets groters, en een waarschijnlijke oplossing voorstellen. Voor een bekende back-upfout kan dit betekenen dat de taak opnieuw wordt geprobeerd, het resultaat wordt geverifieerd en het ticket vervolgens wordt gesloten of geëscaleerd, afhankelijk van de uitkomst.

Wat dit interessant maakt, is wat er gebeurt nadat de oplossing eenmaal werkt. In plaats van dat de technicus precies hetzelfde probleem de volgende keer handmatig oplost, kunnen de succesvolle stappen worden omgezet in een herbruikbare regel, beschreven in gewone taal. Het volgende vergelijkbare ticket wordt dan sneller afgehandeld en consistenter behandeld, ongeacht wie in het team het oppakt.

Controle blijft de basis

Het is gemakkelijk om aan te nemen dat een AI-agent betekent dat alles op de automatische piloot draait, maar een goede opzet is eigenlijk gebaseerd op vertrouwen dat stap voor stap groeit. Sommige dingen kan de AI veilig meteen doen, zoals het verzamelen van statusgegevens en logboeken. Andere dingen moeten door een persoon worden voorbereid en goedgekeurd voordat ze plaatsvinden. En sommige acties mogen alleen automatisch worden uitgevoerd zodra de partner expliciet heeft besloten dat ze veilig genoeg zijn.

In de praktijk kan dat er ongeveer zo uitzien:

De AI vat samen, stelt volgende stappen voor en bereidt concepten voor, zonder zelf actie te ondernemen.
De AI bereidt een actie voor, maar een technicus keurt deze goed voordat deze wordt uitgevoerd.
De AI kan acties uitvoeren die de partner expliciet als veilig heeft gemarkeerd, waarbij alles wordt gelogd zodat het achteraf kan worden gecontroleerd.

Dit stap-voor-stapmodel betekent dat een routinehandeling, zoals het opnieuw proberen van een bekende back-uptaak, volledig geautomatiseerd kan worden zodra de MSP er klaar voor is, terwijl alles wat met facturering te maken heeft goedkeuring blijft vereisen voordat het financiële gevolgen heeft.

Waarom het belangrijk is dat de AI is ingebouwd

Het verschil tussen AI die leeft binnen de tool waarmee je al werkt en het kopiëren van ticketgegevens naar een externe chatbot is groter dan het lijkt. Wanneer de informatie binnen het platform blijft dat je al gebruikt, is er logging, traceerbaarheid en duidelijke grenzen rond wat kan worden voorgesteld, goedgekeurd of geautomatiseerd. Ga je naar een externe tool, dan weet je achteraf zelden welke account is gebruikt, welke gegevens zijn gedeeld of hoe het antwoord eigenlijk is geproduceerd.

Voor een kleinere MSP kan dit betekenen dat er gestart wordt met een praktische tool zonder dat er een zwaar PSA-project omheen gebouwd hoeft te worden. Voor een grotere MSP met reeds gevestigde systemen kan dezelfde AI in plaats daarvan fungeren als een extra laag voor triage en analyse bovenop wat er al is, zonder dat de manier waarop het team werkt vervangen hoeft te worden.

Het grotere plaatje

De waarde hier is niet dat AI mooiere tekst schrijft. De waarde is dat het onnodig werk uit de dag verwijdert: technici begrijpen tickets sneller, succesvolle oplossingen worden hergebruikt in plaats van elke keer opnieuw uitgevonden, en wie verantwoordelijk is voor het bedrijf krijgt betere input voor zijn beslissingen.

Dit is een goede illustratie van iets groters dat van toepassing is op iedereen die nu in de IT en beveiliging werkt. AI-agenten evolueren snel, en wat vandaag nieuw is, kan binnen zes maanden standaard zijn. Maar het voordeel komt niet alleen van het simpelweg gebruiken ervan, het komt van het daadwerkelijk begrijpen hoe ze werken binnen de tools waarop we al vertrouwen, welke beslissingen ze zelf nemen en waar de grens ligt voor wat ze mogen doen zonder ons. Dat begrip is wat je in staat stelt te profiteren van het tempo van verandering zonder onderweg de controle te verliezen.