De automatiseringsstack in 5 lagen: zo bepaal je de scope van een project

Waarom je vóór het bouwen een framework nodig hebt

Automatisering kan mislukken als een team meteen een chatbot of agent bouwt zonder eerst te controleren of de gegevens en pipelines er klaar voor zijn.

Automatiseren is niet één beslissing. Dit model met vijf lagen onderscheidt gegevens, pipelines, beslislogica, gegenereerde output en autonome acties, zodat je elke afhankelijkheid kunt controleren. De lagen kunnen overlappen en een bruikbaar systeem hoeft de vijfde laag niet te bereiken.

Gebruik de stack als planningsmodel. Toets elke laag aan de daadwerkelijke systemen, gegevens, controles en werklast van de organisatie voordat je een automatiseringsvoorstel als haalbaar beschouwt.

Laag 1: gegevens vastleggen en standaardiseren

Dit is de basis. Voordat je iets kunt automatiseren, moeten gegevens worden vastgelegd, gestructureerd en toegankelijk zijn. Veel teams denken dat dit geregeld is omdat ze een CRM gebruiken of spreadsheets hebben. Dat is vaak niet zo.

Hoe laag 1 er in de praktijk uitziet: - API-koppelingen die gegevens ophalen uit elke bron (CRM, analytics, e-mail, betalingen) - Gegevens standaardiseren: tijdstempels in één formaat, valuta omgerekend, namen consistent vastgelegd - Eén centrale bron voor elk gegevenstype (klant, bestelling, gebeurtenis)

Veelvoorkomende fout: Teams bouwen automatisering op vervuilde gegevens. Een rapportagepipeline met inconsistente datumnotaties is niet schaalbaar. Een agent die klantgegevens uit drie bronnen met tegenstrijdige schema's leest, levert onbruikbare output.

Input voor de planning: Maak een inschatting op basis van het aantal bronnen, de gegevenskwaliteit, API-toegang, verantwoordelijkheden en het werk om gegevens op elkaar af te stemmen. Ga niet uit van een algemene implementatieduur.

Een beoordeling van de gegevens kan ontbrekende identificatienummers, inconsistente formaten, dubbele records of onduidelijke verantwoordelijkheden aan het licht brengen. Door die problemen vóór de automatisering op te lossen, voorkom je verderop onnodig herstelwerk.

Laag 2: pipeline-orchestratie

Als de gegevens op orde zijn, is de volgende stap om ze automatisch te verplaatsen. Laag 2 zorgt ervoor dat gegevens zonder menselijke tussenkomst van de plek waar ze ontstaan terechtkomen waar ze nodig zijn.

Hoe laag 2 eruitziet: - Webhooks die acties starten bij gebeurtenissen (nieuwe bestelling, ticket gesloten, betaling ontvangen) - Geplande taken voor batchverwerking (dagelijkse rapporten, wekelijkse synchronisaties) - Verwerking via wachtrijen voor processen met grote volumes - Foutafhandeling en logica voor nieuwe pogingen in elke pipeline

Veelvoorkomende fout: Pipelines bouwen zonder monitoring. De automatisering werkt 3 weken en valt dan ongemerkt uit doordat een gekoppelde API is gewijzigd. Niemand merkt het totdat een klant klaagt.

Vereiste voor productie: Kritieke pipelines hebben een expliciete route voor foutafhandeling nodig. Afhankelijk van het ontwerp kan die bestaan uit statuscontroles, waarschuwingen, nieuwe pogingen, controles tegen dubbele verwerking en een wachtrij voor mislukte taken.

Input voor de planning: Maak per integratie een inschatting op basis van authenticatie, limieten voor API-verzoeken, het gebeurtenismodel, het volume, het gedrag bij fouten en de testomgeving.

Laag 3: beslislogica

Dit is de cruciale laag. In laag 3 leg je beslissingen op basis van gegevens vast in regels en modellen. Hier lopen ook de meeste automatiseringsprojecten vast.

Waarom dit lastig is: Beslislogica vereist betrouwbare input (lagen 1 en 2), kennis van het vakgebied (inzicht in de bedrijfsregels) en een heldere definitie van wat bij elke beslissing 'correct' is.

Voorbeelden van automatisering in laag 3: - Leadscoring: automatisch prioriteiten stellen op basis van gedragssignalen, bedrijfsgrootte en interactie - Contentroutering: per bericht het sjabloon, kanaal en verzendmoment bepalen - Afwijkingen detecteren: ongebruikelijke patronen in processen, omzet of gebruikersgedrag signaleren - Goedkeuringsworkflows: onder een drempel automatisch goedkeuren, daarboven escaleren

Waarom teams hier vastlopen: Ze zetten een algemeen AI-model in en verwachten dat het de bedrijfslogica zelf uitzoekt. Dat gebeurt niet. Bij beslislogica gaat het om het vastleggen van jouw specifieke operationele regels, niet om algemene intelligentie.

Gebruikelijke onderdelen van deze laag: Regelengines, scoringmodellen en classificatiepipelines. Waar mogelijk werken die volgens vaste regels; alleen als de gegevens het toelaten, werken ze met waarschijnlijkheden. Elke beslissing moet worden vastgelegd en controleerbaar zijn.

Input voor de planning: Reserveer ruimte voor verkenning en bijsturing, want bedrijfsregels, uitzonderingen en verantwoordelijkheden bij escalaties zijn vaak niet gedocumenteerd.

Laag 4: intelligente acties

In laag 4 begint AI output te genereren in plaats van alleen bestaande informatie door te sturen. Denk aan content, gepersonaliseerde antwoorden, dynamisch samengestelde documenten en code voor interne tools.

Wat laag 4 onderscheidt van algemeen gebruik van ChatGPT: - Gestructureerde prompts met bedrijfscontext uit lagen 1 tot en met 3 - Validatie van output (elk gegenereerd resultaat wordt aan kwaliteitsregels getoetst) - Feedbackloops: menselijke correcties worden gebruikt om prompts te verbeteren - Kostenbewaking (API-kosten per actie, per klant, per campagne)

Voorbeelden: - Wekelijkse klantrapporten genereren op basis van pipelinegegevens - Gepersonaliseerde benaderingsreeksen maken met aangevulde CRM-gegevens - Standaardwerkwijzen opstellen op basis van operationele logboeken - Helpdeskreacties genereren met context uit de kennisbank

Cruciaal principe: Laag 4 genereert, maar beslist niet. De beslissing over *wat* er gegenereerd wordt, komt uit laag 3. Als je die twee vermengt, krijg je chatbots die in productie dingen verzinnen.

Input voor de planning: Bepaal welke soorten output nodig zijn, welke broncontext wordt gebruikt, welke validatieregels gelden, hoe de beoordeling verloopt en wat het verwachte volume is voordat je het werk inschat.

Laag 5: autonome agents

De bovenste laag van de stack. Agents zijn systemen die zonder menselijke aanzet waarnemen, beslissen en handelen over meerdere lagen heen. Ze houden omstandigheden in de gaten, voeren workflows uit en passen zich aan op basis van de resultaten.

Wat een agent onderscheidt van een automatisering: Een automatisering voert na een trigger een vaste reeks stappen uit. Een agent houdt omstandigheden in de gaten, kiest acties uit een set hulpmiddelen en past zijn gedrag aan op basis van resultaten. Dat verschil is belangrijk, omdat voor agents alle vier de onderliggende lagen op orde moeten zijn.

Mogelijke toepassingen voor agents: - Een operationele agent die de gezondheid van pipelines bewaakt, knelpunten opspoort en middelen anders verdeelt - Een groeiagent die campagneprestaties analyseert en budgetten direct herverdeelt - Een supportagent die eerstelijnstickets afhandelt, uitzonderingen escaleert en leert van de afhandeling

Waarom je niet meteen naar laag 5 kunt springen: Een agent zonder betrouwbare gegevens (laag 1) neemt beslissingen op basis van ruis. Zonder pipelines (laag 2) kan een agent geen acties uitvoeren. Zonder beslislogica (laag 3) weet een agent niet wat 'correct' is.

Zonder gevalideerde generatie (laag 4) levert een agent onbetrouwbare output.

Input voor de planning: Maak een inschatting op basis van het aantal beschikbare acties en de risico's daarvan, het integratiewerk, de reikwijdte van de evaluatie, goedkeuringscontroles en herstelprocedures.

Waar staat jouw bedrijf in de stack?

Een organisatie kan gegevens in laag 1 hebben en enkele kwetsbare automatiseringen in laag 2, terwijl expliciete beslislogica, intelligente acties en toezicht in de hogere lagen ontbreken.

Snelle zelftest: - Check voor laag 1: Kun je alle klant-, bestel- en gebeurtenisgegevens binnen 5 minuten op één plek bijeenbrengen? - Check voor laag 2: Draaien je kritieke workflows zonder dat iemand ze handmatig start? Krijg je een waarschuwing als ze uitvallen?

- Check voor laag 3: Zijn je bedrijfsregels vastgelegd in software of zitten ze alleen in iemands hoofd? - Check voor laag 4: Genereer je content, rapporten of communicatie met AI? - Check voor laag 5: Zijn er systemen in je bedrijf die zonder menselijke tussenkomst waarnemen, beslissen en handelen?

Als de basis in lagen 1 tot en met 3 zwak is, documenteer en test dan die afhankelijkheden voordat je een agent toestemming geeft om te handelen. Een audit kan de huidige situatie in kaart brengen en de kleinste veilige vervolgstap aanwijzen.