Pega sluit AI-agenten op in modulaire workflows voor betere IT-beveiliging

Een van de grootste uitdagingen bij de uitrol van AI in grote bedrijven zijn de kwadratisch oplopende tokenkosten. Wanneer een AI-agent processen met meerdere stappen beheert over lange contextgrafen, verbruikt deze in elke fase exponentieel meer tokens. Het model moet immers bij elke stap alle voorgaande stappen opnieuw lezen om de context te behouden.

"Met onze workflows zetten we de contextteller bij elke stap in feite terug naar nul", legde Schuerman uit. "De workflow-engine zelf behoudt de bredere context. Hierdoor hoeft de AI-agent alleen de context te kennen van de specifieke taak die hij op dat moment uitvoert."

Kosten en hallucinaties minimaliseren

Volgens Pega dient het klein houden van deze contextvensters een dubbel doel. Het verlaagt niet alleen de API-tokenkosten voor bedrijven, maar het gaat ook direct 'slippage' tegen—de toenemende kans op hallucinaties wanneer een model enorme hoeveelheden tekst moet verwerken. "Als ik het contextvenster klein houd en de agent heel specifieke opdrachten geef, is de kans veel groter dat de agent precies doet wat ik vraag en niets anders", aldus Schuerman.

Deze methodologie leunt zwaar op de modulaire architectuur van Pega, in het bijzonder via tools zoals Pega Blueprint. In plaats van generatieve modellen code of processen vanaf nul te laten herbouwen wanneer er om een wijziging wordt gevraagd—een praktijk waarvoor Schuerman waarschuwt omdat ingenieurs dan alles opnieuw moeten testen—instructeert Pega de agenten om heel nauwkeurig specifieke datapunten of vooraf gebouwde 'Lego-blokjes' aan te passen.

Verder kijken dan simpele chat-interfaces

Tijdens de rondetafel kwam ook de evolutie van gebruikersinterfaces aan bod. Hoewel conversationele AI complexe systemen toegankelijker heeft gemaakt, gelooft Pega niet dat de toekomst van enterprise-software uitsluitend uit een chatfunctionaliteit bestaat. Aan de hand van hun nieuwe Customer Engagement Studio lieten Walker en Schuerman een multimodale interface zien, waarin chatschermen vloeiend openen en sluiten naast visuele ontwerpcansvassen of gestructureerde dataformulieren.

Verder vooruitkijkend voorspelt Walker een radicale verschuiving in de dynamiek tussen bedrijven en consumenten (B2B en B2C) over de komende paar jaar. Naarmate persoonlijke AI-agenten de aankoop- en inkoopervaring van consumenten overnemen, zullen traditionele front-ends voor klantbeleving (CX) mogelijk verdwijnen.

"De volledige customer experience-laag zal verdampen, omdat deze digitale agenten niet geven om een gelukkig gezin op het strand. Ze willen voorwaarden, condities, prijs en reputatie", zei Walker. Hij voorziet een model van omgekeerde e-commerce, waarbij agenten namens consumenten geautomatiseerde, tijdgebonden aanbiedingen indienen bij banken en verzekeraars. Dit dwingt enterprise-architecturen om volledig gemoderniseerd en klaar te zijn om direct op deze agenten te reageren.

De rol van het menselijk oordeel

Ondanks de verregaande automatisering benadrukten beide topmannen dat de behoefte aan menselijk leiderschap verandert, in plaats van verdwijnt. Walker merkte op dat klantorganisaties zich aanpassen aan nieuwe operationele modellen die gecentreerd zijn rond het managen van "teams van AI-agenten".

Schuerman concludeerde dat menselijke ervaring de ultieme vangrail blijft voor enterprise AI: "De mensen die échte waarde halen uit door AI gegenereerde code zijn niet degenen die nog nooit hebben gecodeerd; het zijn de mensen die de fundamenten en de architectuur van grote systemen begrijpen. Het bouwen van de systemen die de volgende generatie helpen om dat oordeelsvermogen te ontwikkelen, wordt de échte test voor leiders binnen het bedrijfsleven."