Stel dat een verkoopteam een agent gebruikt om offertes voor te bereiden. Een medewerker heeft de koppeling met het klantensysteem gemaakt en de instructies geschreven. Een halfjaar later heeft die medewerker een andere functie. Wie weet dan nog welke gegevens de agent mag gebruiken en wie de instructies bijhoudt?
Dat is het praktische probleem achter agent sprawl: er komen steeds meer agents en koppelingen bij, terwijl het overzicht achterblijft. Zoals bij shadow IT kan nuttig lokaal gebruik buiten het zicht van de organisatie raken.
Van handige oplossing naar onzichtbaar risico
Shadow IT is IT-gebruik buiten de afgesproken inrichting en het zicht van de organisatie. Het ontstond doordat teams sneller wilden werken dan de centrale IT-afdeling kon leveren. Ze gebruikten eigen tools, spreadsheets, cloudapps en automatiseringen, vaak met goede bedoelingen en met echte productiviteitswinst. Maar na verloop van tijd ontstonden vragen.
- Wie heeft toegang?
- Waar staan de gegevens?
- Welke versie is leidend?
- Wat gebeurt er als iemand vertrekt?
- Wie grijpt in als iets misgaat?
Met AI-agents komen daar nieuwe vragen bij. Je moet weten welke handelingen een agent zelfstandig mag uitvoeren, op basis van welke bronnen hij beslissingen voorbereidt en welke instructies en rechten hij gebruikt. Ook moet duidelijk zijn wie de uitkomst beoordeelt, wie fouten afhandelt en hoe je controleert of de agent nog doet wat de bedoeling is.
Ook gewone bedrijfssoftware kan gegevens wijzigen of berichten versturen. Bij een AI-agent moet je daarnaast rekening houden met de ruimte die het model krijgt om vervolgstappen te kiezen. Welke handelingen het mag uitvoeren en met welke gegevens, moet je daarom expliciet vastleggen.
Waarom agent sprawl zo snel kan ontstaan
AI-agents zijn aantrekkelijk omdat ze dicht op het werk zitten en een concreet probleem in het dagelijkse werk oplossen. Daardoor lijkt het risico ook klein. Maar agents staan zelden op zichzelf. Ze krijgen toegang tot documenten, mailboxen, klantsystemen, projecttools of databases en worden gekoppeld aan andere werkprocessen. Hun instructies bepalen welke keuzes ze maken. Mensen gaan op hun uitkomsten vertrouwen. Voor je het weet, heeft de organisatie tientallen kleine AI-initiatieven naast elkaar. Dat hoeft niet verkeerd te zijn, maar het wordt kwetsbaar als niemand het geheel ziet.
Wie is verantwoordelijk als er iets verandert?
Teams moeten kunnen experimenteren zonder voor iedere kleine wijziging een zwaar traject te doorlopen. Wel moet duidelijk zijn wie de toepassing beheert. Die persoon beoordeelt wijzigingen in doel en toegang, volgt problemen op en zorgt dat de agent wordt stopgezet wanneer hij niet meer nodig is. Een naam in een register helpt alleen als daar ook tijd en bevoegdheden bij horen.
Wat organisaties nodig hebben
Afspraken over het beheer en gebruik van agents hoeven niet zwaar of bureaucratisch te beginnen. Als ze te zwaar worden, gaan mensen eromheen werken. Dan ontstaat precies het probleem dat je wilde voorkomen.
Een praktische basis bestaat uit een paar eenvoudige afspraken.
-
Maak agents zichtbaar. Begin met een register waarin staat welke agents er zijn, waarvoor ze worden gebruikt, tot welke systemen ze toegang hebben en wie verantwoordelijk is.
-
Leg eigenaarschap vast. Elke agent heeft een eigenaar nodig die verantwoordelijk is voor het doel, de werking en de risico’s. Een technisch contactpersoon is niet genoeg.
-
Geef alleen de toegang die nodig is. Geef een agent dus ook niet “voor het gemak” brede toegang tot mailboxen, drives of klantgegevens.
-
Leg belangrijke handelingen vast. Als een agent informatie ophaalt, beslissingen voorbereidt of handelingen uitvoert, wil je kunnen terugzien wat er is gebeurd. Leg vast wat je daarvoor nodig hebt. Spreek ook af wie het mag inzien en hoe lang je het bewaart.
-
Evalueer periodiek. Agents veranderen mee met processen, gegevens en teams. Wat vandaag klopt, kan over drie maanden achterhaald zijn.
-
Stop toepassingen die niet meer nodig zijn. Tijdelijke experimenten mogen tijdelijk blijven. Opruimen hoort bij gewoon gebruik.
Maak ondersteuning bereikbaar
Bij klassieke shadow IT werd IT vaak gezien als rem. Bij AI-agents is de behoefte aan experiment groot en ontwikkelt de technologie zich snel. Teams hebben daarom vooral baat bij ondersteuning die ze makkelijk kunnen vinden: een vast aanspreekpunt, een overzicht van toegestane koppelingen en een route voor uitzonderingen. Dan weten ze wat mag, wat niet mag en wanneer ze hulp moeten vragen. Zo komen vragen op tafel voordat een agent in gebruik gaat en niet pas achteraf.
Begin bij één team
Zet op een rij welke agents één team gebruikt, wie de toegang kan wijzigen en wie een fout opvolgt. Je merkt dan snel welke afspraken ontbreken. Breid dat overzicht uit voordat je het volgende experiment toevoegt.
Wil je de agents in je organisatie in kaart brengen? Bespreek de eerste stap met Orbis Neo.