Hoe AI-native bedrijven workflows omzetten in operationele slagkracht

Uit de nieuwste Enterprise Signals van OpenAI blijkt dat AI in bedrijven de stap van ondersteuning naar uitvoering maakt, maar dat het tempo sterk verschilt. Grensverleggende bedrijven (de 10% met het hoogste AI-gebruik) genereren nu per actieve gebruiker 8,3 keer zoveel outputtokens als doorsneebedrijven, tegenover 2,6 keer zoveel in januari. De groeiende kloof wijst op een fundamentelere verandering in de bedrijfsvoering: toonaangevende bedrijven koppelen agenten aan bedrijfscontext en tools, delegeren inhoudelijker werk en maken succesvolle workflows gemakkelijker herhaalbaar.

Voor leidinggevenden is het zaak die diepgang om te zetten in werk dat mensen kunnen vertrouwen, meten en verbeteren. Leidinggevenden moeten ook ruimte laten voor experimenten, waaronder toepassingen waarvan de waarde niet meteen duidelijk is.

De startups Basis⁠(opent in een nieuw venster), Clay⁠(opent in een nieuw venster) en Exa Labs⁠(opent in een nieuw venster) hebben agenten geïntegreerd in de onboarding van medewerkers, het accountmanagement en de groei van het ontwikkelaarsecosysteem. Hun workflows verschillen, maar de opeenvolgende stappen zijn leerzaam: leer een agent een stabiel proces aan, geef de agent blijvende context naarmate het werk verandert en laat de agent kansen vervolgens uitwerken tot concrete acties die de toetsing hebben doorstaan.

Samen laten deze voorbeelden zien hoe teams agenten in vertrouwde werkzaamheden kunnen integreren en het proces gaandeweg kunnen verbeteren.

Onboarding is voor werkgevers en werknemers lang een omslachtig proces geweest. Bij Basis, dat AI-agenten voor accountantskantoren ontwikkelt, duurt de onboarding op de eerste werkdag nu 30 minuten in plaats van twee uur. Daardoor heeft HR meer tijd voor cultuur en ondersteuning.

Op hun eerste dag krijgen medewerkers direct toegang tot Codex en een bedrijfsspecifieke onboardingvaardigheid (een herbruikbare set instructies en hulpmiddelen voor een specifieke workflow). Codex heet hen welkom, introduceert belangrijke bedrijfsconcepten en gebruikt hun computer om de integraties op de achtergrond in te stellen. Wanneer terugkerende vragen of uitzonderingen naar voren komen, kan HR de vaardigheid vóór de volgende groep bijwerken.

Basis demonstreerde het onboardingproces één keer en maakte er vervolgens een herbruikbare vaardigheid van met een duidelijke trigger, vaste stappen, toegang tot de juiste tools en een heldere definitie van "voltooid". Het proces is niet langer afhankelijk van de beschikbaarheid van één persoon, terwijl het team nog steeds kan ingrijpen bij uitzonderingen of complexe vragen. De onboarding is nu consistenter, beter herhaalbaar en gemakkelijker te verbeteren. Bovendien krijgen nieuwe medewerkers meteen een voorbeeld van hoe ze met AI kunnen werken.

Clay, dat een zelflerende omzetmotor voor go-to-marketteams ontwikkelt, staat voor een bekend verkoopprobleem: cruciale dealcontext is verspreid over CRM-gegevens, e-mail, Slack, gesprekken, presentaties, tekstberichten en overleg met interne teams en pleitbezorgers bij klanten.

Om die context actueel te houden, experimenteerde een van Clays GTM-engineers met een betere aanpak: een permanente werkruimte en een speciale subagent voor elk account. Elke subagent beoordeelt primaire bronnen en werkt 's nachts de bijbehorende dealmap bij. Elke ochtend zet een coördinerende agent de updates van al haar accounts om in een korte lijst met prioriteiten: een openstaande klantvraag beantwoorden, een leemte in het inkoopcomité opvullen of een potentiële klant een reden geven om opnieuw contact te zoeken.

Volgens Clay bespaart deze workflow haar elke avond ongeveer een uur aan het sorteren van haar inbox. De dagelijkse prioriteiten helpen haar de kleine acties uit te voeren die gedurende een lange zakelijke verkoopcyclus samen een groot verschil kunnen maken. Het onderliggende bewijs blijft bij elke aanbeveling, zodat verkopers de primaire bronnen kunnen controleren voordat ze actie ondernemen. Bedrijven zouden die gedeelde context kunnen uitbreiden naar accountmanagers, BDR's, solution engineers en verkoopleiders, binnen de bestaande accountrechten.

Clay laat zien wat veranderend werk nodig heeft om op te schalen: een consistente structuur, een nuttig verversingsritme, gedeeld bewijs en menselijk beoordelingsvermogen op het moment van handelen.

Exa Labs, dat infrastructuur voor zoekopdrachten op het web voor AI-agenten ontwikkelt, wil zijn zoek-API overal beschikbaar maken waar developers die kunnen gebruiken. Het team noemt dit doel "Exa overal". Om dit na te streven, moesten de teams voor developer relations en accounts voorheen repositories en het bredere ecosysteem volgen, veelbelovende integraties vinden, context verzamelen en werkzaamheden tussen systemen coördineren. Hoewel de kansen verschilden, verliep het traject van ontdekking tot implementatie volgens een vaste volgorde. Exa zette die volgorde om in een vaste workflow voor Codex, met duidelijke prioriteiten, toegang tot de benodigde bronnen en menselijke controle voordat iets wordt uitgebracht.

Codex zoekt nu voortdurend naar integratiemogelijkheden met hoge prioriteit, verzamelt de relevante context, maakt pull requests, voert tests uit en stelt op basis van bronnen zoals Slack en Notion wekelijkse updates op. Waar passend kan Codex ook de volgende stap voorbereiden, bijvoorbeeld door een eerste aankondiging op te stellen die het team kan beoordelen. De workflow werkt een kans vanaf het eerste signaal uit tot een getest werkproduct en vermindert tegelijk het aantal overdrachtsmomenten tussen onderzoek, engineering en communicatie.

Mensen blijven bepalen welke kansen ertoe doen, welke toezeggingen Exa moet doen en hoe externe relaties moeten worden beheerd. Dankzij tests en controlemomenten is het werk van de agent zichtbaar voordat het wordt uitgebracht. Testresultaten en menselijke controle kunnen het team laten zien waar de workflow vóór de volgende uitvoering moet worden aangepast. Naarmate het werk grotere gevolgen krijgt, gaan machtigingen, bewijs en beslissingsbevoegdheden een grotere rol spelen in het ontwerp van de workflow.

Samen vertalen Basis, Clay en Exa de patronen uit Enterprise Signals naar de praktijk. Basis maakt van een bewezen proces een herbruikbare vaardigheid. Clay geeft een agent blijvende context en laat die doorwerken om veranderend werk actueel te houden. Exa voegt tools, tests en beoordelingsmomenten toe, zodat een agent op basis van een signaal binnen duidelijke grenzen actie kan ondernemen. Bij alle drie maakt verbetering deel uit van de workflow: uitzonderingen bij de onboarding tonen waar een vaardigheid moet worden verfijnd; nieuwe accountactiviteiten en validatie door verkopers houden de dealcontext actueel; en tests en menselijke beoordeling scherpen de grenzen voor toekomstige uitvoering aan. Elk bedrijf begint met een specifieke taak en voldoende ruimte om die te testen. De taakverdeling wordt door het gebruik duidelijker en de verantwoordelijkheid groeit naarmate de workflow zich bewijst.

Nu de kloof met grensverleggende bedrijven groeit, moeten leidinggevenden medewerkers de ruimte geven om workflows met wezenlijke gevolgen te testen, succes te meten en de beste experimenten om te zetten in herhaalbare werkwijzen.

• Kies één belangrijk waardedomein. Begin met een end-to-endworkflow waarin een strategische prioriteit, systemen, overdrachten, controles en meetbare belangen samenkomen. De workflow moet vaak genoeg terugkeren om ervan te leren en belangrijk genoeg zijn om een herontwerp te rechtvaardigen.
• Bepaal het resultaat en hoe u dit gaat meten. Benoem de eindverantwoordelijke, KPI, nulmeting en randvoorwaarden. Meet de diepgang aan de hand van voltooide taken, gekoppelde context en tools, uitzonderingen en de hoeveelheid controlewerk. Meet de waarde aan de hand van doorlooptijd, kwaliteit, kosten, omzet of risico. Het outputvolume kan aantonen dat mensen AI om meer werk vragen; de resultaten van workflows laten zien of dat ertoe doet.
• Schrijf de functieomschrijving van de agent. Leg vast wat het werk in gang zet, wat het beoogde resultaat is, welke context, tools en machtigingen nodig zijn en in hoeverre de agent moet blijven doorwerken totdat de taak is voltooid. Bepaal welk bewijs de agent moet leveren en op welke punten de agent moet stoppen voor menselijke beoordeling.
• Organiseer de mensen en verantwoordelijkheden rond de agent. Betrek de mensen die het meest direct met de workflow werken bij het ontwerp. Leg vast wie verantwoordelijk is voor het bedrijfsresultaat, de domeinlogica, toegang en beheersmaatregelen, de invoering en het dagelijks gebruik. Bij startups komen deze verantwoordelijkheden bij enkele mensen samen; grote organisaties hebben expliciete beslissingsbevoegdheden nodig naarmate de workflow wordt opgeschaald.
• Maak experimenten zichtbaar en herbruikbaar. Uit onderzoek van OpenAI blijkt dat medewerkers aan het begin van hun loopbaan zes maanden na ingebruikname 13 berichten per week meer stuurden dan leidinggevenden. Geef medewerkers ruimte om nieuwe toepassingen te testen. Leg vervolgens het proces en de onderbouwing van succesvolle toepassingen vast en verwerk die in vaardigheden, plug-ins of gedeelde werkruimten. Chat, Work en Codex⁠(opent in een nieuw venster) ondersteunen verschillende modi: Chat voor vragen en snelle samenwerking, Work voor kenniswerk in meerdere stappen en voltooide eindproducten, en Codex voor technische uitvoering.
• Pas het operationele patroon opnieuw toe. Behoud de context, machtigingen, evaluaties, controlemomenten, verantwoordelijken, meetmethoden en ondersteuning die werkten, en pas ze vervolgens toe op het volgende waardedomein. Elk nieuw experiment moet het volgende team een beter uitgangspunt bieden.