Van chatbot naar agent: De nieuwe AI-aanpak van LinkedIn

LinkedIn werkt al jaren aan een manier om kunstmatige intelligentie naadloos te verweven in zijn platform. Geen losse experimenten of losse chatbots, maar een agentic AI-systeem: een netwerk van slimme agenten die met elkaar samenwerken, communiceren en processen ondersteunen. Het idee is simpel maar krachtig: AI moet niet het middelpunt zijn, maar een stille motor die bestaande workflows versnelt en verrijkt.

Van losse modellen naar bouwstenen

Waar veel bedrijven AI als een apart project behandelen, kiest LinkedIn voor een andere weg. Modellen en API’s worden niet gezien als losstaande producten, maar als bouwstenen binnen de bestaande software-architectuur.Daarvoor gebruikt het bedrijf vertrouwde technieken zoals messaging-architecturen en gRPC, aangevuld met nieuwere protocollen zoals Model Context Protocol (MCP) en Agent2Agent (A2A). Het resultaat: een flexibele infrastructuur waarin agenten niet alleen informatie ophalen, maar ook zelfstandig kunnen samenwerken.

Agenten die meer doen dan antwoorden

Een agent bij LinkedIn is geen simpele chatbot die vragen beantwoordt. Het is een actieve deelnemer in een groter proces. Agenten kunnen context ophalen, taken verdelen en samen beslissingen voorbereiden. Dat maakt ze geschikt voor langere interacties, maar ook voor efficiënte batchtaken die achter de schermen draaien.

Centraal hierin staat de zogenaamde agent life-cycle service. Deze bewaart zelf geen gegevens, maar laat alle toestanden opslaan in verschillende geheugens, zoals conversatie- of ervaringsgeheugen. Zo blijft het systeem schaalbaar en flexibel.

Veiligheid en menselijke controle

LinkedIn benadrukt dat AI nooit de rol van mensen volledig mag overnemen. Daarom zijn er strikte regels voor authenticatie en autorisatie, zeker bij gevoelige toepassingen zoals recruitment.

Een voorbeeld: als een agent een e-mail opstelt, kan die nooit automatisch verzonden worden. De gebruiker beslist altijd zelf. Zo behoudt de mens de laatste controle, terwijl de AI tijd bespaart door het voorbereidende werk te doen.

Observeren om te vertrouwen

Een systeem met zoveel bewegende delen vraagt om zichtbaarheid. LinkedIn gebruikt daarom observability-tools zoals OpenTelemetry. Hiermee wordt elk pad dat een agent volgt geregistreerd: welke data hij raadpleegt, welke beslissingen hij neemt en hoe hij met andere systemen communiceert.

Dat is niet alleen handig voor ontwikkelaars die fouten willen opsporen, maar ook essentieel voor naleving van regelgeving en het versterken van vertrouwen bij gebruikers.

De balans tussen snelheid en kosten

AI op grote schaal inzetten brengt dilemma’s met zich mee. Hoe houd je de reactiesnelheid hoog zonder dat de consistentie van gegevens eronder lijdt? Hoe beperk je de hoge kosten van GPU’s?

LinkedIn kiest vaak voor een hybride aanpak: realtime waar het moet, batchverwerking waar het kan. Op die manier blijft het systeem efficiënt én betaalbaar.

Praktijkvoorbeeld: De Hiring Assistant

Een van de eerste concrete toepassingen is de Hiring Assistant. Deze helpt recruiters kandidaten filteren met behulp van natuurlijke taal. De assistent voert gesprekken, maar doet dit ingebed in de vertrouwde LinkedIn-omgeving. Geen nieuwe ingewikkelde interface dus, maar AI die moeiteloos meedraait in bestaande schermen.

Het doel: recruiters tijd besparen, de kwaliteit van selectie verhogen, en tegelijk de menselijke factor behouden.

LinkedIn laat zien dat AI niet per se een losstaand product hoeft te zijn. Door te kiezen voor een agent-georiënteerde aanpak, waarin samenwerking, veiligheid en menselijk toezicht centraal staan, bouwt het bedrijf een platform dat krachtig én verantwoord is. Voor andere organisaties vormt dit een blauwdruk: AI werkt het best wanneer het onzichtbaar meeloopt, niet wanneer het alle aandacht opeist.