De slimste nieuwe collega ooit
Zie generieke AI als een briljante nieuwe collega op de eerste werkdag. Indrukwekkend belezen, snel en welbespraakt. Alleen nog niet inzetbaar. Die collega weet niet wie je belangrijkste klanten zijn. Die weet niet dat facturatie voor projectklanten anders werkt dan voor licentieklanten. Die weet niet dat de korting die je salesdirecteur vorige maand afsprak, alles verandert aan het verlengingsgesprek.
Wat die collega nodig heeft is context. Die zorg zie je ook terug in onderzoek. Salesforce stelde vast dat gebrek aan contextuele kennis tot de grootste zorgen van teams over AI behoort, direct naast beveiliging (Salesforce, State of Service). Mensen voelen intuïtief aan dat een assistent zonder context een assistent is waarop je niet kunt bouwen.
Context is waar AI echt werk gaat doen
Context betekent dat de AI weet wat je beste mensen weten. Over welke klant het gesprek gaat. Wat er is afgesproken. Wat er de vorige keer is gebeurd. Welk proces van toepassing is en wie moet tekenen. Precies hier maakt Agentforce, het platform dat Salesforce bouwde voor AI-agents, het verschil. Veel tools halen context op via losse integraties. Een Agentforce-agent werkt rechtstreeks in de omgeving waar je data al staat. Hij opereert niet naast je organisatie. Hij opereert erin. Hij werkt vanuit data die je veilig kunt connecten, volgt je bedrijfsregels en handelt binnen de grenzen die jij bepaalt.
Neem een lead die binnenkomt via je website. Een generieke tool zou een keurige, beleefde reactie kunnen opstellen. Een agent met context doet iets heel anders. Al in de voorbereiding ziet het dat dit bedrijf twee jaar geleden ook al contact had. Het ziet welk gesprek er toen liep, welke propositie destijds op tafel lag en waarom het niet doorging. Het ziet welke propositie nu past en welke collega het contact eerder voerde. Waar je vroeger een halfuur zou zoeken in oude mails en verslagen, loop je het gesprek nu voorbereid in. Zelfde soort technologie. Compleet andere uitkomst. Dat komt door het toevoegen van context in de mix.
Twee soorten kennis, één ervan staat nergens vast
Je organisatie legt kennis op twee manieren vast. De eerste soort staat in records. Klantgegevens, projectregels, facturen, uren. Netjes gestructureerd en doorzoekbaar.
De tweede soort ontstaat in engagement. In het gesprek waarin die korting werd afgesproken. In de thread waarin je team besloot de scope aan te passen. In de opmerking dat deze klant altijd drie weken later betaalt. Die kennis verklaart records, alleen staat ze in geen enkel veld.
Een generiek model ziet de eerste soort en mist de tweede. Daarom klinkt een antwoord kloppend en voelt het toch naast de werkelijkheid. Het record zegt wát is afgesproken. Alleen de engagement zegt waarom.
Het gesprek leeft in je system of engagement
Daarmee verschuift de aandacht naar de plek waar die tweede soort kennis ontstaat. Je system of engagement. Het meeste kenniswerk gebeurt niet in dashboards. Het gebeurt in de kanalen waar je team samenwerkt. Of dat nu Slack is of Microsoft Teams. Daar worden beslissingen genomen, daar worden vragen gesteld en daar komen problemen als eerste boven water. Daarom hoort een agent juist op die plek thuis. Als hij in het gesprek zelf leeft, hoef je je werk niet te verlaten om hem te gebruiken. Je stelt de vraag waar die ontstaat. Wat is de status van deze deal? Heeft deze klant dit probleem eerder gemeld? De agent antwoordt in het kanaal, met jouw data erachter. AI is dan geen aparte bestemming meer, maar onderdeel van hoe het werk stroomt.
Een voorbeeld uit onze eigen praktijk. Voor een scopevoorstel lag de context verspreid over drie plekken. In de mail, in gespreksverslagen in Salesforce en in een canvas in Slack. We stelden de vraag aan onze Slackbot, de Agentforce-agent die als bot meedraait in onze Slack-kanalen. Die combineerde de harde informatie uit Salesforce met de ongestructureerde notities uit Slack en leverde één helder scopevoorstel. Had een generieke tool als ChatGPT dit gekund? Misschien, als we al onze apps eraan hadden gekoppeld. Maar dan deel je klantdata met tools die daar niet voor zijn ingericht. Agentforce lost dat op met een veilige tussenlaag volgens het zero copy principe. Je data blijft staan waar die staat en toch heeft de agent alle context die hij nodig heeft. Precies daar zit de winst.
Wat dit voor jouw organisatie betekent
Als generieke AI-tools je tot nu toe hebben teleurgesteld, is de conclusie niet dat AI niet werkt. De conclusie is dat AI zonder context niet werkt. De juiste vraag is niet welk model het slimst is. De juiste vraag ligt dichter bij huis. Weet de AI wat je beste mensen weten? Kan hij je klanten, je afspraken en je processen zien? Handelt hij binnen jouw regels? Beantwoord die vragen goed en er verschuift iets. AI produceert dan geen generieke tekst meer, maar doet specifiek werk.
Op 9 en 10 september staan we met het team van CBEE Remarkable op Data Expo in de Jaarbeurs Utrecht. Wil je zien hoe een agent met echte context er in de praktijk uitziet, loop dan even langs de stand. We praten je er graag over bij.
Deze blogpost is een bijdrage van CBEE Remarkable, implementatiepartner gespecialiseerd in Salesforce en Certinia. CBEE helpt organisaties in professional services, IT en Health & Life Sciences hun commerciële en financiële processen te digitaliseren en te verbinden, van lead tot cash. Meer inspiratie vind je op www.cbeeremarkable.nl of bezoek CBEE Remarkable tijdens Data Expo.
Auteur: Chris Boonstra