Grote Taalmodellen (LLMs) zoals ChatGPT en Claude zijn momenteel beperkt in het evenaren van de veelzijdigheid van menselijke werknemers vanwege hun afhankelijkheid van vooraf geüploade data voor context. Deze AI-tools dienen meestal als co-piloten die helpen bij het voltooien van taken maar missen het vermogen om zelfstandig te opereren. ### Voorbij Co-Pilot Assistentie Anthropic heeft de 'Computergebruik' functie van Claude onthuld, wat een sprong voorwaarts betekent richting mensachtige autonomie in AI. Deze nieuwe functie stelt Claude in staat om onafhankelijk met softwaretoepassingen te communiceren en taken uit te voeren zoals het navigeren door menu's en typen zonder menselijke supervisie. In tegenstelling tot traditionele systemen voor robotprocesautomatisering die voorgedefinieerde stappen volgen, interpreteert Claude's Computergebruik visuele inputs en redeneert om de beste handelswijze te bepalen. Bijvoorbeeld, Claude kan taken beheren zoals het organiseren van klantgegevens, het correleren van financiële informatie, en het opstellen van gepersonaliseerde berichten zonder menselijke inbreng. Deze mogelijkheid stelt Claude in staat werk te verrichten als een junior medewerker. Echter, deze benadering kan tijdrovend zijn omdat het menselijke acties kopieert. Ook vereist Claude's Computergebruik exclusieve computer toegang tijdens het functioneren. ### De Waarde van Multi-Agent Configuraties In discussies over AI-agenten zijn deze tools niet echt autonoom, maar kunnen ze autonomie efficiënt simuleren, waardoor er mogelijkheden voor zakelijke innovatie ontstaan. Daniel Vassilev, CEO van Relevance, benadrukt dat AI-agenten workflows kunnen beheren die meerdere fulltime medewerkers zouden vereisen, en taken zoals leadkwalificatie en klantbenadering kunnen afhandelen. Het inzetten van verschillende gespecialiseerde agenten biedt meer waarde dan het automatiseren van individuele workflows.

Net als menselijke teams kunnen AI-agenten specifieke taken toegewezen krijgen en samenwerken voor grotere productiviteit, naadloos integreren zonder extra menselijke supervisie. ### De Autonome Rand Het verschil tussen co-piloten en autonome agenten ligt in de uitvoering. Co-piloten verhogen de productiviteit door bij te staan in taken, terwijl autonome agenten volledige taken onafhankelijk afhandelen, waarbij mensen alleen de uitkomsten hoeven te beoordelen. Relevance gebruikt bijvoorbeeld AI-agenten om onderzoek te doen en gebruikersonboarding en -communicatie te beheren, waardoor menselijke rollen zich kunnen richten op supervisie en creativiteit. ### Vertrouwen en Waarborgen AI-agenten, hoewel veelbelovend, zijn niet foutloos. Vassilev vergelijkt het gebruik van AI-agenten met het aannemen van nieuwe werknemers, waarbij toezicht en richtlijnen nodig zijn voor een veilige werking. Het instellen van waarborgen en het juist trainen van deze agenten is cruciaal, net als bij een junior medewerker. ### Uitdagingen en Vooruitgang Ondanks hun potentieel staan autonome AI-agenten voor uitdagingen, vaak door hiaten in organisatorische kennis in plaats van technische kwesties. Veel processen zijn moeilijk te documenteren en automatiseren omdat ze zich in de hoofden van experts bevinden. Het combineren van Anthropic's Computergebruik met meerdere AI-agenten heeft nieuwe automatiseringsmogelijkheden geopend, zelfs voor complexe en creatieve taken. Naarmate deze tools zich blijven ontwikkelen, bieden ze het potentieel om meer te bereiken met minder middelen, waardoor menselijke rollen zich kunnen richten op innovatie en supervisie. Spannende tijden liggen in het vooruitzicht in de evolutie van AI-capaciteiten.