Vraag in een bedrijf hoe een proces precies loopt en je krijgt vier antwoorden. Niet omdat niemand het weet, maar omdat het nergens beschreven staat. Het zit in de hoofden van drie collega's, in een gedeelde mailbox en in een Excel die niemand nog durft aan te raken.
Een journey map lost dat op. Maar door de komst van AI agents moet hier het één en ander aan veranderen.
Eerst even: wat is een journey map?
Het is één proces, uitgetekend in één schema, van begin tot eind. Je zet het doel bovenaan, in de woorden van de gebruiker: een recruiter wil een nieuwe kandidaat toevoegen in zijn systeem. Daaronder komt een beschrijving van elke stap in mensentaal. En daaronder waar elke stap gebeurt: welk scherm, welk pakket, welke mailbox. En helemaal onderaan de pijnpunten die nu worden ervaren.
Het verschil met een klassieke flowchart is het perspectief. Een flowchart volgt het systeem. Een journey map start vanuit de persoon die de handeling doet. Daardoor zie je dingen die in een flowchart onzichtbaar blijven: dat een proces eigenlijk in een mailbox begint, of dat dezelfde gegevens op drie plaatsen ingetikt worden.
Meer over de aanpak zelf schreven we in een aparte post over journey mapping.
Waarom AI agents dit veranderen
AI agents beginnen software te gebruiken, net zoals mensen: een cv uitlezen, gegevens overzetten, een dossier klaarzetten. En steeds vaker is dat niet eens een agent die jij bouwt, maar de assistent die je collega of je klant zelf al gebruikt.
Het verrassende is dat je journey daar niet per se door verandert. Een kandidaat moet nog altijd worden aangemaakt, nagekeken en aan een vacature gekoppeld worden. Dat volgt uit het doel dat een user probeert te bereiken, of die user nu een mens is of niet.
Wat wel verandert, is de rij eronder. Vandaag is software opgebouwd uit schermen ontworpen voor mensen. Voor die AI agents zijn schermen overbodig. Zij maken gebruik van capabilities om acties uit te voeren.
Wat je concreet toevoegt aan je map
Naast elk scherm ook een capability
Loop je map af en vul de onderste rij aan. Per stap komen er twee soorten in te staan:
- een scherm, voor mensen — het kandidaatformulier
- een capability, voor agents — kandidaat aanmaken: dezelfde handeling, maar rechtstreeks aanroepbaar, zonder scherm errond
Sommige stappen hebben maar één van beiden nodig. De meeste hebben er allebei één. Bij de stap "controleer of we deze persoon al kennen" hoort een scherm dat toont "we denken dat dit Sara Peeters is, die in maart gesolliciteerd heeft", én een capability die diezelfde controle uitvoert voor een agent die het scherm nooit ziet.
Capabilities definiëren is relatief gemakkelijk, omdat je geen schermen moet ontwerpen. En vaak is één capability per taak genoeg voor de AI agent om aan de slag te gaan.
Schrijf op wat er gebeurt als de agent het niet zeker weet
Een mens die twijfelt, vraagt het even aan een collega. Een agent toont niet altijd dat hij twijfelt, tenzij je het hem expliciet zegt.
Noteer daarom bij elke stap die een agent kan doen wat er moet gebeuren als het onduidelijk is. Stoppen en iemand verwittigen is bijna altijd het antwoord. Bij een mens hoef je dat niet op te schrijven, bij een agent wel.
Maak alles expliciet
Dit is één van de belangrijkste punten om mee rekening te houden. Een collega ziet aan een half ingevuld veld dat er iets scheelt. Een AI agent ziet alleen wat er effectief staat.
Hetzelfde geldt voor wie iets gedaan heeft. "De agent heeft dit gecorrigeerd in naam van Sara" is een ander feit dan "Sara heeft dit gecorrigeerd". Als je dat onderscheid niet vastlegt op het moment zelf, krijg je het er achteraf niet meer gemakkelijk bij.
Waarom dit met je software te maken heeft
Deze oefening kan een grote impact hebben op je bestaande systemen. Een capability kan alleen bestaan als je software die handeling ook echt als handeling kent, los van het scherm waarin ze toevallig gebruikt wordt.
Bij software die als een stapel schermen gebouwd is, is dat zelden zo. Dan moet er achteraf een aparte laag naast gemetseld worden waarmee de AI agent kan interageren. Bij software die vanuit een model gebouwd is, staan alle mogelijke acties al expliciet opgelijst: de agent gebruikt dezelfde handeling als de mens, alleen zonder scherm errond.
Wat je hiermee doet
Neem de journey map die je al hebt en vraag je per stap af: is dit iets dat enkel een mens kan doen? Of hoort er ook een capability voor AI agents bij?
Benieuwd hoe zo'n oefening er voor jouw processen uitziet? Stuur ons een bericht.
