Van tokens naar resultaten: Waarom actieve AI-agenten de nieuwe maatstaf voor bedrijfswaarde kunnen worden
Jarenlang draaide de wedloop rond artificiële intelligentie vooral om groter, sneller en meer. Meer parameters, krachtigere chips, grotere contextvensters en vooral: miljarden tokens die door AI-modellen worden verwerkt. Maar nu AI-agenten steeds vaker echte werkzaamheden uitvoeren, begint binnen bedrijven een andere vraag te leven. Niet hoeveel AI er wordt verbruikt, maar hoeveel waarde er uiteindelijk uitkomt.
Daar komt een nieuwe maatstaf in beeld: DAA, of Daily Active Agents. Het concept probeert de aandacht te verschuiven van technische consumptie naar daadwerkelijk uitgevoerd werk. Voor ondernemingen kan dat een belangrijke verandering betekenen in de manier waarop ze naar het rendement van AI kijken.
Tokens vertellen vooral wat AI kost
Tokenverbruik is een handige technische maatstaf. Het vertelt hoeveel tekst en informatie een AI-systeem verwerkt en vormt vaak rechtstreeks of onrechtstreeks de basis van de kostprijs.
Maar veel tokens verwerken betekent nog niet dat een organisatie ook veel waarde creëert. Een AI-agent kan miljoenen tokens verbruiken zonder een bedrijfsproces merkbaar te verbeteren. Omgekeerd kan een relatief compacte agent dagelijks tientallen nuttige taken automatiseren.
De vergelijking met softwareontwikkeling ligt voor de hand: meer regels code schrijven maakt een programma niet automatisch beter. Uiteindelijk telt wat de software doet.
Voor AI-agenten begint hetzelfde principe te gelden.
DAA: hoeveel agenten leveren daadwerkelijk werk?
Daily Active Agents probeert daarom een andere vraag te beantwoorden: hoeveel AI-agenten zijn dagelijks daadwerkelijk actief in processen waarin ze taken uitvoeren en resultaten afleveren?
Het idee vertoont gelijkenissen met DAU, Daily Active Users, een van de bekendste maatstaven uit het internet- en app-tijdperk. DAU telt hoeveel mensen dagelijks een dienst gebruiken. DAA verschuift die logica naar een wereld waarin niet alleen mensen software bedienen, maar software zelf steeds meer werk uitvoert.
Een klantenserviceagent die vragen oplost, een financiële agent die rapporten analyseert, een marketingagent die campagnes voorbereidt of een operationele agent die workflows afhandelt: allemaal kunnen ze deel worden van een nieuwe digitale arbeidslaag.
De vraag wordt dan niet langer hoeveel medewerkers een AI-tool hebben geopend, maar hoeveel werkende agenten daadwerkelijk bijdragen aan de organisatie.
Niet elke actieve agent is een goede agent
Daar zit meteen een belangrijke nuance. Een hoog aantal actieve agenten zegt op zichzelf nog weinig over kwaliteit.
Een onderneming heeft weinig aan duizend agenten die fouten maken, voortdurend menselijke tussenkomst nodig hebben of processen onnodig complex maken. Daarom wordt het begrip high-quality DAA belangrijker dan simpelweg zoveel mogelijk agenten activeren. Een hoogwaardige actieve agent moet niet alleen draaien, maar betrouwbaar werk afleveren.
Denk bijvoorbeeld aan een agent die dagelijks facturen controleert. Het interessante cijfer is niet hoeveel prompts hij verwerkt, maar hoeveel facturen correct worden gecontroleerd, hoeveel afwijkingen hij ontdekt en hoeveel menselijke werkuren daardoor vrijkomen.
DAA wordt zo pas echt interessant wanneer activiteit wordt gekoppeld aan kwaliteit en bedrijfsresultaten.
De volledige AI-stack wordt belangrijk
Om dat niveau te bereiken, volstaat een krachtig taalmodel niet. Betrouwbare agenten hebben een hele technologische keten nodig.
Onderaan bevindt zich de infrastructuur die voldoende rekenkracht levert. Daarboven komen de AI-modellen die kunnen redeneren, schrijven, analyseren en beslissingen voorbereiden. Vervolgens hebben agenten toegang nodig tot betrouwbare bedrijfsdata en tot tools waarmee ze daadwerkelijk handelingen kunnen uitvoeren.
Ten slotte is orchestratie nodig om verschillende modellen, databronnen, toepassingen en gespecialiseerde agenten met elkaar te laten samenwerken.
Het is precies die combinatie van infrastructuur, modellen, data, tools en orchestratie die een zogenaamde full-stack AI-omgeving vormt. Zonder zo'n fundament dreigt een agent een slimme chatbot te blijven. Met de juiste infrastructuur kan hij uitgroeien tot een digitale uitvoerder binnen een bedrijfsproces.
Van chatbot naar digitale collega
Daarmee verandert ook de rol van generatieve AI binnen ondernemingen.
De eerste generatie zakelijke AI draaide vooral rond assistentie. Een medewerker stelde een vraag, waarna een chatbot een antwoord formuleerde. De mens bleef vrijwel iedere stap initiëren.
Agentische AI gaat verder. Een opdracht kan uit meerdere stappen bestaan en de agent kan zelf informatie verzamelen, systemen raadplegen, acties uitvoeren, resultaten controleren en indien nodig andere gespecialiseerde agenten inschakelen.
Zo ontstaat een omgeving waarin menselijke medewerkers niet langer iedere afzonderlijke AI-interactie hoeven te sturen. Zij bepalen steeds vaker het doel, terwijl agenten delen van de uitvoering overnemen.
Een nieuwe manier om ROI te bekijken
Voor directies en financieel verantwoordelijken kan die verschuiving bijzonder relevant worden.
Tot nu toe wordt AI-investering vaak beoordeeld aan de hand van licentiekosten, gebruik, tokenverbruik of het aantal medewerkers dat een toepassing gebruikt. DAA opent de deur naar een andere benadering.
Een bedrijf zou bijvoorbeeld kunnen meten hoeveel agenten dagelijks productief zijn, hoeveel taken zij afronden, hoeveel daarvan zonder menselijke correctie worden voltooid en welke tijds- of kostenbesparing daarmee gepaard gaat.
Daarmee komt de uiteindelijke vraag veel dichter bij klassieke bedrijfsvoering: wat levert de investering daadwerkelijk op?
Minder aandacht voor AI-gebruik, meer voor AI-productiviteit
Die verandering kan uiteindelijk belangrijker blijken dan de introductie van alweer een nieuwe AI-metriek.
In het mobiele tijdperk draaide veel om actieve gebruikers. Tijdens de eerste generatieve AI-golf werd tokenverbruik een graadmeter voor schaal. In een economie waarin autonome software steeds meer taken uitvoert, kan de hoeveelheid kwalitatief uitgevoerd werk een veel betekenisvollere indicator worden.
Bedrijven zullen daardoor mogelijk minder onder de indruk raken van demonstraties waarin een agent indrukwekkend redeneert, en meer willen weten hoeveel processen hij betrouwbaar kan afhandelen.
Niet: hoe intelligent lijkt deze AI? Maar: welk werk krijgt deze AI iedere dag gedaan? Daar ligt uiteindelijk de zakelijke belofte van Daily Active Agents. AI wordt pas werkelijk waardevol wanneer intelligentie niet alleen beschikbaar is, maar wordt omgezet in betrouwbare actie en meetbare resultaten.
