AI-agents zijn in korte tijd uitgegroeid tot de hype van 2024. De standaard SaaS-oplossingen maken deze innovatiegolf op de korte termijn mogelijk via nieuwe tooling. Wat Celonis betreft kun je je als bedrijf dan ook maar beter goed voorbereiden. Daar heb je Process Intelligence (PI) voor nodig, want alleen dan wordt de juiste data meegenomen. Of zoals het bedrijf het tijdens de Celosphere-conferentie zelf verwoordt: “Er is geen enterprise AI zonder PI”.
Celonis heeft altijd sterk gefocust op het analyseren van bedrijfsprocessen. De technologie kan een hoop informatie uit die processen halen en conclusies trekken. De manier waarop Celonis dat doet, is echter fors geëvolueerd. Een aantal jaar geleden sprak men vooral over process mining en execution management – kortgezegd manieren om knelpunten in bedrijfsprocessen te vinden en automatisch acties te ondernemen om ze te verhelpen. Inmiddels wordt er veel meer gesproken over Process Intelligence. Daar ligt de toekomst in een wereld vol AI.
De Process Intelligence Graph
PI komt voort uit de toevoeging van de Process Intelligence Graph. Hiermee kan Celonis beter verbanden leggen tussen processen, systemen en afdelingen. De Process Intelligence Graph verbindt data uit verschillende tools, zodat processen als het ware een gezamenlijke taal gaan spreken. Celonis haalt daarvoor data uit bijvoorbeeld ERP-systemen, e-mails en productiedata. Dit creëert een samenhangend inzicht in processen. Organisaties kunnen zo prestaties meten en business context toevoegen. In grote enterprise-omgevingen kan het bijvoorbeeld voorkomen dat er verschillende levertijden zijn binnen een order-to-delivery proces.
Processen een gezamenlijke taal laten spreken moet volgens Celonis dan ook leiden tot echte enterprise AI. Als we hierin terugkijken naar generatieve AI, de eerste breed beschikbare enterprise ai, zien we dat die applicaties heel goede antwoorden kunnen geven. De kennis komt vaak uit openbare bronnen. Wil je echter zeer specifieke informatie van generatieve AI-applicaties over het optimaliseren van een proces, dan zal de app weinig zinvolle respons geven. Het weet niet precies hoe processen draaien, wat er in een specifiek stadium moet gebeuren, wie er verantwoordelijk is en hoe alles berekend wordt. Het gewenste niveau van echte enterprise AI wordt nauwelijk bereikt. De proceskennis zit deels in ERP-systemen, datawarehouses en BI-tools, maar de Process Intelligence Graph bevat alle informatie. Daarom is Celonis van mening dat je voor AI in enterprise-omgevingen echt PI nodig hebt.
Twee soorten AI-agents
Op het gebied van AI-agents zitten we nog in een vroeg stadium. Veel softwareoplossingen zijn bezig om tooling uit te rollen en vinden vaak use cases voor klantenservice. Hoe ver bedrijven uiteindelijk kunnen gaan met automatiseringen via AI-agents, valt nu nog lastig te zeggen. Celonis ziet momenteel twee toepassingen om ze rondom processen in te zetten en daar kan je volgens het bedrijf het best zo snel mogelijk mee beginnen. Zo haal je een concurrentievoordeel met AI-agents.
Ten eerste is er een soort copilootscenario waarin de gebruiker het gebruikelijke vraag-antwoordscenario ervaart. Achter de schermen gebeurt de autonome beredenering, waardoor de juiste inzichten uit data worden gehaald om de gebruiker goed te ondersteunen. Dit kan handig zijn bij een magazijn dat moet worden bevoorraad vanwege een laag aantal artikelen. Misschien is de voorraad aanvankelijk niet zichtbaar in een ERP-systeem dat het magazijn zelf gebruikt en duurt een normale bevoorrading via een leverancier te lang. Doordat de Process Intelligence Graph alle systemen doorzoekt, kan er mogelijk extra voorraad worden gevonden in een ander systeem of op een andere locatie. De copiloot kan dan via een chat helpen die voorraad te verkrijgen, zodat de order toch op tijd voltooid wordt.
De tweede soort agent die Celonis voor ogen heeft, gaat verder in autonomie. Deze worden geconfigureerd en doen daarna vrijwel alles zelfstandig: van data-analyse tot het vinden van oplossingen en het ondernemen van actie. Dit kan handig zijn bij orderbeheer. Wanneer een order binnenkomt, passen bedrijven vaak regels toe om de betaalgeschiedenis te controleren. Systemen kunnen automatisch een order blokkeren op basis van die regels. Een autonome agent kan alle data beoordelen waarop de blokkade is gebaseerd en vervolgens aanbevelingen doen aan financiële experts over hoe ze moeten handelen. Zo kan een order mogelijk toch doorgaan.
Enter AgentC
Tijdens Celosphere sorteert Celonis dan ook voor op beide agent-scenario’s met de introductie van AgentC. Dit omvat verschillende nieuwe tools, integraties en samenwerkingen die organisaties moeten helpen bij het ontwikkelen van AI-agents. Hiervoor integreert het Celonis-platform nu met Microsoft Copilot Studio, IBM watsonx Orchestrate, Amazon Bedrock Agents en de open-source ontwikkelomgeving CrewAI.
Dit kan handig zijn wanneer je als bedrijf agents wilt inzetten die op maat aansluiten bij jouw behoeften. Zo kan de integratie met Microsoft Copilot Studio worden gebruikt voor het identificeren van use cases en de onderliggende oorzaken, om vervolgens een agent te bouwen die PI gebruikt om het probleem aan te pakken. De uitrol gebeurt via een agentframework, waarna gebruikers via Microsoft-apps in contact komen met de agent.
Daarnaast kunnen bedrijven pre-built agents inzetten die al de nodige handelingen kunnen uitvoeren. Op die manier zijn agents sneller uit te rollen, want er zullen veel use cases zijn die bij verschillende bedrijven nagenoeg hetzelfde zijn. Je kunt dan out-of-the-box aan de slag. AI-agents zijn nu al beschikbaar via ISV-partners zoals Rollio en Hypatos. Ook zal consulting beschikbaar zijn via Accenture, IBM Consulting en EY. Op die manier moeten de agents zoveel mogelijk bedrijven gaan bereiken.
Tip: Hoe process intelligence AI in staat stelt de maakindustrie te transformeren