Gepresenteerd door EdgeVerve
Voordat we het hebben over Global Business Services (GBS), moeten we even een stapje terug doen. Kan agent AI, het type AI dat doelgerichte actie kan ondernemen, niet alleen GBS transformeren, maar elk soort bedrijf? En is dat al gebeurd?
Zoals bij veel nieuwe technologieën heeft de retoriek in dit geval de implementatie overtroffen. Hoewel 2025 “het jaar van agent AI had moeten zijn”, is dat volgens VentureBeat-redacteur Taryn Plumb niet zo geworden. Op basis van input van Google Cloud en het geïntegreerde ontwikkelomgeving (IDE) bedrijf Replit, rapporteerde Plumb in een VentureBeat-bericht van december 2025 dat wat er ontbreekt zijn de fundamenten die nodig zijn om te kunnen opschalen.
Gezien de ervaring met generatieve (gen)AI op basis van het Large Language Model (LLM), is dit resultaat niet verrassend. Uit een onderzoek uitgevoerd in februari 2025 Summit over Shared Services & Outsourcing Network (SSON).65% van de GBS-organisaties antwoordde dat ze nog geen GenAI-project hadden afgerond. Het is veilig om te zeggen dat de adoptie van de meer recentelijk gearriveerde agent AI nog in de kinderschoenen staat voor bedrijven, waaronder GBS.
De rol van agent AI in Global Business Services
Niettemin zijn er goede redenen om ons te concentreren op het enorme potentieel van agent AI en de toepassing ervan in de GBS-sector.
Ontdaan van de hype ontgrendelt Agentic AI mogelijkheden op de orkestratielaag van softwareworkflows die voorheen niet praktisch waren. Het doet dit via een verscheidenheid aan technieken, waaronder (maar niet vereist) LLM’s. Hoewel bedrijven wellicht bepaalde fundamentele zaken missen die nodig zijn om agent AI op grote schaal in te zetten, liggen deze vereisten niet buiten bereik.
Wat GBS en Global Capability Centers (GCC’s) betreft, deze hebben al een make-over ondergaan, van backoffice-uitbreidingen naar steeds strategischere bedrijfspartners. Agentic AI past natuurlijk goed omdat een van de standaardgebruiksscenario’s betrekking heeft op IT-operaties of klantenserviceagenten, functionaliteit die al binnen het bestaande GBS- en GCC-stuurhuis ligt.
Dus ja, agent AI zou de ABS-sector potentieel kunnen transformeren. Marktleiders kunnen het beste een stap verder gaan in de richting van een geschaalde implementatie door een methodische aanpak te volgen.
Vijf stappen voor het implementeren van agent-AI in GBS
Agentic AI is niet het enige spel in de stad. Zoals gezegd is er GenAI, dat vooral wordt gebruikt voor het maken van content. Maar om de reikwijdte uit te breiden, kunnen we ook verwijzen naar voorspellende AI en document-AI die respectievelijk worden gebruikt voor prognoses en gegevensextractie. (Voor geen van beide zijn LLM’s vereist.) Blootstelling aan reeds bestaande AI is een goed voorteken voor de toekomst van agent-AI.
Ten eerste ondersteunen deze vormen van AI elkaar wederzijds en zijn ze gestapeld (in plaats van in silo’s) in moderne systemen. Vooral Agentic AI is gepositioneerd om gebruik te maken van de anderen. Ten tweede kunnen leiders in de industrie, nadat ze de hype-cyclus van GenAI hebben meegemaakt, geneigd zijn om een meer afgemeten (en productieve) benadering van agent AI te hanteren.
In plaats van overhaast een pilot uit te voeren, zou de industrie er goed aan doen zich zorgvuldig voor te bereiden (stappen 1-3). In combinatie met het juiste testproject (stap 4) kunnen deze acties de weg vrijmaken voor een opgeschaalde inzet van agent AI (stap 5):
Ken uw processen. Bedrijfsvoering kan ingewikkeld zijn. Denk eens aan een wereldwijd toonaangevend expeditie- en logistiekbedrijf waarvan de duizenden fulltime werknemers in de zeven GBS-centra meer dan 80 processen ondersteunden met zeer complexe, handmatig intensieve workflows met grote regionale variaties. Alleen door eerst de bestaande processen en workflows te begrijpen, maakt een organisatie als deze een kans om deze te heroverwegen of te herwerken.
Ken uw gegevens. Nauw verwant zijn de gegevens waarvan workflows afhankelijk zijn. Hoe stromen deze gegevens van begin tot eind? Hoe zien de leidingen eruit? Waar zijn de belangrijkste API’s? Zijn de gegevens gestructureerd of ongestructureerd? Bevatten de bronnen dataplatforms (registratiesystemen) en vectordatabases (contextengines), die beide AI-agenten nodig hebben om goede beslissingen te nemen? Welk soort gegevensbeheer en -beveiliging is gangbaar? Hoe kunnen deze veranderen in een agentic AI-scenario?
Identificeer het probleem. In het geval van het eerder genoemde vrachtbedrijf stelden de complexiteit en variatie van de workflows, evenals de handmatige intensiteit ervan, het bedrijf bloot aan aanzienlijke kosten, het vervallen van serviceniveauovereenkomsten (SLA’s), een slechte klantervaring en grotere compliance- en juridische risico’s. Zodra een probleem is benoemd, wordt het logischerwijs een potentiële use case met afzonderlijke doelen.
Test een operationeel model. Mogelijkheden zijn onder meer het consolideren van de inspanningen in een Centre of Excellence (COE), het democratiseren van de ontwikkeling door middel van door burgers geleide benaderingen, en het samenwerken via onder meer Build-Operate-Transform-Transform-Transfer (BOTT)-modellen. Zonder structurele duidelijkheid zijn zelfs veelbelovende AI-pilots moeilijk uit te breiden buiten hun oorspronkelijke domein. Het model moet ook de werkelijkheid weerspiegelen. Agentic AI zal waarschijnlijk meerdere, parallelle agenten betrekken bij het nastreven van gecoördineerde doelen en wordt nog steeds beperkt door de omgeving, complexiteit, risico’s en governance.
Opschalen. Succesvolle pilots leiden tot hun eigen volgende stappen. Neem de gefragmenteerde ervaring van een grote multinationale bank in Australië. Na het automatiseren van verschillende niet-kernprocessen via Automation COE, realiseerde de bank zich dat ze de meest complexe workflows moest analyseren en verbeteren. Het koos voor een over-the-top softwareplatform waarmee het in minder dan 14 maanden meer dan 100 ontdekkingsprojecten kon voltooien. Pilots kunnen zo uitgroeien tot bedrijfsbrede initiatieven.
Zo ziet agent AI eruit op ondernemingsschaal
Alleen schaalgrootte kan echt effect hebben. De rederij, met zijn zeven GBS-centra, beschikte uiteindelijk over technologie die in staat was datapijplijnen op te bouwen, complexe documenten te digitaliseren, op regels gebaseerde redenering toe te passen op landspecifieke uitzonderingen en het werk tussen teams te orkestreren. Die basis leidde tot een AI-first-transformatie van zo’n zestien initiatieven, exponentiële groei in automatisering en aanzienlijke efficiëntiewinsten.
Door mogelijkheden op de orkestratielaag te ontketenen – waardoor contextuele perceptie, samenwerking tussen domeinen en autonome actie in overeenstemming met governance mogelijk worden gemaakt – kan agent AI operaties aansturen, zowel AI als menselijk.
Denk aan een inkoopproces. Hoewel document-AI gegevens uit inkooporders kan extraheren en bepaalde handmatige controles kan vermijden, kan een AI-agent ook leveranciersrisico’s evalueren, nalevingsnormen vergelijken, de beschikbaarheid van budgetten verifiëren en zelfs onderhandelingen initiëren, terwijl hij auditlogboeken bijhoudt voor rapportage over de regelgeving. In een financieel adviesscenario kan voorspellende AI trends analyseren, maar een AI-agent kan aanvullende stappen ondernemen en professionals in specifieke bedrijfseenheden helpen met gerichte strategische investeringen.
Houd er rekening mee dat de agent het menselijk oordeel niet vervangt, maar dit uitbreidt om ervoor te zorgen dat beslissingen sneller, consistenter en op grotere schaal worden genomen.
Van autonome automatisering tot agentische ecosystemen in GBS
GBS bevindt zich in een unieke positie om het bedrijf het agentische AI-tijdperk binnen te leiden. Het ontwerp is GBS op het kruispunt van processen en gegevens over meerdere bedrijfseenheden. Financiën, HR, supply chain en IT vloeien allemaal voort uit het shared services-model. Dit centrale uitkijkpunt maakt GBS tot een ideaal lanceerplatform voor het creëren van agentische AI-ecosystemen.
Een ecosysteem verschilt van stand-alone automatisering. Agenten voeren taken niet geïsoleerd uit. In plaats daarvan werken ze als onderdeel van een onderling verbonden systeem. Ze delen inzichten, leren van elkaar en coördineren om de resultaten op ondernemingsniveau te optimaliseren. Ingezet binnen een GBS of GCC kan Agentic AI hun voortdurende transformatie versnellen, waardoor ze een stap verder kunnen gaan in de automatisering en kunnen opereren op het niveau van end-to-end procesorkestratie.
N. Shashidar is SVP & Global Head, Product Management bij EdgeVerve.
Gesponsorde artikelen zijn inhoud die is geproduceerd door een bedrijf dat voor de post betaalt of een zakelijke relatie heeft met VentureBeat, en is altijd duidelijk gemarkeerd. Voor meer informatie kunt u contact opnemen met sales@venturebeat.com.
