Latest / M365.FM – Microsoft 365, Copilot & AI podcast in het Nederlands / Heb je echt een Copilot Studio-agent nodig? Hoe persona’s en echte use cases de keuze bepalen (AI-nasynchronisatie)

Transcript

Heb je echt een Copilot Studio-agent nodig? Hoe persona’s en echte use cases de keuze bepalen (AI-nasynchronisatie) · M365.FM – Microsoft 365, Copilot & AI podcast in het Nederlands

0:00
Speaker 2: Klaar voor 10 dagen Microsoft 365, Copilot, AI, Azure en
0:05
Speaker 2: de mensen die de toekomst van werk vormgeven? Deze januari
0:09
Speaker 2: is M365 komt terug en we pakken het groter aan.
0:12
Speaker 2: Doe mee voor live sessies, praktijkdemo's en praktische kennis van
0:16
Speaker 2: MVP's en experts van over de hele wereld. Geen algemene sliedes,
0:20
Speaker 2: geen eindeloze buzzwords. We pakken de echte uitdagingen aan Copilot Studio,
0:25
Speaker 2: AI Agents, Fabric, Security, Governance en Automatisering. Of je nu IT-professional,
0:31
Speaker 2: ontwikkelaar of businessleader bent, er zijn sessies speciaal voor jou.
0:35
Speaker 2: Met 10 volledige dagen kun je diverse technologieën verkennen en
0:38
Speaker 2: in contact komen met een wereldwijde community. Kijk live mee
0:41
Speaker 2: en neem praktische inzichten mee terug naar je organisatie. Januari 2027,
0:47
Speaker 2: 10 dagen, 1 Microsoft Community. Registratie is nu geopend. Claim
0:52
Speaker 2: vandaag nog je plek. Dat is m365com.net Meld je nu
1:00
Speaker 2: aan op m365con.net en we zien je live in januari.
1:04
Speaker 2: Heb je echt je eigen Copilot Studio agent nodig of
1:07
Speaker 2: is dat alleen de AI-hype die spreekt? Dit is de
1:09
Speaker 2: beslissing waar bijna elk bedrijf momenteel tegenaan loopt. Begin je
1:12
Speaker 2: te snel met de verkeerde Copilot, dan verspil je maanden.
1:15
Speaker 2: Begin je te langzaam, dan loop je achter op concurrenten
1:17
Speaker 2: die al slimmer automatiseren. In deze sessie laat ik precies
1:21
Speaker 2: zien hoe we die vraag hebben getest in een echt
1:22
Speaker 2: project en de verrassende wending die we ontdekten toen we
1:25
Speaker 2: een snelle generieke oplossing vergeleken met een specifieke Copilot Studio-beeld.
1:29
Speaker 2: De valse belofte van de snelle oplossing. Wat als de
1:32
Speaker 2: snelste manier om AI toe te voegen ook de snelste
1:34
Speaker 2: manier is om vast te lopen. Dat is de valkuil
1:36
Speaker 2: waar veel organisaties in trappen wanneer ze grijpen naar de
1:38
Speaker 2: eerste de beste co-pilot die hen wordt aangeboden. Op papier
1:40
Speaker 2: voelt het efficiënt. Er is een gepolijste demo, een duidelijke
1:43
Speaker 2: pitch en de belofte dat je AI in je workflows
1:45
Speaker 2: kunt implementeren zonder diep na te hoeven denken over het ontwerp.
1:48
Speaker 2: Maar snelheid is niet altijd het voordeel dat het lijkt.
1:50
Speaker 2: Het probleem is dat deze snelle implementaties zelden de diepere
1:53
Speaker 2: behoeften van het bedrijf blootleggen. Dus wat begint als een
1:55
Speaker 2: veelbelovende kortere route, eindigt vaak in een doodlopend spoor. Denk
1:58
Speaker 2: na over hoe de meeste teams beginnen. Iemand ziet een
2:00
Speaker 2: copilot voor het samenvatten van e-mails of voor documentonderzoek... en
2:03
Speaker 2: het ziet er op zichzelf fantastisch uit. Besluitvormers staan niet
2:05
Speaker 2: altijd stil bij de vraag of het wel past bij
2:07
Speaker 2: het dagelijkse werk van hun medewerkers... of dat het verbinding
2:09
Speaker 2: maakt met de systemen die hun kritieke data bevatten. In
2:11
Speaker 2: plaats van echte taken in kaart te brengen, pakken ze
2:13
Speaker 2: wat al kant en klaar is. In de weken daarna
2:15
Speaker 2: krijgt de AI wat aandacht... Misschien zelfs enthousiasme, maar dan
2:18
Speaker 2: stagneert de adoptie. Mensen realiseren zich dat het niet echt
2:21
Speaker 2: helpt bij de problemen die wekelijks uren kosten. Dit zie
2:23
Speaker 2: je duidelijk bij verkoopteams. Stel je een groep voor die
2:26
Speaker 2: het grootste deel van zijn tijd besteedt aan het najagen
2:28
Speaker 2: van niets, het opstellen van offertes en het beantwoorden van klantvragen.
2:30
Speaker 2: Als de leiding hen een algemene co-pilot geeft die is
2:33
Speaker 2: ontworpen om e-mails te herschrijven of notules samen te vatten,
2:36
Speaker 2: kan dat tijdens een demo voor wat woonmomenten zorgen. Maar
2:38
Speaker 2: zodra het team erom vraagt of er prijsafwijkingen mogelijk zijn
2:41
Speaker 2: of of een klant onder bepaalde compliance-eisen valt, oogt de
2:44
Speaker 2: co-pilot plotseling oppervlakkig. Hij is dan namelijk niet verbonden met prijstabellen,
2:47
Speaker 2: CRM-data of specifieke verkooptrijboeken. Zonder die basis klinken de antwoorden
2:51
Speaker 2: misschien vloeiend, maar blijven ze in de praktijk waardeloos. Dit
2:54
Speaker 2: is waar de natuurlijke grenzen van algemene AI tools zichtbaar worden.
2:58
Speaker 2: Zonder domeinspecifieke kennis werken ze als slimme generalisten, bekwamen in
3:02
Speaker 2: communicatie op oppervlakkig niveau, maar niet in staat tot diepgang
3:05
Speaker 2: wanneer dat telt. Gebruikers stellen gedetailleerde vragen en de co-pilot
3:08
Speaker 2: raadt het of wel fout of vervalt in vage, nietzeggende zinnen.
3:12
Speaker 2: Dat is het moment waarop het vertrouwen rodeert. Zodra medewerkers
3:15
Speaker 2: de agent niet meer vertrouwen, stoppen ze al snel helemaal
3:17
Speaker 2: met het gebruik ervan. Op dat punt riskeert de hele
3:19
Speaker 2: uithol te worden bestempeld als weer een AI-speeltje in plaats
3:22
Speaker 2: van een serieuze voorziening. De data over AI-adoptie bevestigen dit.
3:26
Speaker 2: Onderzoeken naar bedrijfsprede uithol laten zien dat projecten zonder personalisatie
3:29
Speaker 2: en rol-specifieke afstemming zes maanden na lancering veel minder worden gebruikt.
3:33
Speaker 2: Dat komt niet omdat de technologie zelf plotseling stopt met werken,
3:36
Speaker 2: maar omdat het gebrek aan context het irrelevant maakt. Bedrijven
3:39
Speaker 2: verwarren demonstratiekwaliteit vaak met de daadwerkelijke waarde van de inzet.
3:42
Speaker 2: Een goede demo is opgebouwd rond kleine, zorgvuldig gekozen voorbeelden.
3:45
Speaker 2: De dagelijkse operatie brengt daarentegen rommeligere invoer met zich mee
3:48
Speaker 2: en vereist gestructureerde achtergrondkennis. Wanneer de co-pilot zich niet kan aanpassen,
3:51
Speaker 2: wordt de mismatch pijnlijk duidelijk. Dus waarom blijven bedrijven deze
3:54
Speaker 2: fout maken? Deels komt het door de hype. AI wordt
3:56
Speaker 2: op de markt gebracht als plug-and-play functionaliteit, iets wat je
3:59
Speaker 2: inschakelt zoals je een nieuwe licentie in Microsoft 365 activeert.
4:03
Speaker 2: Leiders die onder druk staan om vooruitgang in AI te tonen,
4:05
Speaker 2: geven vaak prioriteit aan snelle zichtbaarheid boven duurzame impact. Ze
4:09
Speaker 2: zetten snel iets op, wijzen ernaar in presentaties en vinken
4:11
Speaker 2: het vakje af. Maar op hype-gebaseerde snelheid staat niet gelijk
4:14
Speaker 2: aan meetbare resultaten. De medewerkers die de tool echt moeten gebruiken,
4:17
Speaker 2: voelen dat GAT direct zelfs als dashboards een succesvolle implementatie rapporteren.
4:21
Speaker 2: Dit verschil tussen snelheid en vooruitgang creëert het echte kantelpunt.
4:24
Speaker 2: Sneller betekent niet altijd verder komen. Ja, je kunt morgen
4:27
Speaker 2: een werkende agent hebben als de lat alleen is dat
4:29
Speaker 2: hij verschijnt in Teams of Outlook, maar of het onmisbaar wordt,
4:32
Speaker 2: hangt volledig af van de afstemming op rollen en workflows.
4:35
Speaker 2: Efficiëntie komt niet voort uit simpelweg op inschakelen, klikken. Het
4:38
Speaker 2: komt voort uit het stellen van de moeilijkere vragen aan
4:40
Speaker 2: het begin. Hebben we een co-pilot studio agent nodig die
4:42
Speaker 2: onze processen, ons taalgebruik en onze data weerspiegelt? Dat is
4:45
Speaker 2: het kantelpunt waarop projecten blijven steken of juist opschalen. Teams
4:48
Speaker 2: die de tijd nemen om die vraag te stellen... kunnen
4:50
Speaker 2: agents ontwerpen die werknemers echt willen gebruiken... omdat ze de
4:53
Speaker 2: directe relevantie inzien. Teams die dit overslaan blijven tools toevoegen
4:56
Speaker 2: die bekend ogen... maar niet waarmaken wat ze beloven. De
4:58
Speaker 2: ironie is dat een langzamere... Bewustere start vaak leidt tot
5:02
Speaker 2: een snellere adoptie, omdat het verspilling van tijd aan ongeschikte
5:05
Speaker 2: oplossingen voorkomt. De volgende stap is uitzoeken hoe je die
5:08
Speaker 2: moeilijkere vragen op een gestructureerde manier stelt, en het startpunt
5:11
Speaker 2: daarvoor is niet technologie, maar de mens. We moeten beslissen
5:14
Speaker 2: voor wie deze agent precies bedoeld is. Persona's Voor wie
5:18
Speaker 2: is de agent echt bedoeld? Het is makkelijk om in
5:20
Speaker 2: de valkuil te trappen iets voor iedereen te ontwerpen. Het
5:23
Speaker 2: voelt inclusief, misschien zelfs efficiënt, maar het resultaat is vaak
5:27
Speaker 2: zo verwaterd dat niemand er echt waarde uit haalt. Bij
5:30
Speaker 2: AI-projecten staat die alles voor iedereen mentaliteit bijna garant voor teleurstelling.
5:34
Speaker 2: De eerste echte vraag die je moet beantwoorden is, wie
5:36
Speaker 2: moet de agent precies helpen? Zonder dat te weten bouw
5:39
Speaker 2: je geen co-pilot, maar slechts een bot die een praatje
5:41
Speaker 2: kan maken. Het definiëren van persona's is geen vrijblijvende oefening.
5:45
Speaker 2: Het is het fundament dat de rest van het project
5:47
Speaker 2: mogelijk maakt. Wanneer je persona hoort, gaat het niet om
5:50
Speaker 2: marketingprofielen of fictieve karakters met hobby's en favoriete drankjes. In
5:53
Speaker 2: deze context draait een persona om het vaststellen van de rol,
5:56
Speaker 2: verantwoordelijkheden en de omgeving van de persoon die je agent bedient.
5:59
Speaker 2: Het bepaalt wat de agent moet weten, hoe hij vragen
6:02
Speaker 2: beantwoordt en zelfs welke toon hij moet aanslaan. Een algemene
6:05
Speaker 2: werknemer helpt je AI niet om te bepalen of hij
6:07
Speaker 2: real-time compliance data moet ophalen of stapsgewijze instructies moet geven.
6:11
Speaker 2: Die vaagheid is de reden waarom veel vroege projecten eindigden
6:14
Speaker 2: met agents die op vijf manieren hallo konden zeggen, maar
6:16
Speaker 2: het werkelijke probleem van de gebruiker niet oploste. Dit is
6:19
Speaker 2: het verschil dat het in de praktijk maakt. Als je
6:21
Speaker 2: de werknemer als persona ziet, besluit je misschien dat de
6:24
Speaker 2: agent moet helpen met ouder beleid, IT-support en documentvragen in één.
6:29
Speaker 2: De agent moet zich dan over meerdere domeinen verspreiden, zonder
6:32
Speaker 2: in een van die domeinen echt uit te blinken. Vergelijk
6:35
Speaker 2: dat eens met een persona als een field engineer die
6:37
Speaker 2: op klantlocaties direct antwoord nodig heeft over compliance. Direct verandert
6:41
Speaker 2: het ontwerp. Je weet dat deze persoon vaak onderweg is,
6:43
Speaker 2: weinig tijd heeft en behoefte heeft aan helderen. gezaghebbende instructies.
6:47
Speaker 2: Die persona dwingt je om de co-pilot te koppelen aan
6:49
Speaker 2: compliance databases, antwoorden ondubbelzinnig te formuleren en snelheid boven uitgebreide
6:53
Speaker 2: uitleg te stellen. Je ziet hoe de ene aanpak vaag
6:56
Speaker 2: en onscherp is, terwijl de andere nauwkeurig genoeg is om
6:58
Speaker 2: de werkelijke bouw aan te sturen. Het verschil in de
7:00
Speaker 2: echte wereld wordt nog duidelijker als je naar contrasterende rollen kijkt.
7:03
Speaker 2: Neem de persona van een IT helpdesk medewerker. Deze groep
7:06
Speaker 2: heeft snelle probleemoplossende stappen nodig, updates over systeemstoringen en de
7:09
Speaker 2: mogelijkheid om service tickets te escaleren. De taal is technisch,
7:12
Speaker 2: de data komt waarschijnlijk uit tools als ServiceNow of Intune
7:15
Speaker 2: en de gebruikers verwachten nauwkeurige instructies die ze onder druk
7:17
Speaker 2: kunnen volgen. Vergelijk dat nu eens met een persona van
7:20
Speaker 2: een financieel analist. Deze gebruiker houdt zich meer bezig met
7:23
Speaker 2: toegang tot financiële modellen, inzicht in compliance rondom onkostengoedkeuringen of
7:26
Speaker 2: het genereren van rapporten. Ze werken met cijfers, goedkeuringsketens en
7:29
Speaker 2: financiële terminologie en ze moeten erop kunnen vertrouwen dat de
7:32
Speaker 2: copilot geen gevoelige informatie aan de verkeerde personen toont. Ontwerp
7:35
Speaker 2: je voor de algemene werknemer, dan sla je bij beide
7:37
Speaker 2: de plank volledig mis. Ontwerp je voor elke specifieke persona,
7:40
Speaker 2: dan wordt de agent niet alleen nuttig, maar ook betrouwbaar.
7:42
Speaker 2: Een ander over het hoofd gezien voordeel van het definiëren
7:45
Speaker 2: van persona's is de afstemming binnen de organisatie. Maar wanneer
7:47
Speaker 2: je een duidelijke persona op tafel legt, kunnen teams van Auer, IT,
7:51
Speaker 2: Compliance of Operations snel overeenstemming bereiken over wat de werkelijke
7:53
Speaker 2: scope is. In plaats van eindeloze debatten over wat de
7:56
Speaker 2: co-pilot zou kunnen doen, heeft iedereen nu een referentiepunt voor
7:59
Speaker 2: wat hij zou moeten doen. Het verandert in een kompas
8:01
Speaker 2: voor besluitvorming. Als je twijfelt of je een functie moet toevoegen,
8:04
Speaker 2: kun je dit toetsen aan de persona. Helpt dit de
8:06
Speaker 2: buitendienstmedewerker om sneller antwoorden over compliance te krijgen? Zo ja, geweldig.
8:10
Speaker 2: Zo nee, dan hoort het waarschijnlijk niet thuis in de
8:11
Speaker 2: eerste versie. Dat soort discipline voorkomt dat het project uitleidt
8:14
Speaker 2: tot een ongeveer geconcentreerde wensenlijst. Persona's gaan ook verder dan
8:17
Speaker 2: alleen het sturen van de scope. Ze bepalen de kennisverrijste.
8:20
Speaker 2: Voor elke persona moet je vragen welke informatie hebben zij
8:22
Speaker 2: dagelijks nodig, waar bevindt die informatie zich momenteel, hoe snel
8:26
Speaker 2: verandert deze, aanhalingsteken. Die analyse bepaalt hoe je kennisbronnen integreert
8:30
Speaker 2: in de co-pilot en hoe je deze actueel houdt. Als
8:32
Speaker 2: je persona's negeert, overlaat je de agent met irrelevante data
8:36
Speaker 2: of erger nog, ontzeg je hem de content die hij
8:38
Speaker 2: echt nodig heeft. Hoe dan ook, het vertrouwen van eindgebruikers
8:41
Speaker 2: rodeert en zodra het vertrouwen weg is, herstelt de adoptie
8:43
Speaker 2: zich niet gemakkelijk. Een goed gedefinieerde persona draait niet om
8:46
Speaker 2: het beperken van mogelijkheden, maar omrichting. Zonder dat dwalen AI-projecten af,
8:50
Speaker 2: jagend op elke coole functie totdat ze bezwijken onder hun
8:52
Speaker 2: eigen ambitie. Met een persona heb je een vaste gids.
8:55
Speaker 2: De persona wordt het kompas dat het project op koers houdt.
8:58
Speaker 2: en zorgt ervoor dat de co-pilot wordt gebouwd voor echte
9:01
Speaker 2: mensen met echte taken, niet voor een abstract idee van
9:03
Speaker 2: de werknemer. En dat is het verschil tussen een agent
9:06
Speaker 2: die na de lancering wordt genegeerd en een agent waar
9:08
Speaker 2: mensen actief op vertrouwen. Met persona's op hun plek wordt
9:11
Speaker 2: het beeld eindelijk scherper. Je weet voor wie je bouwt.
9:14
Speaker 2: De volgende logische vraag is, waarmee moeten we hen precies helpen?
9:18
Speaker 2: Use cases die er echt toe doen. Niet elke taak
9:20
Speaker 2: verdient een co-pilot, zelfs als dat technisch gezien wel kan.
9:23
Speaker 2: Dit is waar veel organisaties de mist in gaan. Zodra
9:25
Speaker 2: het brainstormen begint, lijkt het alsof elke kleine frustratie een
9:28
Speaker 2: AI-functie kan worden. Iemand stelt voor, wat als het ons
9:31
Speaker 2: kan herinneren om onze urenstaten in te dienen? Een ander
9:34
Speaker 2: voegt toe, misschien kan het bedankbriefjes opstellen na klantafspraken. Voor
9:37
Speaker 2: je het weet, is de lijst zo lang dat niemand
9:39
Speaker 2: meer weet welk probleem men eigenlijk wilde oplossen. Het gevaar
9:42
Speaker 2: is niet dat je te veel ideeën hebt, maar dat
9:44
Speaker 2: je één agent verantwoordelijk wilt maken voor allemaal. Op dat
9:47
Speaker 2: punt voelt de co-pilot niet langer als een specialist, maar
9:49
Speaker 2: meer als een overwerkte stagiair. De realiteit is dat brainstorm-sessies
9:52
Speaker 2: bijna altijd tientallen mogelijke richtingen opleveren. Financiën vraagt om hulp
9:56
Speaker 2: bij rapportages. Auer fantaseert over onboarding flows. Sales wil geautomatiseerd.
10:00
Speaker 2: pitch decks. IT droomt van snellere ticket triage. Op zichzelf
10:03
Speaker 2: zijn deze dingen niet slecht... maar de vraag is niet,
10:06
Speaker 2: kan AI dit? De vraag is, maakt het uit of
10:08
Speaker 2: AI dit doet? Die kleine verschuiving laat zien hoeveel ideeën
10:13
Speaker 2: slim klinken, maar nauwelijks rendement opleveren zodra ze zijn geïmplementeerd.
10:17
Speaker 2: Alleen omdat je kleine vragen kunt automatiseren, betekent het niet
10:20
Speaker 2: dat de moeite van het bouwen, trainen en onderhouden ervan
10:23
Speaker 2: de moeite waard is. Als je ooit naar de resultaten
10:25
Speaker 2: van te breed opgezette projecten hebt gekeken, is het patroon voorspelbaar.
10:29
Speaker 2: De agent eindigt met tientallen losse taken en voert ze
10:32
Speaker 2: allemaal middelmatig uit. Neem zoiets simpels als beantwoorden of een
10:36
Speaker 2: vergaderruimte een projector heeft. Natuurlijk kan een co-pilot dit soort
10:39
Speaker 2: veelgestelde vragen met gemak aan, maar de impact is minimaal.
10:42
Speaker 2: Vergelijk dat eens met een agent die controleert of een
10:44
Speaker 2: verkoopvoorstel voldoet aan strikte regelgeving voordat het wordt verstuurd. De
10:48
Speaker 2: ene bespaart wat ergernis, de andere voorkomt juridische risico's en
10:51
Speaker 2: versnelt de omzet. Dit contrast toont aan waarom prioriteiten stellen
10:55
Speaker 2: essentieel is. Een nuttige manier om door de ruis heen
10:57
Speaker 2: te snijden is om aan het begin drie criteria toe
10:59
Speaker 2: te passen. Waarde, frequentie en haalbaarheid. Waarde betekent jezelf afvragen
11:03
Speaker 2: hoeveel de taak het bedrijf echt helpt wanneer deze geautomatiseerd is.
11:06
Speaker 2: Frequentie kijkt naar hoe vaak het voorkomt. Het oplossen van
11:09
Speaker 2: een klein pijnpunt dat 50 keer per dag voorkomt, kan
11:11
Speaker 2: belangrijker zijn dan een grotere uitdaging die maar eens per
11:13
Speaker 2: kwartaal speelt. Haalbaarheid houdt de eerste twee punten realistisch. Als
11:17
Speaker 2: de benodigde gegevens niet digitaal bestaan of niet veilig toegankelijk zijn,
11:20
Speaker 2: dan is het geen goede kandidaat voor de eerste fase.
11:23
Speaker 2: Wanneer teams elke use case door die bril bekijken, krimpen
11:26
Speaker 2: de overvolle verlanglijstjes plotseling tot een gericht plan. Er is
11:29
Speaker 2: ook bewijs dat kleinere pilots met een nauwe scope beter presteren.
11:32
Speaker 2: Organisaties die zich in het begin vastleggen op slechts twee
11:35
Speaker 2: of drie use cases, zien de interne adoptie meestal sneller groeien.
11:38
Speaker 2: Het verloopt meestal zo. De co-pilot wordt gelanceerd met duidelijke
11:41
Speaker 2: waarde voor een of twee gebieden. Medewerkers krijgen vertrouwen en
11:44
Speaker 2: het momentum groeit. Vergelijk dat met agents die proberen om
11:47
Speaker 2: tien verschillende scenario's tegelijk te dekken. Die projecten bezwijken vaak
11:50
Speaker 2: onder het gewicht van inconsistente kwaliteit en frustrerende feedback. Het
11:54
Speaker 2: blijkt dat een smallere start een sterkere basis vormt om
11:57
Speaker 2: later uit te breiden. Beschouw twee fictieve teams als voorbeeld.
12:00
Speaker 2: De eerste besloot een co-pilot te ontwerpen die hour, IT,
12:03
Speaker 2: finance en klantenservice tegelijk ondersteunde. Ze besteden maanden aan het
12:06
Speaker 2: in kaart brengen van databronnen, het bouwen van complexe workflows
12:09
Speaker 2: en de belofte dat het een alles-in-één oplossing voor de
12:11
Speaker 2: hele organisatie zou zijn. Toen de lanceerdag aanbrak, ontdekten vroege
12:14
Speaker 2: gebruikers dat het geen van de behoeften van de afdelingen
12:16
Speaker 2: goed kon afhandelen. De meeste haakten binnen enkele weken af.
12:18
Speaker 2: Het tweede team richtte zich daarentegen alleen op het helpen
12:21
Speaker 2: van field engineers bij het bevestigen van nalevingsregels voor installaties.
12:24
Speaker 2: Ze lanceerden in een fractie van de tijd, de adoptie
12:27
Speaker 2: was onmiddellijk en de engineers begonnen om nieuwe scenario's te
12:29
Speaker 2: vragen op basis van hun positieve ervaring. Dezelfde technologie, heel
12:33
Speaker 2: andere resultaten. De strijd is dus niet om genoeg use
12:35
Speaker 2: cases te vinden, maar om niet te proberen ze allemaal
12:37
Speaker 2: tegelijk te dekken. De vraag die er echt toe doet
12:39
Speaker 2: is op welke scenario's is het de moeite waard om
12:41
Speaker 2: in te zetten. Welke zouden, indien geautomatiseerd, Veranderen in een
12:44
Speaker 2: alledaagse tool die mensen echt vertrouwen. Zo scheid je de
12:47
Speaker 2: ruis van de signalen. Die gekozen use cases zijn meestal
12:50
Speaker 2: de gevallen waarin medewerkers een zichtbare verbetering voelen in hun werk,
12:53
Speaker 2: niet alleen in het aantal geautomatiseerde stappen. Ze maken taken
12:56
Speaker 2: minder frustrerend en betrouwbaarder. De kernboodschap is dat de beste
12:59
Speaker 2: use cases werk niet alleen automatiseren, maar echt veranderen hoe
13:02
Speaker 2: werk voelt voor de eindgebruiker. Wanneer iemand eindelijk kan zeggen,
13:05
Speaker 2: deze co-pilot heeft mijn werk net minder stressvol gemaakt, heb
13:08
Speaker 2: je de juiste match gevonden. Nu we weten voor wie
13:10
Speaker 2: we ontwerpen en wat ze echt nodig hebben, is de
13:13
Speaker 2: volgende stap bepalen welke vaardigheden en kennis we de agent
13:15
Speaker 2: moeten bijbrengen zodat hij echt kan presteren. De agentvaardigheden en
13:19
Speaker 2: kennis bijbrengen. Een agent is pas slim als je hem
13:22
Speaker 2: leert wat jouw team al weet. En dat is het
13:24
Speaker 2: onderdeel dat veel projecten onderschatten. Een standaard co-pilot installeren kan
13:27
Speaker 2: je iets opleveren dat functioneel lijkt, maar als het niet
13:30
Speaker 2: is getraind met de kennis waar je medewerkers op vertrouwen,
13:32
Speaker 2: komt het niet ver. In het beste geval vult het
13:34
Speaker 2: oppervlakkige gaten met gepolijste maar vage antwoorden. In het slechtste
13:38
Speaker 2: geval geeft het gebruikers onbetrouwbare richtlijnen en ondermijnt het het
13:40
Speaker 2: vertrouwen volledig. Wat het verschil maakt is knowledge grounding, de
13:44
Speaker 2: agent voeden met de juiste data en hem verbinden met
13:46
Speaker 2: de workflows waar het echte werk daadwerkelijk plaatsvindt. Denk eens
13:49
Speaker 2: aan het contrast. Een copilot zonder context kan je vertellen
13:52
Speaker 2: hoe je een zakelijke e-mail schrijft, omdat hij miljoenen voorbeelden
13:54
Speaker 2: heeft gezien. Maar als iemand vraagt naar de specifieke voorwaarden
13:57
Speaker 2: van het retourbeleid van je bedrijf of wat als kapitaalinvestering
14:00
Speaker 2: geldt in je financiële systeem, staat diezelfde copilot ineens met
14:03
Speaker 2: zijn mond vol tanden. Hij kan misschien iets formuleren dat
14:05
Speaker 2: redelijk klinkt. maar redelijk is niet genoeg wanneer verkeerde bewoordingen
14:09
Speaker 2: leiden tot vertragingen, nalevingsproblemen of omzetverlies. Stel je nu een
14:13
Speaker 2: agent voor die rechtstreeks is verbonden met de goedgekeurde kennisbanken,
14:16
Speaker 2: gedocumenteerde processen en actuele systemen van je bedrijf. Hij reageert
14:20
Speaker 2: niet langer alleen met algemeenheden. Hij kan nauwkeurige regels uit
14:23
Speaker 2: je contractenmap halen, het juiste onderdeel uit je compliance handboek
14:26
Speaker 2: citeren of het verzoek doorsturen via een interne workflow. Op
14:29
Speaker 2: dat moment verandert een co-pilot van een leuke nieuwigheid in
14:32
Speaker 2: een betrouwbare collega. In Copilot Studio zijn er twee belangrijke
14:36
Speaker 2: manieren om deze intelligentie af te stemmen, kennisverankering en vaardigheden.
14:40
Speaker 2: Kennisverankering is het onderdeel waarbij je de Copilot verbindt met
14:42
Speaker 2: de bronnen waar je organisatie al op vertrouwt. Dit kunnen
14:45
Speaker 2: SharePoint bibliotheken zijn waar beleidstukken staan of interne wikies die
14:48
Speaker 2: medewerkers dagelijks raadplegen. Door deze in de omgeving van de
14:51
Speaker 2: agent te brengen, geef je hem het vermogen om inhoud
14:54
Speaker 2: op te halen en te hergebruiken die precies aansluit bij
14:56
Speaker 2: je eisen in plaats van te vertrouwen op vage taalmodellen
14:59
Speaker 2: die maar wat gokken. Vaardigheden maken de Copilot actief in
15:01
Speaker 2: plaats van alleen informatief. Het zijn de connectoren naar APIs,
15:04
Speaker 2: workflows en applicaties waarmee de agentactie kan ondernemen in plaats
15:07
Speaker 2: van alleen te praten. Door bijvoorbeeld te koppelen aan ServiceNow ticketing,
15:11
Speaker 2: kan een IT-supportmedewerker een datum verzetten of tickets direct sluiten.
15:15
Speaker 2: In plaats van beleidsfragmenten te herschrijven, kan de co-pilot de
15:18
Speaker 2: gebruiker door de stappen leiden en ondertussen de taak op
15:21
Speaker 2: de achtergrond voltooien. Deze combinatie van kennisverankering en geïntegreerde vaardigheden
15:25
Speaker 2: onderscheidt een chatbot van een echte assistent. Een chatbot reciteert
15:29
Speaker 2: en een agent handelt. De risico's van het overslaan van
15:31
Speaker 2: deze stap worden snel duidelijk. Als een co-pilot ook maar
15:34
Speaker 2: één keer een cruciaal antwoord geeft dat onjuist blijkt te zijn,
15:36
Speaker 2: onthouden gebruikers dat. Die herinnering blijft veel langer hangen dan
15:39
Speaker 2: welke goede ervaring dan ook, vooral in streng gereguleerde sectoren.
15:42
Speaker 2: Eén foutieve toezegging over compliance of één onjuist financieel overzicht
15:46
Speaker 2: is genoeg om het vertrouwen van een heel team in
15:48
Speaker 2: de tool te schaden. Het herstellen van de acceptatie na
15:51
Speaker 2: zo'n tegenslag is veel moeilijker dan vooraf investeren in een
15:53
Speaker 2: goede data integratie. Zelfs als het fundament solide is, is
15:56
Speaker 2: de uitdaging nog niet voorbij. Bedrijfsregels veranderen, workflows evolueren en
16:00
Speaker 2: beleid wordt bijgewerkt. Dat betekent dat het trainen van een
16:03
Speaker 2: agent geen eenmalige taak is. Het is een iteratief proces
16:05
Speaker 2: dat voortdurende bijsturing vereist. Een nieuw compliance kader kan hernieuwde
16:09
Speaker 2: verankering vereisen. Een systeem migratie kan betekenen dat vaardigheden moeten
16:12
Speaker 2: worden bijgewerkt. Zelfs taalveranderingen, zoals hoe teams praten over producten
16:16
Speaker 2: of processen, kunnen de prestaties verstoren als ze worden genegeerd.
16:18
Speaker 2: Deze continu verbetercyclus is wat teams die groeiende waarden zien,
16:21
Speaker 2: onderscheidt van teams wiens co-pilot na de lancering in de
16:24
Speaker 2: vergetelheid raakt. De beloning voor volharding is dat je co-pilot
16:27
Speaker 2: in real-time begint te werken met dezelfde diepgang als je
16:29
Speaker 2: eigen experts. Een ouwe co-pilot kan beleidsdetails verstrekken zonder dat
16:33
Speaker 2: daar voor elke kleine vraag ouwe personeel bij betrokken hoeft
16:36
Speaker 2: te worden. Een finance co-pilot kan een analist door goedkeuringsketens
16:39
Speaker 2: leiden terwijl de juiste cijfers uit huidige systemen worden gehaald.
16:42
Speaker 2: Dit zijn niet alleen efficiëntiewinsten, ze veranderen hoe mensen tegen
16:45
Speaker 2: het gebruik van de tool aankijken. In plaats van nog
16:47
Speaker 2: een systeem om mee te worstelen, wordt het de snelste
16:49
Speaker 2: weg naar betrouwbare antwoorden en voltooide taken. Dit is waarom
16:52
Speaker 2: het verschil tussen een chatbot en een co-pilot ertoe doet.
16:55
Speaker 2: Een chatbot voert gesprekken, een co-pilot neemt context, combineert dit
16:59
Speaker 2: met acties en zet het om in ondersteuning waar mensen
17:01
Speaker 2: op vertrouwen. De sterkste agents zijn degene die weer spiegelen
17:04
Speaker 2: wat je team al weet en direct naar die kennis
17:06
Speaker 2: kunnen handelen. En zodra het ontwerp en de training staan,
17:10
Speaker 2: is de laatste uitdaging hoe je de uitrol zelf beheert.
17:13
Speaker 2: Want een technisch solide co-pilot kan nog steeds falen als
17:15
Speaker 2: het nooit tot adoptie komt. Valkuilen vermijden op weg naar
17:19
Speaker 2: de livegang. De meest voorkomende manier waarop co-pilot projecten falen
17:23
Speaker 2: is niet in de ontwikkeling, maar in de uitrol. Teams
17:25
Speaker 2: besteden vaak weken aan het verfijnen van persona's, het bouwen
17:28
Speaker 2: van use cases en het koppelen van databronnen, om vervolgens
17:31
Speaker 2: het hele initiatief te zien stagneren zodra de agent naar
17:34
Speaker 2: medewerkers moet. Dat is niet omdat de techniek niet werkt,
17:36
Speaker 2: maar omdat de menselijke kant van de uithol vaak wordt verwaarloosd.
17:40
Speaker 2: Governance is niet gedefinieerd, verwachtingen worden niet beheerd of adoptieplannen
17:43
Speaker 2: zijn een bijzaak. Wat met energie begint bij de kick-off,
17:46
Speaker 2: dooft vaak uit voordat er echte resultaten verschijnen. Als je
17:48
Speaker 2: ooit de opwinding van een projectstartvergadering hebt gezien, ken je
17:51
Speaker 2: dat gevoel. Een roadmap hangt aan de muur, mijlpalen zijn
17:54
Speaker 2: afgesproken en iedereen is benieuwd naar de eerste demo. De
17:56
Speaker 2: eerste workflow wordt geïmplementeerd, de co-pilot beantwoord, testvragen en alles
18:00
Speaker 2: ziet er veelbelovend uit. Maar tussen die demo en de
18:02
Speaker 2: echte livegang verandert de situatie. Leidinggevende vragen halverwege extra functies,
18:06
Speaker 2: eindgebruikers weten niet hoe of wanneer ze de nieuwe tool
18:08
Speaker 2: moeten gebruiken en projectteams realiseren zich dat ze nooit procedures
18:11
Speaker 2: hebben vastgelegd voor wie wijzigingen beoordeelt of trainingsdata goedkeurt. De
18:14
Speaker 2: kloof tussen de bouw en de uithol is waar het
18:16
Speaker 2: momentum stilletjes sterft. Denk aan een agent die tijdens interne
18:19
Speaker 2: tests perfect werkte, maar bij de release struikelde. Medewerkers openden
18:23
Speaker 2: het één of twee keer, begrepen niet welke problemen het
18:26
Speaker 2: oploste en haakten ononder de indruk af. In sommige gevallen
18:28
Speaker 2: richtte het bouwteam zich zozeer op technische nauwkeurigheid dat ze
18:31
Speaker 2: het communicatieplan vergaten. Eindgebruikers gingen ervan uit dat de co-pilot
18:35
Speaker 2: alles over hun rol kon beantwoorden. Maar toen ze de
18:38
Speaker 2: eerste niet ondersteunde vraag stelde, reageerde de agent vaag. Dat
18:41
Speaker 2: ene moment was genoeg om het vertrouwen te schaden. De
18:44
Speaker 2: adoptie herstelde nooit omdat de uithol niet was ontworpen voor
18:47
Speaker 2: gebruikersperceptie en feedback. Scope Creep voegt een extra laag problemen toe.
18:51
Speaker 2: Stel dat een project oorspronkelijk twee waardevolle scenario's voor financieel
18:55
Speaker 2: analisten als doel had. Halverwege stromen de verzoeken binnen. Kan
18:58
Speaker 2: het ook ouder helpen bij het aanborden van nieuwe medewerkers
19:01
Speaker 2: of IT-probleemoplossing bieden? Het management wil impact tonen over afdelingen heen.
19:06
Speaker 2: Dus worden die verzoeken toegevoegd. Nu is het project team overbelast,
19:09
Speaker 2: verschuiven deadlines en lopen de initiale use cases vertraging op.
19:12
Speaker 2: Tegen de tijd dat het testen klaar is, probeert de
19:14
Speaker 2: co-pilot vijf richtingen tegelijk te dienen en voldoet aan geen enkele.
19:18
Speaker 2: De uitrol wordt weer uitgesteld, het vertrouwen in het project
19:20
Speaker 2: neemt af en de oorspronkelijke belofte wordt nooit waargemaakt. Om
19:23
Speaker 2: die spiraal te vermijden is structuur nodig. Een beproefde methode
19:26
Speaker 2: is gefaseerde uitrol. In plaats van de agent in één
19:29
Speaker 2: keer aan het hele bedrijf op te leggen, begin je
19:31
Speaker 2: met een kleine pilotgroep die de kernpersona vertegenwoordigt. verzamel je
19:34
Speaker 2: hun feedback, monitor je de vragen en meet je de
19:37
Speaker 2: adoptiegraad in een gecontroleerde omgeving. Als er problemen zijn, kunnen
19:40
Speaker 2: er stilletjes aanpassingen worden gedaan voordat er wordt opgeschaald. Daarnaast
19:43
Speaker 2: helpt het vaststellen van transparante succescriteria om het enthousiasme realistisch
19:47
Speaker 2: te houden. Als succes wordt gedefinieerd als 50% van de
19:50
Speaker 2: tickets opgelost zonder menselijke hulp of compliance checks in minder
19:53
Speaker 2: dan twee minuten, dan ziet iedereen vooruitgang in duidelijke termen
19:56
Speaker 2: in plaats van vage beweringen. Goede AI-projecten hebben ook champions,
20:00
Speaker 2: individuen die fungeren als interne vertalers tussen het techteam en
20:03
Speaker 2: de alledaagse gebruikersgroep. Deze champions helpen de juiste verwachtingen te
20:06
Speaker 2: scheppen door collega's te laten zien waar de co-pilot uitblinkt
20:09
Speaker 2: en waar niet. In plaats van te beloven dat AI
20:11
Speaker 2: alles oplost, leggen ze uit welke specifieke taken het ondersteunt
20:14
Speaker 2: en waarom die als prioriteit zijn gekozen. Dat soort pleitbezorging
20:17
Speaker 2: heeft meer gewicht als het van collega's komt dan van
20:20
Speaker 2: IT-aankondigingen in een bedrijfsnieuwsbrief. Het bouwt geloofwaardigheid op, persoon voor persoon,
20:24
Speaker 2: wat de adoptie op een manier schaalt die geen enkele
20:26
Speaker 2: aankondiging alleen kan bereiken. Momentum na de eerste demo komt
20:28
Speaker 2: voort uit het beheren van deze balans tussen ambitie en realiteit.
20:31
Speaker 2: De agent moet niet onzichtbaar in een innovatielab blijven, maar
20:34
Speaker 2: kan ook niet ongeveer het test aan het hele personeel
20:36
Speaker 2: worden overgelaten. Uitholtrajecten die slagen, hebben meestal een geduldige facering. Piloten,
20:40
Speaker 2: uitbreiden en dan inbedden in de dagelijkse workflow.