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

Waarom je vóór het bouwen een raamwerk nodig hebt

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

Automatisering 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 nuttig systeem hoeft de vijfde laag niet te bereiken.

Gebruik de stack als planningsmodel. Toets elke laag aan de werkelijke systemen, gegevens, beheersmaatregelen 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 of spreadsheets gebruiken. Dat is meestal 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 en namen op een uniforme manier geschreven - Eén gezaghebbende bron voor elk type gegeven (klant, bestelling, gebeurtenis)

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

Input voor de planning: Schat het werk voor deze laag in op basis van het aantal bronnen, de gegevenskwaliteit, API-toegang, verantwoordelijkheden en het werk dat nodig is om gegevens met elkaar in overeenstemming te brengen. Gebruik geen algemene implementatieduur.

Een beoordeling van de gegevens kan ontbrekende identificatiegegevens, inconsistente formaten, dubbele records of onduidelijke verantwoordelijkheden aan het licht brengen. Als je die problemen vóór de automatisering oplost, voorkom je onnodig herstelwerk in latere stappen.

Laag 2: pipelines aansturen

Als de gegevens op orde zijn, is de volgende stap om ze automatisch te verplaatsen. Laag 2 zorgt dat gegevens zonder menselijke tussenkomst 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 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 omdat een bovenliggende API is gewijzigd. Niemand merkt het totdat een klant klaagt.

Vereiste voor productie: Kritieke pipelines hebben een expliciete route nodig voor storingen. Afhankelijk van het ontwerp kan die bestaan uit gezondheidscontroles, meldingen, nieuwe pogingen, maatregelen tegen dubbele verwerking en een wachtrij voor mislukte taken.

Input voor de planning: Schat elke integratie in op basis van de authenticatie, limieten voor het aantal verzoeken, het gebeurtenismodel, het volume, het gedrag bij storingen en de testomgeving.

Laag 3: beslislogica

Dit is de cruciale laag. In laag 3 worden beslissingen op basis van gegevens vastgelegd in regels en modellen. Het is ook de laag waarop de meeste automatiseringsprojecten vastlopen.

Waarom het lastig is: Beslislogica vraagt om betrouwbare invoergegevens (lagen 1-2), kennis van het vakgebied (de bedrijfsregels begrijpen) en een heldere definitie van wat bij elke beslissing 'juist' is.

Voorbeelden van automatisering in laag 3: - Leadscoring: leads automatisch prioriteren op basis van gedragssignalen, bedrijfsgrootte en betrokkenheid - Contentroutering: per bericht bepalen welk sjabloon en kanaal je gebruikt en wanneer je het verstuurt - Afwijkingen detecteren: ongebruikelijke patronen in processen, omzet of gebruikersgedrag signaleren - Goedkeuringsprocessen: 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 leg je jouw specifieke operationele regels vast, niet algemene intelligentie.

Typische onderdelen van deze laag: Regelsystemen, scoringsmodellen en classificatiepipelines. Ze zijn deterministisch waar mogelijk en alleen probabilistisch als de gegevens dat toelaten. Elke beslissing moet worden vastgelegd en controleerbaar zijn.

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

Laag 4: intelligente acties

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

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

Voorbeelden: - Wekelijkse klantrapporten genereren op basis van pipelinegegevens - Gepersonaliseerde reeksen berichten opstellen op basis van verrijkte CRM-gegevens - Standaardprocedures opstellen op basis van operationele logboeken - Helpdeskreacties automatisch opstellen met context uit de kennisbank

Belangrijk uitgangspunt: Laag 4 genereert output. Deze laag neemt niet de beslissing. Laag 3 bepaalt *wat* er wordt gegenereerd. Als je die taken door elkaar haalt, krijg je chatbots in productie die informatie verzinnen.

Input voor de planning: Bepaal welke soorten output nodig zijn, welke broncontext wordt gebruikt, hoe je de output valideert en beoordeelt en welk volume je verwacht 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 bewaken omstandigheden, 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 beschikbare tools en past zijn gedrag aan op basis van de resultaten. Dat verschil is belangrijk, omdat een agent op alle vier onderliggende lagen moet kunnen vertrouwen.

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

Waarom je niet direct naar laag 5 kunt springen: Een agent zonder betrouwbare gegevens (laag 1) baseert beslissingen op ruis. Zonder pipelines (laag 2) kan hij geen acties uitvoeren. Zonder beslislogica (laag 3) weet hij niet wat 'juist' betekent.

Zonder gevalideerde generatie (laag 4) levert hij onbetrouwbare output.

Input voor de planning: Schat het werk in op basis van het aantal beschikbare acties en hun risico's, het integratiewerk, de dekking van evaluaties, goedkeuringsmaatregelen en herstelprocedures.

Waar staat jouw bedrijf binnen de stack?

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

Snelle zelfcheck: - Check voor laag 1: Kun je alle klant-, bestel- en gebeurtenisgegevens binnen 5 minuten op één plek verzamelen? - Check voor laag 2: Draaien je kritieke workflows zonder menselijke triggers? Krijg je een melding als ze uitvallen?

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

Als de checks voor lagen 1 tot en met 3 zwakke punten laten zien, documenteer en test die afhankelijkheden dan voordat je een agent toestemming geeft om te handelen. Een audit kan de huidige situatie in kaart brengen en de kleinste veilige volgende stap aanwijzen.