Zakelijke AI-agents worden nuttig als ze de juiste bedrijfscontext kunnen lezen, binnen een gedefinieerde workflow handelen en een duidelijk verslag achterlaten dat een mens kan controleren. Een sterker model alleen lost verspreide documenten, onduidelijk eigenaarschap of te ruime rechten niet op.

Dat is de praktische les uit het uitgebreide partnerschap tussen Atlassian en OpenAI dat OpenAI op 6 oktober 2026 aankondigde. De bedrijven verbinden OpenAI-modellen met de Teamwork Graph van Atlassian, zodat agents context van mensen, projecten, documenten en beslissingen kunnen gebruiken. Voor ondernemers is het punt eenvoudig: bereid de werkomgeving voor voordat je een agent meer autonomie geeft.

Waarom zakelijke AI-agents bedrijfscontext nodig hebben

Een algemeen model kent taal en patronen. Het weet niet vanzelf welke salesprognose actueel is, wie een korting heeft goedgekeurd, of een supportcase urgent is of welk beleid in België geldt. Die antwoorden staan verspreid over je CRM, helpdesk, gedeelde schijf, inbox en projectsysteem.

De aankondiging van het partnerschap op 6 oktober van OpenAI beschrijft hoe Rovo de Teamwork Graph van Atlassian gebruikt als contextlaag voor de onderneming. In het voorbeeld over lanceringsgereedheid kan een agent Jira-tickets, Confluence-documenten en discussies verbinden om blokkades en gemiste mijlpalen te vinden. Het model levert de redenering, maar de gekoppelde registraties leveren de feiten.

Dat onderscheid is belangrijk omdat een verzorgd antwoord operationeel toch fout kan zijn. Als de agent een oude prijslijst leest of een beslissing in een privékanaal mist, redt een overtuigende formulering het resultaat niet. Betrouwbare automatisering begint bij bronnen, eigenaarschap en tijdstempels.

Context moet ook selectief zijn. Een agent toegang geven tot elke map is makkelijker dan rechten ontwerpen, maar het creëert onnodige privacy- en beveiligingsrisico's. De agent mag alleen zien wat de taak vereist, onder dezelfde of strengere regels als voor een menselijke medewerker.

Bereid één workflow voor voordat je autonomie toevoegt

Begin met een workflow die een duidelijke trigger, een herhaalbaar verloop en een controleerbaar resultaat heeft. Goede eerste kandidaten zijn binnenkomende verzoeken sorteren, een wekelijkse projectbriefing voorbereiden, facturen koppelen aan inkooporders of antwoorden opstellen vanuit een goedgekeurde kennisbank.

Breng het proces in kaart zoals het nu loopt. Vraag waar informatie binnenkomt, welk systeem de gezaghebbende registratie bevat, welke beslissingen vaste regels volgen en waar oordeelsvermogen nodig is. Dit is vaak waardevoller dan een model kiezen. Het legt dubbele stappen en ontbrekend eigenaarschap bloot voordat software ze sneller maakt.

Een praktische checklist voor gereedheid is kort:

• Benoem het bronsysteem voor elk belangrijk feit.

• Definieer de gebeurtenis die de workflow start en het resultaat dat hem beëindigt.

• Beperk rechten per rol, type registratie en actie.

• Stel drempels voor vertrouwen of waarde vast voor menselijke goedkeuring.

• Log invoer, toolaanroepen, wijzigingen en beslissingen van reviewers.

• Kies een meetbare nulmeting, zoals afhandeltijd of herstelpercentage.

Houd de eerste versie smal. Een agent die een projectstatusrapport maakt uit drie goedgekeurde bronnen is makkelijker te testen dan een agent die projectmanagement moet uitvoeren. Een smalle scope levert bewijs op over waar de agent helpt en waar het proces zelf reparatie nodig heeft.

Ontwerp controle rond acties, niet rond chat

Het risico verandert als een AI overgaat van een vraag beantwoorden naar een registratie wijzigen. Een ticket lezen is iets anders dan het sluiten. Een antwoord over een terugbetaling opstellen is iets anders dan de terugbetaling uitvoeren. Je controleontwerp moet rekening houden met de omkeerbaarheid van de actie en de financiële of klantimpact.

Gebruik alleen-lezentoegang tijdens de eerste testfase. Sta daarna schrijfacties met laag risico toe, zoals een label toevoegen of een concept maken. Vereis goedkeuring voor berichten aan klanten, accountwijzigingen, betalingen, verwijderingen of beslissingen die invloed hebben op werk en toegang tot diensten.

Menselijke review heeft een echte interface nodig. Een manager moet de voorgestelde actie zien, het gebruikte bewijs, gevonden uitzonderingen en het exacte effect van goedkeuring. Een algemene goedkeurknop zonder context maakt van toezicht theater. Reviewers hebben ook een duidelijke manier nodig om de brondata te corrigeren in plaats van elke week dezelfde output te repareren.

Meet meer dan voltooide taken. Volg correcties, escalaties, pogingen tot ongeautoriseerde toegang, dubbele acties en de tijd die aan review wordt besteed. Een snelle agent die verborgen opruimwerk veroorzaakt, is geen verbetering. Vergelijk resultaten een aantal cycli met het oude proces voordat je de scope uitbreidt.

Bij Vexol benaderen we AI-implementatie als een workflow- en systeemproject. Het model is één onderdeel. Het blijvende werk is bronnen verbinden, rechten afdwingen, uitzonderingen afhandelen en eigenaarschap zichtbaar maken.

Rol gefaseerd uit. Begin met vijf of tien echte gevallen en controleer elk resultaat. Als de foutpatronen voorspelbaar worden, automatiseer dan de veiligste tak en houd uitzonderingen in een wachtrij. Breid pas uit naar een ander team als de workflow een eigenaar, een supportroute en een terugvalplan heeft. Dit tempo voelt misschien voorzichtig, maar voorkomt dat een zwak proces zich over het bedrijf verspreidt voordat iemand weet hoe het te repareren.

Kunnen zakelijke AI-agents werken met oudere software?

Ja, als het oudere systeem een stabiele API, databaseweergave, export, e-mailinterface of gecontroleerde browserworkflow biedt. De integratiemethode is minder belangrijk dan een betrouwbare identificatie en een veilige manier om mislukte acties opnieuw te proberen. Als er geen nette koppeling bestaat, plaats dan een kleine integratielaag tussen de agent en de legacy-applicatie in plaats van het model door de hele interface te laten klikken.

Hoe kiest een bedrijf zijn eerste agentworkflow?

Kies werk dat vaak voorkomt, afgebakend is en duur genoeg om te verbeteren, maar niet catastrofaal als een concept fout is. Controleer of de benodigde data beschikbaar zijn en of één persoon eigenaar is van het resultaat. Laat de agent eerst in observatie- of conceptmodus draaien, vergelijk hem met echte beslissingen en breid rechten pas uit als de foutpatronen begrepen zijn.