Agentic AI in de praktijk middels UiPath Agent

We hebben onze allereerste werkende UiPath Agent gebouwd. Deze HR-Agent beantwoordt HR-gerelateerde vragen door slim gebruik te maken van meerdere tools en contextbronnen (Context Grounding, RAG). Bij elke vraag bepaalt de Agent zelf welke informatie hij nodig heeft, waar hij die vandaan haalt en in welke volgorde hij zijn tools inzet om tot een volledig antwoord te komen.

Voorbeelden van vragen die een eerste HR-Agent versie al kan beantwoorden:
• Hoeveel vakantiedagen mag ik bijkopen?
• Heb ik recht op een leaseauto?
• Hoeveel zorgverlof kan ik opnemen?

AI Agents zijn op dit moment volop in de belangstelling. Het bouwen van een Agent gebeurt middels slimme prompts en daarmee natuurlijke taal. In een aantal uur heb je al een werkende Agent gemaakt. Wat echter nog uitdagend is: bepalen in welke use-cases het gebruik van Agents de gewenste oplossing is ten opzichte van tools die we al kennen.

Wat maakt een automatisering een Agentic automation?

We zien in de praktijk veel zogenaamde Agentic Automation-toepassingen die in feite gewone automatiseringen zijn, met een LLM die in één of twee stappen ondersteunt. Maar dat maakt het nog geen Agent. Een Agent moet niet worden ingezet voor één vaste vraag met één bekend antwoord. Als je vooraf weet welke stappen nodig zijn, waar de onzekerheid zit en welke AI-componenten je nodig hebt, dan heb je geen Agent nodig. In dat geval bouw je gewoon een slimme automatisering, waarbij je RPA combineert met het gebruik van LLM’s of andere NLP-modellen. Neem bijvoorbeeld het verwerken van facturen.

Dat proces bestaat uit een vaste volgorde van stappen:
1. Factuur ophalen uit een mailbox
2. Uitlezen informatie
3. Matchen aan inkooporder
4. Verschillen identificeren
5. Verwerken in het systeem

Deze volgorde van processtappen staat vast en is belangrijk om tot het gewenste resultaat te komen. Geef je dit proces aan een Agent die zelf mag kiezen welke tools hij gebruikt en in welke volgorde, dan loop je het risico dat hij stap 5 uitvoert voordat stap 1 is gedaan, simpelweg omdat de LLM dit ‘logisch’ kan vinden.

Het feit dat je in stap 2 of 4 de intelligentie van een LLM of AI nodig hebt, betekent niet dat je voor de oplossing Agentic Automation nodig hebt. In zulke gevallen kies je beter voor een traditionele automatisering waarin AI alleen daar wordt ingezet waar het echt waarde toevoegt.