Agentic engineering

Een agent bouwen is in een middag gedaan. Een agent bouwen die een jaar later nog betrouwbaar werkt, waarvan iemand eigenaar is en waarvan de organisatie weet wat hij mag, is een vak. Dat vak noemen we agentic engineering: de discipline om AI-agents zo te ontwerpen, bouwen, testen en beheren dat ze in een organisatie blijven werken.

De behoefte is concreet. Veel organisaties hebben inmiddels tientallen agents, gebouwd door enthousiaste medewerkers, zonder overzicht van wat ze doen en met welke data. Andere hebben één agent in productie die te veel mag, waarvan niemand de uitkomsten controleert en waarvan de kosten elke maand verrassen. In beide gevallen ontbreekt dezelfde laag: een werkwijze voor het ontwerpen en beheren van agents.

Wat u leert

De training volgt de levenscyclus van een agent. Op de eerste dag staat het ontwerp centraal. Wat een agent onderscheidt van een chatbot of een script, en wanneer een gewoon script beter is. Hoe u een taak ontleedt in stappen, welke tools een agent nodig heeft en hoe u die zo bouwt dat de agent ze veilig kan aanroepen. Hoe u context en geheugen beheert. En de vraag die in elk ontwerp terugkomt: waar beslist de mens, en hoe dwingt u dat technisch af in plaats van het aan een instructie over te laten.

De tweede dag gaat over bouwen, testen en beheren. Deelnemers bouwen een agent op het platform dat hun organisatie gebruikt en leren die systematisch te evalueren: testsets opstellen, kwaliteit meten, regressies voorkomen als het model of de instructies veranderen. We behandelen de risico's die specifiek zijn voor agents, zoals prompt injection via documenten en e-mails, ongewenste toegang tot data en acties die buiten de bedoeling vallen. Daarna volgt de productiefase: logging, monitoring, incidenten, versiebeheer en het moment waarop u een agent uitzet.

Agents in de organisatie

Techniek is het halve werk. Een agent die in productie gaat, hoort in het AI-register van de organisatie, met een eigenaar, een doel, een risicoklasse en een goedkeuring. Bij toepassingen in een hoge risicoklasse vraagt de AI Act om menselijk toezicht, documentatie en logging. In het laatste dagdeel vertalen we dit naar een agent-roadmap voor de eigen organisatie: welke agents eerst, welke afspraken erbij horen en wat er nodig is om het beheer vol te houden. De aanpak sluit aan op hoe we AI-implementatie en AI-governance inrichten.

Werkwijze

De training is onafhankelijk van leverancier. We werken met Copilot Studio, Azure AI Foundry of een open framework, afhankelijk van wat uw organisatie gebruikt. Deelnemers brengen een eigen casus mee: een proces waarin een agent waarde kan toevoegen. Die casus werken ze in twee dagen uit van ontwerp tot een geteste eerste versie met een beheerplan. Bij een in-company training stemmen we de casussen en het platform vooraf af.

Voorkennis

Deelnemers hebben ervaring met het bouwen van een eerste agent, bijvoorbeeld uit Introductie Copilot Studio, of een vergelijkbare technische achtergrond. Programmeerervaring is nuttig, niet verplicht; de nadruk ligt op ontwerpkeuzes, evaluatie en beheer.