Creatio AI agents: AI die meedraait in je processen, niet ernaast

Je hebt het waarschijnlijk al gezien. Iemand demonstreert een AI-assistent die een klantvraag beantwoordt of een samenvatting maakt, iedereen is onder de indruk, en drie maanden later gebruikt niemand hem meer.

Lachende klantenservicemedewerker met headset in gesprek met een klant
Veelgestelde vragen AI agents

Waarom losse AI-assistenten blijven steken op demo-niveau

De reden is bijna altijd dezelfde: de assistent staat náást het werk in plaats van erin. Hij kan praten, maar niet handelen. Hij kent de klant niet, hij weet niet welke fase een dossier heeft bereikt, hij kan geen goedkeuring aanvragen en hij kan niets vastleggen. Dus blijft de medewerker alles alsnog zelf doen, en dan is een extra scherm eerder last dan hulp.

Creatio AI Studio pakt dat anders aan. Agents zijn er geen laag bovenop het platform maar deelnemers in je processen: met dezelfde data, dezelfde rechten en dezelfde logging als je medewerkers.

Wat AI Studio is

AI Studio is de omgeving waarin je AI agents bouwt, uitrolt, orkestreert en bestuurt over hun volledige levenscyclus. Niet een functie binnen een applicatie, maar een eigen werkomgeving met een ontwerper, een testomgeving, een uitrolmechanisme, analytics en een governance-laag.

Agents werken binnen Creatio, redeneren over je CRM- en procesdata, kunnen zoekopdrachten uitvoeren en acties uitvoeren over kanalen heen, zonder dat daar maatwerkontwikkeling voor nodig is.

Twee soorten agents, voor twee soorten werk

Prompt agents

Het laagdrempelige type. Je beschrijft in gewone taal wat de agent moet doen, en dat is in de kern het hele ontwerp. Daarna verrijk je hem: kennisbronnen toevoegen zodat hij uit je eigen documentatie put, tools koppelen zodat hij acties kan uitvoeren, triggers instellen, en richtlijnen vastleggen die bepalen wat hij wel en niet mag.

Een typisch voorbeeld is een agent die veelgestelde vragen beantwoordt op basis van je kennisbibliotheek, uitgerold in de webchat. Zoiets staat in een middag.

Agents krijgen versiebeheer en kunnen naar verschillende omgevingen worden uitgerold, zodat je eerst kunt testen voordat iets bij klanten terechtkomt. Na publicatie volg je het gedrag met een analysesuite en stuur je bij via policies.

Workflow agents

Het zwaardere type. Deze agents hangen aan je bedrijfsprocessen en worden geactiveerd door gebeurtenissen: een wijziging in een record, een stap in een proces, een binnenkomend bericht, een tijdstip. Ze voeren een reeks handelingen uit in plaats van één antwoord te geven.

Hier zit het verschil met een chatbot. Een workflow agent kan een binnengekomen aanvraag beoordelen, de benodigde gegevens ophalen uit meerdere systemen, een berekening doen, een goedkeuringsstap starten en het dossier naar de volgende fase brengen, binnen het proces dat jij hebt ontworpen.

Het punt dat Creatio onderscheidt: agents en processen werken twee kanten op

Dit is waar de BPM-achtergrond van het platform zich uitbetaalt, en het is het argument dat je bij de meeste AI-platformen niet kunt maken.

Waarom dat uitmaakt: AI is probabilistisch en processen horen dat niet te zijn. Door AI in te zetten voor precies die stappen waar oordeel nodig is, en de rest aan het procesmodel over te laten, krijg je het beste van beide. Je krijgt geen systeem dat "meestal het juiste doet", maar een proces met voorspelbare uitkomsten waarin AI de lastige beoordelingen doet.

Een proces kan een agent aanroepen

Op het moment dat je een stap tegenkomt waar interpretatie nodig is (een document beoordelen, een vrije tekst classificeren, een risico inschatten), roept het proces een agent aan, krijgt een antwoord terug, en gaat op basis daarvan verder langs de ene of de andere route. De rest van het proces blijft deterministisch.

Een agent kan een proces starten

Omgekeerd kan een agent die een klantvraag afhandelt besluiten dat hier een formeel traject voor nodig is, en dat proces aftrappen met de juiste gegevens erbij.

Een andere architectuur

Dat is een wezenlijk andere architectuur dan een AI-assistent die bovenop een applicatie hangt en hoopt dat de medewerker de uitkomst goed verwerkt.

Team in overleg rond een bureau met laptops op kantoor

Meerdere agents die samenwerken

Agents hoeven niet alles alleen te doen. In een multi-agent-opstelling verdeel je taken over gespecialiseerde agents die door een coördinerende agent worden aangestuurd.

Voor samengestelde processen werkt dat beter dan één agent die alles moet kunnen. Denk aan een offerteaanvraag waarbij de ene agent de klantgegevens en historie verzamelt, de tweede een kredietcheck uitvoert, de derde de prijsstelling berekent en een vierde het geheel samenvat voor de accountmanager. Elke agent heeft een afgebakende taak, eigen kennisbronnen en eigen rechten, en is daardoor te testen en bij te sturen.

Waar je agents zichtbaar worden

Creatio rolt agents uit over meerdere kanalen: webchat, e-mail, sms, messaging-kanalen als WhatsApp, Telegram, Facebook Messenger en Instagram Direct, samenwerkingstools als Microsoft Teams en Slack, en spraakkanalen.

  • Gedrag per kanaal

    Per kanaal stel je in hoe de agent zich gedraagt: welke persoonlijkheid en toon hij aanhoudt, uit welke kennisbronnen hij put, en wanneer hij overdraagt aan een mens. Die overdracht is geen bijzaak: het is de instelling die bepaalt of klanten de agent als behulpzaam of als obstakel ervaren.

  • Sessies terugkijken

    Je kunt bovendien sessies debuggen, wat in de praktijk veel waard is. Als een agent een verkeerd antwoord geeft, wil je kunnen terugkijken waar dat vandaan kwam in plaats van te gokken.

No-code én pro-code in dezelfde omgeving

  • De visuele ontwerper

    Voor de meeste agents is de visuele ontwerper genoeg: beschrijven, kennisbronnen koppelen, tools toevoegen, publiceren. Dat kan iemand uit de business.

  • De ontwikkelaarskant

    Met de Code Agent Designer en de AI-ontwikkeltoolkit kun je agents bouwen met coding-agents zoals Claude Code, Codex of GitHub Copilot, die daarbij toegang hebben tot de structuren van je Creatio-omgeving: Freedom UI-componenten, datamodellen, procesdefinities en applicatiemetadata.

  • Eén governance-model

    Het mooie daaraan is dat agents die zo gebouwd zijn op dezelfde manier worden beheerd als agents uit de visuele ontwerper. Eén platform, één governance-model, één plek waar je ziet wat er draait. Dat voorkomt de situatie die bij veel organisaties ontstaat: een paar nette agents in de officiële omgeving en een schaduwverzameling zelfgebouwde dingen die niemand overziet.

Ondernemer werkt aan een laptop in een kantoor met bakstenen muur

Je eigen taalmodel, en waarom dat telt

Creatio is nadrukkelijk LLM-agnostisch. Je sluit het taalmodel van je keuze aan en bepaalt daarmee zelf welke partij je data verwerkt.

Voor Nederlandse organisaties is dat vaak de vraag die bepaalt of een AI-project doorgaat. In zorg, overheid, onderwijs en financiële dienstverlening is "waar wordt dit verwerkt en door wie" geen detail maar een voorwaarde. Een platform waarin die keuze vastligt bij de leverancier, valt in die sectoren regelmatig af.

Het tweede argument is strategisch. De modelmarkt beweegt snel; wat vandaag het beste model is, is dat over een jaar misschien niet meer. Door je processen te bouwen op een platform dat niet aan één modelleverancier vastzit, houd je die keuze open.

Governance: het onderdeel dat de koop beslist

Bij AI-trajecten in grotere organisaties is dit het blok waar de beslissing valt, niet bij de functionaliteit.

Creatio biedt een centraal governance-dashboard met realtime zicht op wat agents doen: welke activiteit, welke uitgevoerde acties, welke policies zijn geraakt en wat de uitkomsten waren. Daarnaast leg je gedragsregels vast, stel je uitvoeringsbeperkingen in, regel je toegangscontrole op dataniveau en configureer je compliance-policies.

Praktisch betekent dat je drie vragen kunt beantwoorden die een directie of een auditor altijd stelt. Wat heeft deze agent precies gedaan? Op basis van welke gegevens? En wat heeft hem tegengehouden toen hij buiten de lijntjes dreigde te gaan?

Zonder die antwoorden komt een AI-agent in een gereguleerde omgeving niet door de interne toets. Mét die antwoorden is het gesprek meestal binnen een uur klaar.

Een groot deel van de standaardaanvragen handelt de AI agent nu zelf af. Mijn team houdt tijd over voor de gevallen waar echt een mens voor nodig is.

Voorbeeldquote Echte klantquote volgt

Waar AI-agenttrajecten stranden

Vijf oorzaken die we in de praktijk steeds terugzien, en geen daarvan is technisch.

  • Je begint bij de technologie

    "Wat kunnen we met AI" is de verkeerde startvraag. "Welk werk kost ons het meeste tijd en is het meest voorspelbaar" levert binnen een week een bruikbare kandidaat op.

  • Je kennisbron deugt niet

    Een agent die put uit verouderde documentatie geeft verouderde antwoorden, met gezag. Dat is erger dan geen antwoord. Opschonen gaat vooraf aan bouwen.

  • Bevoegdheden zijn niet vastgelegd

    Wat mag de agent zelfstandig afdoen en waar draagt hij over? Een creditering van vijftien euro is iets anders dan een contractopzegging, en dat onderscheid hoort in de policy te staan, niet in iemands hoofd.

  • Niemand is eigenaar

    Een agent zonder eigenaar die hem mag aanpassen, verslechtert stilletjes naarmate de werkelijkheid verandert.

  • Je zet hem meteen zelfstandig aan het werk

    Laat een agent eerst meekijken en suggesties doen. Pas als je een paar weken hebt gezien dat zijn oordeel klopt, geef je hem de knop.

Hoe wij een traject aanpakken

  1. We beginnen bij het proces

    Welke stap kost tijd, is repetitief en heeft een duidelijke regel of een herkenbaar oordeel? Vaak blijkt in dit gesprek dat de helft van de vraag geen AI nodig heeft maar gewoon een betere procesinrichting. Je kunt daarvoor ook los onze procesmapping-workshop afnemen.

  2. We bepalen per stap de techniek

    Deterministisch waar het kan, een agent waar oordeel nodig is.

  3. We leggen bevoegdheden en overdrachtsmomenten vast

    Voordat er iets gebouwd wordt.

  4. We ruimen de kennisbron op

    Het minst spannende en meest bepalende onderdeel.

  5. We bouwen één agent en testen in een afgeschermde omgeving

    En we laten hem eerst meekijken.

  6. We meten en schalen

    Pas dan de tweede agent.

  7. We dragen over

    Je team moet agents zelf kunnen bijstellen, anders ben je over een jaar terug bij af.

Een agent is zo goed als het proces waar hij in staat

De vraag is niet of AI agents werken. Dat doen ze. De vraag is of ze iets kunnen doen met wat ze bedenken, en of je achteraf kunt uitleggen wat er is gebeurd.

Dat is precies waar Creatio sterk in is: agents die in je bedrijfsprocessen meedraaien in plaats van ernaast, met je eigen taalmodel, je eigen rechten en een governance-laag die het gesprek met je directie en je auditor kort houdt.

FTE betekenis

Veelgestelde vragen over Creatio AI agents

  • Een assistent reageert op wat je vraagt en levert een voorstel; jij voert het uit. Een agent krijgt een doel, bepaalt zelf welke stappen nodig zijn, voert die uit in je systemen en koppelt terug, binnen de rechten en kaders die jij hebt ingesteld. Het verschil zit in het mogen handelen, en dat is ook waar de meeste waarde vandaan komt.

  • Prompt agents zijn het laagdrempelige type: je beschrijft in gewone taal wat de agent moet doen, voegt kennisbronnen en tools toe en publiceert. Geschikt voor vraag-en-antwoordtaken en afgebakende handelingen. Workflow agents hangen aan je bedrijfsprocessen en worden geactiveerd door gebeurtenissen; ze voeren een reeks handelingen uit binnen een proces in plaats van één antwoord te geven.

  • Ja, en dat is het sterkste punt van Creatio op dit vlak. De relatie werkt twee kanten op: een proces kan een agent aanroepen voor een stap waar oordeel nodig is en op basis van het antwoord verder gaan, en een agent kan zelf een proces starten. Daarmee blijven je processen voorspelbaar terwijl AI de beoordelingen doet waar regels tekortschieten.

  • Creatio is LLM-agnostisch: je sluit het model van je keuze aan en bepaalt daarmee zelf welke partij je data verwerkt. Voor organisaties met eisen rond EU-dataopslag of een vastgesteld AI-beleid is dat vaak doorslaggevend. Het tweede voordeel is strategisch: je zit niet vast aan één modelleverancier in een markt die snel beweegt.

  • Via het governance-dashboard, dat realtime zicht geeft op agentactiviteit, uitgevoerde acties, geraakte policies en uitkomsten. Daarnaast leg je gedragsregels, uitvoeringsbeperkingen, toegangscontrole op dataniveau en compliance-policies vast. Praktisch betekent dat je kunt aantonen wat een agent heeft gedaan, op basis waarvan, en wat hem heeft tegengehouden: precies de vragen die een auditor of je FG stelt.

  • Voor de meeste agents niet. De visuele ontwerper is bedoeld voor mensen uit de business: beschrijven, kennisbronnen koppelen, tools toevoegen, testen, publiceren. Voor complexere agents is er een ontwikkelaarskant waarbij je met coding-agents als Claude Code of GitHub Copilot bouwt, met toegang tot je datamodellen, procesdefinities en UI-componenten. Beide typen worden daarna in dezelfde omgeving beheerd.

  • Ja. Taalmodellen zijn probabilistisch, dus een agent kan ernaast zitten. Daarom werk je met guardrails, afgebakende bevoegdheden en een duidelijk overdrachtsmoment naar een mens. De verantwoordelijkheid blijft altijd bij je eigen organisatie. Begin met agents die meekijken en suggesties doen, en geef ze pas zelfstandigheid als je hun oordeel een periode hebt gezien.

  • Een eenvoudige prompt agent die vragen beantwoordt uit je kennisbibliotheek staat in een dag. Een workflow agent die in een bedrijfsproces meedraait en acties uitvoert in meerdere systemen kost dagen tot weken, afhankelijk van de koppelingen. De doorlooptijd wordt in de praktijk niet bepaald door de bouw maar door drie andere dingen: scherp krijgen wat de agent moet doen, de kennisbron opschonen, en bevoegdheden vastleggen.

Benieuwd welke stap in jouw proces zich als eerste leent voor een agent?

Mobile XL is Creatio-partner en begint altijd bij je proces, niet bij de technologie.