Agentic decision-making: AI-systemen die kiezen en handelen

Agentic decision-making verwijst naar AI-systemen die acties richting een doel kiezen zonder dat een mens elke stap voorschrijft. Een large language model vormt de redeneerkern. Het interpreteert de situatie, weegt opties, roept tools aan om bewijs te verzamelen of een actie uit te voeren en beoordeelt het resultaat voordat het de volgende stap kiest. Onderzoek zoals de ReAct-methode heeft deze cyclus van redeneren en handelen vastgelegd.

Het begrip verschilt van klassieke besluitautomatisering. Regelgebaseerde systemen volgen vooraf bepaalde paden, terwijl agentic systemen hun pad tijdens de uitvoering opbouwen. Daardoor kunnen ze open situaties aan, maar zijn hun keuzes lastiger te voorspellen. Autonomie wordt daarom gezien als een spectrum, van suggesties die een mens goedkeurt tot acties die zelfstandig worden uitgevoerd.

Voor organisaties roept agentic decision-making vragen op over verantwoording, betrouwbaarheid en beheersing. Guardrails bepalen welke besluiten een agent alleen mag nemen. Observability legt vast hoe een besluit tot stand kwam, zodat een mens het kan reconstrueren en zo nodig corrigeren.