Een nieuwe generatie digitale projectmanagers dient zich aan
Het beoordelen van projectaanvragen is voor veel organisaties een tijdrovende en vaak repetitieve taak. Honderden voorstellen moeten worden nagekeken, risico's ingeschat, beschikbare middelen gecontroleerd en prioriteiten bepaald. Wat vroeger uren of zelfs dagen in beslag nam, kan vandaag dankzij artificiële intelligentie in enkele seconden gebeuren.
Tijdens een demonstratie van Google Cloud laat ontwikkelaar Kevin Blanco zien hoe een geavanceerd multi-agent AI-systeem projectintake volledig kan automatiseren. Door verschillende gespecialiseerde AI-agenten samen te laten werken, ontstaat een digitale beoordelingscommissie die voorstellen analyseert, risico's berekent en zelfs een duidelijke Go/No-Go-aanbeveling formuleert.
Meerdere AI-agenten, één gezamenlijk doel
De kracht van het systeem ligt in de samenwerking tussen verschillende AI-agenten. In plaats van één grote AI-oplossing voert iedere agent een specifieke taak uit.
Eén agent onderzoekt historische projectgegevens, een andere controleert de beschikbare middelen binnen de organisatie, terwijl een derde risico's analyseert en patronen detecteert. Vervolgens worden alle bevindingen samengebracht door een centrale AI-orchestrator die het eindadvies opstelt.
Deze aanpak lijkt sterk op hoe menselijke teams samenwerken: specialisten leveren expertise aan, waarna een projectleider alle informatie bundelt tot een beslissing.
Van Asana naar Google Cloud zonder menselijke tussenkomst
Het voorbeeld dat wordt getoond, vertrekt vanuit een projectaanvraag in Asana. Zodra een nieuwe aanvraag binnenkomt, wordt automatisch een workflow geactiveerd.
Via beveiligde webhooks wordt de aanvraag doorgestuurd naar diensten die draaien op Google Cloud Run. Daar start een AI-gestuurd proces dat de aanvraag analyseert zonder menselijke tussenkomst.
Binnen enkele seconden ontvangt de organisatie een compleet rapport met:
- Een risicoscore
- Beschikbaarheid van middelen
- Historische vergelijkingen met eerdere projecten
- Analyse van organisatorische impact
- Een concreet Go/No-Go-advies
Waar projectteams vroeger meerdere systemen moesten raadplegen, verschijnt nu alle relevante informatie automatisch op één plek.
Het brein achter de samenwerking: Google ADK
Centraal in het systeem staat de Google Agent Development Kit (ADK). Dit ontwikkelplatform maakt het mogelijk om gespecialiseerde AI-agenten te bouwen en te laten samenwerken.
De ADK fungeert als een verkeersleider die bepaalt welke agent welke taak uitvoert. Hierdoor kunnen complexe bedrijfsprocessen worden opgesplitst in overzichtelijke onderdelen die parallel worden afgehandeld.
Het resultaat is niet alleen een hogere snelheid, maar ook een betere schaalbaarheid wanneer het aantal projectaanvragen groeit.
Parallelle intelligentie versnelt besluitvorming
Een van de meest opvallende onderdelen van de architectuur is het gebruik van het Agent-to-Agent-protocol (A2A).
Dankzij dit protocol kunnen meerdere AI-agenten gelijktijdig werken aan verschillende onderdelen van dezelfde opdracht. Terwijl de ene agent projecthistoriek onderzoekt, kan een andere agent actuele werkbelasting controleren en een derde agent risicoanalyses uitvoeren.
Deze parallelle werkwijze zorgt ervoor dat beslissingen aanzienlijk sneller worden genomen dan in traditionele workflows.
Open standaarden verbinden bedrijfsdata met AI
Een belangrijke rol is weggelegd voor het Model Context Protocol (MCP), een open standaard die AI-systemen rechtstreeks toegang geeft tot relevante databronnen.
In de demonstratie wordt MCP gebruikt om Vertex AI-agenten te verbinden met zowel BigQuery als de werkgegevens uit Asana.
Hierdoor kunnen AI-agenten niet alleen historische gegevens raadplegen, maar ook actuele bedrijfsinformatie meenemen in hun analyses. Dat levert contextbewuste aanbevelingen op die veel verder gaan dan standaard automatisering.
Cloud Run maakt AI schaalbaar en betaalbaar
Naast intelligentie draait moderne automatisering ook om efficiëntie. Daarom worden de verschillende AI-agenten uitgerold als afzonderlijke containers op Google Cloud Run.
Deze serverloze aanpak biedt meerdere voordelen:
- Alleen betalen voor effectief gebruik
- Automatisch schalen bij piekbelasting
- Eenvoudig onderhoud van individuele agenten
- Hoge betrouwbaarheid en beschikbaarheid
Daardoor kunnen organisaties starten met kleine AI-projecten en later zonder grote investeringen opschalen.
Van experiment naar bedrijfsproces
Wat deze demonstratie vooral duidelijk maakt, is hoe snel AI evolueert van een experimenteel hulpmiddel naar een volwaardige digitale collega.
Door technologieën zoals MCP, Google ADK, BigQuery en Cloud Run te combineren, ontstaat een nieuwe generatie bedrijfsprocessen waarin AI niet langer alleen informatie verstrekt, maar actief meedenkt, analyseert en aanbevelingen formuleert.
Voor organisaties die worstelen met een groeiend aantal projectaanvragen, kan deze aanpak het verschil maken tussen reactief beheer en strategische besluitvorming op schaal.
Conclusie
De toekomst van projectintake lijkt steeds minder afhankelijk van handmatige controles en spreadsheets. Multi-agent AI-systemen tonen aan dat complexe beoordelingen kunnen worden geautomatiseerd zonder in te boeten op kwaliteit of context.
Door gespecialiseerde AI-agenten samen te laten werken, ontstaat een intelligent ecosysteem dat projectvoorstellen beoordeelt, risico's inschat en beslissers ondersteunt met direct bruikbare inzichten.
Wat vandaag nog een innovatieve demonstratie is, kan morgen uitgroeien tot de standaard manier waarop organisaties nieuwe projecten evalueren.
